佛山作為國(guó)內(nèi)最大的瓷磚生產(chǎn)制造基地之一,擁有眾多瓷磚廠家和品牌。經(jīng)前期調(diào)研,瓷磚生產(chǎn)環(huán)節(jié)一般(不同類型磚工藝不一樣,這里以拋釉磚為例)經(jīng)過原材料混合研磨、脫水、壓胚、噴墨印花、淋釉、燒制、拋光,最后進(jìn)行質(zhì)量檢測(cè)和包裝。得益于產(chǎn)業(yè)自動(dòng)化的發(fā)展,目前生產(chǎn)環(huán)節(jié)已基本實(shí)現(xiàn)無人化。而質(zhì)量檢測(cè)環(huán)節(jié)仍大量依賴人工完成。一般來說,一條產(chǎn)線需要配2~6名質(zhì)檢工,長(zhǎng)時(shí)間在高光下觀察瓷磚表面尋找瑕疵。這樣導(dǎo)致質(zhì)檢效率低下、質(zhì)檢質(zhì)量層次不齊且成本居高不下。瓷磚表檢是瓷磚行業(yè)生產(chǎn)和質(zhì)量管理的重要環(huán)節(jié),也是困擾行業(yè)多年的技術(shù)瓶頸。
在產(chǎn)線上架設(shè)專業(yè)拍攝設(shè)備,實(shí)地采集生產(chǎn)過程真實(shí)數(shù)據(jù),解決企業(yè)真實(shí)的痛點(diǎn)需求。數(shù)據(jù)覆蓋到了瓷磚產(chǎn)線所有常見瑕疵,包括粉團(tuán)、角裂、滴釉、斷墨、滴墨、B孔、落臟、邊裂、缺角、磚渣、白邊等。實(shí)拍圖示例如下:
針對(duì)某些缺陷在特定視角下的才能拍攝到,每塊磚拍攝了三張圖,包括低角度光照黑白圖、高角度光照黑白圖、彩色圖,示例如下:
數(shù)據(jù)主要分為兩種:
白板瓷磚?;ㄉ?jiǎn)單,數(shù)量總共約12000張,包含訓(xùn)練集和測(cè)試集.
復(fù)雜瓷磚?;ㄉ鄬?duì)復(fù)雜,并提供相應(yīng)的模板圖片(同花色且無瑕疵圖片),數(shù)量總共約12000張,包含訓(xùn)練集和測(cè)試集。
復(fù)雜瓷磚包含有瑕疵圖片帶模板、無瑕疵圖片和標(biāo)注數(shù)據(jù)。標(biāo)注數(shù)據(jù)標(biāo)注模板圖片、瑕疵位置和類別信息。示例如下:
一、生成voc格式的數(shù)據(jù)集
二、自動(dòng)繪制瑕疵點(diǎn)
繪制瑕疵點(diǎn)之后的圖像如下圖所示
可以看出瑕疵點(diǎn)較小,因此對(duì)瓷磚圖片進(jìn)行切圖處理。
三、 對(duì)瓷磚進(jìn)行切圖處理
為了提高識(shí)別的精度,對(duì)瓷磚圖片進(jìn)行切圖處理,參照這篇文章的代碼對(duì)圖片進(jìn)行切圖處理。
https://blog.csdn.net/weixin_45734379/article/details/112908630
四、將voc格式的數(shù)據(jù)集轉(zhuǎn)換為yolo(.txt)格式的數(shù)據(jù)集
yolov5模型進(jìn)行目標(biāo)檢測(cè),必須使用yolo格式的數(shù)據(jù) 因此利用下面的程序創(chuàng)建yolo格式的數(shù)據(jù)
生成的yolo格式數(shù)據(jù)如下圖所示,最前面的數(shù)字 4 為瑕疵點(diǎn)類別編號(hào),后面的數(shù)據(jù)為瑕疵點(diǎn)的位置
五、將Yolo格式數(shù)據(jù)自動(dòng)劃分成訓(xùn)練集(train2017),測(cè)試集(val2017)
程序生成的數(shù)據(jù)集存放方式如下圖所示
五、Yolov5模型的訓(xùn)練
模型環(huán)境的建立和模型訓(xùn)練流程
https://blog.csdn.net/weixin_45652435/article/details/113095444
模型訓(xùn)練之前需要更改coco128.yaml 和 yolov5s.yaml中的nc(識(shí)別對(duì)象的類別數(shù)目)和 names
進(jìn)入Yolov5的環(huán)境,切換到相應(yīng)的目錄,對(duì)模型進(jìn)行訓(xùn)練
六、對(duì)需要檢測(cè)的圖片進(jìn)行預(yù)測(cè),生成 json 文件
審核編輯 :李倩
-
數(shù)據(jù)
+關(guān)注
關(guān)注
8文章
7256瀏覽量
91871 -
數(shù)據(jù)集
+關(guān)注
關(guān)注
4文章
1224瀏覽量
25447
原文標(biāo)題:YOLOv5瓷磚表面瑕疵質(zhì)檢
文章出處:【微信號(hào):vision263com,微信公眾號(hào):新機(jī)器視覺】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。
發(fā)布評(píng)論請(qǐng)先 登錄
【YOLOv5】LabVIEW+YOLOv5快速實(shí)現(xiàn)實(shí)時(shí)物體識(shí)別(Object Detection)含源碼
【YOLOv5】LabVIEW+TensorRT的yolov5部署實(shí)戰(zhàn)(含源碼)

龍哥手把手教你學(xué)視覺-深度學(xué)習(xí)YOLOV5篇
怎樣使用PyTorch Hub去加載YOLOv5模型
如何YOLOv5測(cè)試代碼?
yolov5模型onnx轉(zhuǎn)bmodel無法識(shí)別出結(jié)果如何解決?
基于YOLOv5的目標(biāo)檢測(cè)文檔進(jìn)行的時(shí)候出錯(cuò)如何解決?
YOLOv5 7.0版本下載與運(yùn)行測(cè)試
在C++中使用OpenVINO工具包部署YOLOv5模型
使用旭日X3派的BPU部署Yolov5

淺析基于改進(jìn)YOLOv5的輸電線路走廊滑坡災(zāi)害識(shí)別

yolov5和YOLOX正負(fù)樣本分配策略

YOLOv5網(wǎng)絡(luò)結(jié)構(gòu)訓(xùn)練策略詳解

評(píng)論