基于YOLO的手機(jī)外觀缺陷視覺(jué)檢測(cè)算法
2022年電子技術(shù)應(yīng)用第7期
楊 戈1，2，劉思瀚1
1.北京師范大學(xué)珠海分校 智能多媒體技術(shù)重點(diǎn)實(shí)驗(yàn)室，廣東 珠海519087； 2.北京師范大學(xué) 自然科學(xué)高等研究院，廣東 珠海519087
摘要： 針對(duì)在小規(guī)模手機(jī)屏幕缺陷數(shù)據(jù)檢測(cè)效率不高的問(wèn)題，提出了一個(gè)基于YOLO v3的手機(jī)外觀缺陷視覺(jué)檢測(cè)算法，即YOLO-q-v3算法。YOLO-q-v3算法通過(guò)改進(jìn)DarkNet-53網(wǎng)絡(luò)結(jié)構(gòu)，減少原網(wǎng)絡(luò)的層數(shù)和相應(yīng)的模型參數(shù)，有效地提高算法的檢測(cè)效率。將YOLO v3算法和本文提出的YOLO-q-v3算法對(duì)同一數(shù)據(jù)集進(jìn)行對(duì)比實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明，YOLO-q-v3算法能夠正確識(shí)別手機(jī)屏幕裂痕，YOLO-q-v3在檢測(cè)速率上比YOLO v3算法提高了24%。
中圖分類號(hào)： TN183
文獻(xiàn)標(biāo)識(shí)碼： A
DOI：10.16157/j.issn.0258-7998.211888
中文引用格式： 楊戈，劉思瀚. 基于YOLO的手機(jī)外觀缺陷視覺(jué)檢測(cè)算法[J].電子技術(shù)應(yīng)用，2022，48(7)：81-85.
英文引用格式： Yang Ge，Liu Sihan. A visual detection algorithm for mobile phone appearance defect based on YOLO[J]. Application of Electronic Technique，2022，48(7)：81-85.
文獻(xiàn)標(biāo)識(shí)碼： A
DOI：10.16157/j.issn.0258-7998.211888
中文引用格式： 楊戈，劉思瀚. 基于YOLO的手機(jī)外觀缺陷視覺(jué)檢測(cè)算法[J].電子技術(shù)應(yīng)用，2022，48(7)：81-85.
英文引用格式： Yang Ge，Liu Sihan. A visual detection algorithm for mobile phone appearance defect based on YOLO[J]. Application of Electronic Technique，2022，48(7)：81-85.
A visual detection algorithm for mobile phone appearance defect based on YOLO
Yang Ge1，2，Liu Sihan1
1.Key Laboratory of Intelligent Multimedia Technology，Beijing Normal University，Zhuhai 519087，China； 2.Advanced Institute of Natural Sciences，Beijing Normal University，Zhuhai 519087，China
Abstract： Aiming at the problem that some algorithms are not efficient in the detection of small-scale mobile phone screen defect data, this paper proposes a visual detection algorithm for mobile phone appearance defect based on YOLO v3，namely YOLO-q-v3 algorithm. The YOLO-q-v3 algorithm improves the DarkNet-53 network structure, reduces the number of layers of the original network and the corresponding model parameters, and effectively improves the detection efficiency of the algorithm. The YOLO v3 algorithm and the YOLO-q-v3 algorithm proposed in this paper are compared and tested on the same data set. The experimental results show that the YOLO-q-v3 algorithm can correctly identify the cracks on the mobile phone screen, and the detection rate of YOLO-q-v3 is 24% higher than that of the YOLO v3 algorithm.
Key words : YOLO；screen defect detection；deep learning
0 引言
手機(jī)是當(dāng)前人們生活中的必需品，如何高效并且盡可能低成本地制造手機(jī)成為了熱點(diǎn)之一。而手機(jī)的屏幕缺陷檢測(cè)則是屬于手機(jī)制造過(guò)程中重要的一個(gè)環(huán)節(jié)，如何在這個(gè)環(huán)節(jié)上化繁為簡(jiǎn)并且提高效率至關(guān)重要。傳統(tǒng)的人工檢測(cè)不僅效率低下，并且會(huì)增加手機(jī)制造成本。還有一些傳統(tǒng)的視覺(jué)處理方法，通過(guò)提取圖像特征再通過(guò)提取的特征去選擇、識(shí)別。這種傳統(tǒng)的辦法雖然降低了人工成本，但是受限于特征提取時(shí)的環(huán)境以及方式，使得特征提取環(huán)節(jié)變得復(fù)雜，所以效率也不會(huì)太高。因此，尋求一種高效、可靠的基于深度學(xué)習(xí)的智能化的手機(jī)屏幕缺陷檢測(cè)算法是很有必要的。
本文詳細(xì)內(nèi)容請(qǐng)下載：http://www.xxav2194.com/resource/share/2000004592。
作者信息：
楊 戈1，2，劉思瀚1
(1.北京師范大學(xué)珠海分校 智能多媒體技術(shù)重點(diǎn)實(shí)驗(yàn)室，廣東 珠海519087；
2.北京師范大學(xué) 自然科學(xué)高等研究院，廣東 珠海519087)
此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。