欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2023107424051
申请人: 淮阴工学院
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于改进YOLOv7算法的带钢表面缺陷检测方法,其特征在于,包括以下步骤:

步骤1.准备数据集,在网络上下载有关带钢缺陷的数据集;

步骤2.对数据集进行处理,得到能够进行训练的数据集;

步骤3.改进网络:

(a)通过使用k-means++聚类方法计算出适用于该数据集的anchorbox的尺寸,并在yaml文件中将原来的anchorbox的参数替换为新生成的anchorbox的参数,(b)将网络中的ELAN模块中的部分卷积替换为PConv,并将替换卷积后的CBS模块重新命名为PBS模块,新的ELAN模块命名为ELANP,(c)将注意力机制添加到ELAN模块最后的卷积层中,将最后一个CBS模块命名为CBS-Att,新的ELAN模块命名为ELANP-Att,将所有concat拼接前的ELAN模块替换为添加了注意力机制的ELANP-Att模块,将注意力机制添加到SPPCSPC模块中,命名为SPPCSPC-Att,并将网络中唯一一个SPPCSPC模块替换成SPPCSPC-Att模块,(d)将网络中的原来的CIOU损失函数替换为SIOU损失函数;

步骤4.训练网络,创建新的yaml文件,命名为YOLOv7-improve.yaml,将原网络的ELAN模块和SPPCSPC模块替换为改进好的模块,将train.py文件中的cfg文件路径改为YOLOv7-improve.yaml文件的路径,运行train.py文件对模型进行训练,训练完毕后记录训练的结果,包括精度、召回率、mAP的值,并保存生成的权重文件,将训练好的模型部署到电脑上对生产过程中的带钢进行缺陷的识别。

2.根据权利要求1所述的一种基于改进YOLOv7算法的带钢表面缺陷检测方法,其特征在于,在步骤1中,在网站上下载带钢缺陷的数据集,在下载的数据集中选取其中的1800张图片,其中分为六类带钢表面缺陷,包括夹杂(Inclusion)、划痕(Scratches)、压入氧化皮(Rolled-in-Scale)、裂纹(Crazing)、麻点(Pitted-Surface)和斑块(Patches)对这些图片进行预处理。

3.根据权利要求1所述的一种基于改进YOLOv7算法的带钢表面缺陷检测方法,其特征在于,在步骤2中,对数据集进行处理,将数据集分为训练集测试集和验证集,比例为8:1:1,将标注数据集的xml文件存放在Annotations文件夹中,将标注结果为xml格式的文件使用脚本转化为txt格式的文件存放在Labels文件夹,使用脚本将数据集划分的训练集测试集和验证集所包含的图片名称存放在ImageSets文件夹中,图片路径放在data目录下。

4.根据权利要求1所述的一种基于改进YOLOv7算法的带钢表面缺陷检测方法,其特征在于,在生产带钢的车间中,通过使用固定的摄像机拍摄传送带上需要进行检测的带钢,将拍摄好的视频导入到已经配置好能够运行改进后的YOLOv7模型的电脑上,使用改进后的模型对拍摄的视频进行检测,模型会输出对带钢存在的缺陷的检测结果。