基于改进YOLOv4网络的手机曲面玻璃缺陷检测.pdf
《基于改进YOLOv4网络的手机曲面玻璃缺陷检测.pdf》由会员分享,可在线阅读,更多相关《基于改进YOLOv4网络的手机曲面玻璃缺陷检测.pdf(6页珍藏版)》请在咨信网上搜索。
1、现代电子技术Modern Electronics Technique2023年12月1日第46卷第23期Dec.2023Vol.46 No.230 引 言手机曲面玻璃在生产加工过程中需要经过开孔、磨边、热弯、抛光、CNC加工等工艺,然而,由于加工技术的不成熟和生产环境的影响,在各个生产环节中均可能出现缺陷,常见的手机曲面玻璃缺陷有划痕、擦伤、崩边、烧伤、污点、气泡等。缺陷会严重影响曲面玻璃的外观和性能,影响曲面手机的使用体验,因此,在生产过程中要实时对曲面玻璃进行缺陷检测。机器视觉检测方法是一种无接触、无损伤的自动化检测方法,具有工作效基于改进YOLOv4网络的手机曲面玻璃缺陷检测张 跃1,2
2、,陈 宁2,孔 明1,郭钢祥2,郭 斌2,吴晓康1(1.中国计量大学 计量测试工程学院,浙江 杭州 310018;2.浙江省计量科学研究院,浙江 杭州 310018)摘 要:针对手机曲面玻璃缺陷难以识别、检测效率低、识别精度低的问题,提出改进的YOLOv4网络模型。模型的主干网络由CSPDarknet53网络替换为MobileNetv3网络,该网络可以减少参量的计算,减轻设备的负担,提高算法的效率,加强对缺陷细节的识别。采用Kmeans+聚类自动生成锚框,提高算法的识别精度。该算法改进空间金字塔池化层,使用SPPF模块,该模块既能实现SPP模块相同的功能,又提高了算法效率。损失函数使用CIoU
3、代替IoU,丰富网络感受视野的同时增加了远距离目标间的交互,提升了对微小目标的检测精度,更好地识别手机曲面玻璃中的细微缺陷。对比实验结果表明,改进的YOLOv4检测4种缺陷的AP值均得到提升,mAP值达到了97.57%,相较于传统的YOLOv4算法精度提升了1.23%,检测时间提高了10 ms,能有效地识别手机曲面玻璃的各种缺陷。关键词:曲面玻璃;缺陷分类;YOLOv4;MobileNetv3;SPPF;损失函数中图分类号:TN9834;TP391 文献标识码:A 文章编号:1004373X(2023)23010306Mobile phone curved glass defect detec
4、tion based on improved YOLOv4 networkZHANG Yue1,2,CHEN Ning2,KONG Ming1,GUO Gangxiang2,GUO Bin2,WU Xiaokang1(1.College of Metrology and Measurement Engineering,China Jiliang University,Hangzhou 310018,China;2.Zhejiang Institute of Metrology,Hangzhou 310018,China)Abstract:In view of the difficult ide
5、ntification,low detection efficiency and low identification accuracy of curved glass defects of mobile phones,an improved YOLOv4 network model is proposed.As for the backbone network of the model,CSPDarknet53 is replaced by MobileNetv3,which can reduce the calculation of parameters,reduce the burden
6、 of equipment,improve the efficiency of the algorithm and strengthen the identification of defect details.The anchor frame is automatically generated by Kmeans+clustering to improve the recognition accuracy of the algorithm.In the algorithm,the space pyramid pooling layer is improved,and the SPPF mo
7、dule is used.This module can realize the same function as SPP module and improve the efficiency of the algorithm.CIoU is used as the loss function instead of IoU,which enriches the network perception field and increases the interaction between distant objects,improves the detection accuracy of tiny
8、objects,and better identifies the subtle defects of the curved glass of the mobile phones.The results of comparative experiments show that the AP values of the four defects of the improved YOLOv4 are all improved.The value of mAP reaches 97.57%.In comparison with the traditional YOLOv4 algorithm,its
9、 accuracy increases by 1.23%,and its detection time increases by 10 ms,so the improved model can effectively identify various curved glass defects of mobile phones.Keywords:curved glass;defect classification;YOLOv4;MobileNetv3;SPPF;loss functionDOI:10.16652/j.issn.1004373x.2023.23.019引用格式:张跃,陈宁,孔明,等
10、.基于改进YOLOv4网络的手机曲面玻璃缺陷检测J.现代电子技术,2023,46(23):103108.收稿日期:20230615 修回日期:20230703基金项目:国家市场监督管理总局科技计划项目资助(2020MK042、2020MK043);浙江省市场监督管理局重大科研项目资助(20210107);浙江省市场监督管理局雏鹰计划项目资助(CY2022337)103103现代电子技术2023年第46卷率高的优点,常见的工业机器视觉应用系统的组成为相机、光源、镜头、图像采集卡、图像处理单元、通信单元、图像处理软件1。随着深度学习算法的发展,文献2提出了一种改进的基于深度神经网络的曲面缺陷提取与
11、测量分割方法,该方法提出了一种新的数据生成方法,克服了训练深度结构化网络需要大量数据的缺点。文献3提出了一种基于深度学习神经网络的手机曲面玻璃缺陷检测系统以及加权多神经网络检测系统,能够有效利用多通道测量数据,检测率高达99%。在深度学习缺陷检测算法中,YOLOv44系列算法凭借其较好的检测精度和检测速度在多种表面缺陷检测中得到广泛应用。文献5利用 YOLOv3Tiny算法实现对偏光片的高精度缺陷检测,但该算法检测时间较长。文献6提出基于改进YOLOv4算法的PCB缺陷检测方法,提高了PCB缺陷的检测效率。但 YOLOv47算法特征提取网络深度较深,导致局部精细化能力下降,影响小目标缺陷检测精
12、度,同时其检测网络采用单一大小卷积核进行运算,影响算法曲面玻璃多类别缺陷检测性能。手机曲面玻璃缺陷比较细微,有较多的细节,为了解决传统 YOLOv4 算法运行速度较慢、对设备要求高、不适用于有较多细节缺陷的识别等缺点,同时为了提高网络模型对手机曲面玻璃缺陷识别分类的准确度,提出了一种改进的YOLOv4算法。1 YOLOv4算法简介YOLOv4 算 法 网 络 结 构8由 特 征 提 取 骨 干 网 络Backbone、进行特征融合的 Neck部分、实现检测的检测头 Head 部 分 组 成。YOLOv4 的 Backbone 部 分 以CSPDarknet53 为主干特征提取网络。CSPDar
13、knet53 是由 YOLOv3中的 Darknet53网络改进的,将 Darknet53中的残差块进行修改,引入了 CSPNet结构。Neck部分由SPPNet 结构和 PANet 组成,其中 SPPNet 为空间金字塔池化网络,在算法中能够增加网络的感受野,PANet网络为路径聚合网络,实现骨干网络深层特征与浅层特征的融合。Head检测部分,YOLOv4算法沿用 YOLOv3检测头,进行大小为 33 和 11 的两次卷积操作完成检测。YOLOv4算法网络结构图如图1所示。图1 YOLOv4算法网络结构图2 改进 YOLOv4 算法的手机曲面玻璃缺陷检测模型2.1 Kmeans+聚类锚框YO
14、LOv4 的锚框机制主要是根据 VOC 数据集聚类得到的,该锚框自带有 3 个尺度,每个尺度都有 3 个尺寸,总共9个尺寸。不过这些锚框在识别分类时存在限制,难以检测目标细节较多的情况。针对手机曲面玻璃缺陷检测,大多数的手机曲面玻璃缺陷形状大小相似,有较多细节,利用原有的锚框机制会导致交并比(IoU)的计算值出现偏差,因而无法筛选出最优的预测框,最终影响缺陷分类的准确度。而 Kmeans算法的初始值是不确定的,需要自己选定合适的初始值作为聚类中心,初始聚类中心的选择会大幅度影响锚框生成的效果,因此本文采用 Kmeans+聚类算法自动选择最佳的初始聚类中心,从而提升锚框生成的效果。本文 Kmea
15、ns+算法9的主要流程为:首先在样本D中随机选取一个聚类中心点C1,计算该聚类中心点C1与D中每个样本a间的欧氏距离D(a),计算剩余样本点成为下次聚类中心点的概率P,选取最大概率的点作为下一个样本中心C2。P的计算如下:104第23期P=D2()aa AD2()a(1)重复上述操作,直至选出 9个离散的聚类中心。计算 9个选取的聚类中心与样本D的中心距离,并分别分类到与其距离最小的聚类中心对应的簇中,重新计算聚类中心d,如果聚类中心不再发生改变,该聚类中心即为最佳聚类中心,聚类算法结束。本文将曲面玻璃缺陷输入至YOLOv4网络,提取了3个不同尺度的特征,并保持原输入的分辨率大小不变以保证图像
16、的特征信息不被压缩,网络通过 Kmeans+聚类算法重新生成 9个新的锚框参数用于手机曲面玻璃缺陷的检测。9 个参数为:(36,37)、(52,47)、(43,76)、(63,62)、(83,48)、(53,103)、(79,80)、(116,56)、(107,98)。用这 9 个锚框尺寸对手机曲面玻璃缺陷进行检测。Kmeans+聚类算法的流程图如图2所示。图2 Kmeans+聚类算法流程图2.2 MobileNetv3网络改进手机曲面玻璃缺陷的面积较小且一张图像中往往有多个缺陷,而且缺陷中会有较多细节,检测算法需要实现高效率和高准确率。而YOLOv4算法以CSPDarknet53网络作为特征
17、提取网络,CSPDarknet53网络10由 5个残差块组成,分别由 1、2、8、8、4个残差单元叠加而成,由于卷积层数量较多,导致 CSPDarknet53 网络难以对细节较多的缺陷进行识别分类。MobileNetv311综合了 MobileNetv1的深度可分离卷积、MobileNetv2的逆残差结构、MnasNet的轻量级注意力模型这3种模型的思想,并将最后一步平均池化层前移,同时移除最后一个卷积层。MobileNetv3网络结构可以达到更少计算量,更高精度的效果。与CSPDarknet53网络相比,既保持了比较强大的特征提取能力,又在很大程度上减少了模型的计算量。同时,比CSPDark
18、net53网络具有更少的网络深度,可以更好地提取局部精细化特征,提升对曲面玻璃细微缺陷检测性能。因此,用MobileNetv3代替CSPDarknet53网络作为YOLOv4的特征提取网络。2.3 优化的SPPF模块原始的 SPP 是使用不同尺寸的池化核对卷积后的输出进行最大池化,从而产生不同尺度、更大的感受野,获得的上下层特征更显著,从而能提取出更丰富的图像特征。如图 3 所示,本文设计了 SPPF 模块来代替原始的SPP模块。SPPF12模块设置了 1条主线通道,将输入串行通过多个 55池化核。第 1条支路直接连接到输出,相当于 1 个 11 大小的池化核;第 2 条支路经过了 1 个55
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 改进 YOLOv4 网络 手机 曲面 玻璃 缺陷 检测
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。