YOLOv5瓷磚表面瑕疵質(zhì)檢

向AI轉(zhuǎn)型的程序員都關(guān)注了這個號??????

機(jī)器學(xué)習(xí)AI算法工程?? 公眾號：datayx

佛山作為國內(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)量檢測和包裝。得益于產(chǎn)業(yè)自動化的發(fā)展，目前生產(chǎn)環(huán)節(jié)已基本實現(xiàn)無人化。而質(zhì)量檢測環(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，長時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，實地采集生產(chǎn)過程真實數(shù)據(jù)，解決企業(yè)真實的痛點需求。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。實拍圖示例如下：

針對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：

1. 白板瓷磚?；ㄉ唵?，數(shù)量總共約12000張，包含訓(xùn)練集和測試集.

2. 復(fù)雜瓷磚?；ㄉ鄬?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：

瓷磚瑕疵檢測極客獎方案代碼?獲取方式：

關(guān)注微信公眾號 datayx ?然后回復(fù)?yolo?即可獲取。

一、生成voc格式的數(shù)據(jù)集

二、自動繪制瑕疵點

繪制瑕疵點之后的圖像如下圖所示

可以看出瑕疵點較小，因此對瓷磚圖片進(jìn)行切圖處理。

三、 對瓷磚進(jìn)行切圖處理

為了提高識別的精度，對瓷磚圖片進(jìn)行切圖處理，參照這篇文章的代碼對圖片進(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，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 為瑕疵點類別編號，后面的數(shù)據(jù)為瑕疵點的位置

五、將Yolo格式數(shù)據(jù)自動劃分成訓(xùn)練集（train2017）,測試集（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（識別對象的類別數(shù)目）和 names

進(jìn)入Yolov5的環(huán)境，切換到相應(yīng)的目錄，對模型進(jìn)行訓(xùn)練

六、對需要檢測的圖片進(jìn)行預(yù)測，生成 json 文件

原文地址

https://blog.csdn.net/weixin_45652435/article/details/113143159

機(jī)器學(xué)習(xí)算法AI大數(shù)據(jù)技術(shù)

?搜索公眾號添加：?datanlp

長按圖片，識別二維碼

閱讀過本文的人還看了以下文章：

TensorFlow 2.0深度學(xué)習(xí)案例實戰(zhàn)

基于40萬表格數(shù)據(jù)集TableBank，用MaskRCNN做表格檢測

《基于深度學(xué)習(xí)的自然語言處理》中/英PDF

Deep Learning 中文版初版-周志華團(tuán)隊

【全套視頻課】最全的目標(biāo)檢測算法系列講解，通俗易懂！

《美團(tuán)機(jī)器學(xué)習(xí)實踐》_美團(tuán)算法團(tuán)隊.pdf

《深度學(xué)習(xí)入門：基于Python的理論與實現(xiàn)》高清中文PDF+源碼

《深度學(xué)習(xí)：基于Keras的Python實踐》PDF和代碼

特征提取與圖像處理(第二版).pdf

python就業(yè)班學(xué)習(xí)視頻，從入門到實戰(zhàn)項目

2019最新《PyTorch自然語言處理》英、中文版PDF+源碼

《21個項目玩轉(zhuǎn)深度學(xué)習(xí)：基于TensorFlow的實踐詳解》完整版PDF+附書代碼

《深度學(xué)習(xí)之pytorch》pdf+附書源碼

PyTorch深度學(xué)習(xí)快速實戰(zhàn)入門《pytorch-handbook》

【下載】豆瓣評分8.1,《機(jī)器學(xué)習(xí)實戰(zhàn):基于Scikit-Learn和TensorFlow》

《Python數(shù)據(jù)分析與挖掘?qū)崙?zhàn)》PDF+完整源碼

汽車行業(yè)完整知識圖譜項目實戰(zhàn)視頻(全23課)

李沐大神開源《動手學(xué)深度學(xué)習(xí)》，加州伯克利深度學(xué)習(xí)（2019春）教材

筆記、代碼清晰易懂！李航《統(tǒng)計學(xué)習(xí)方法》最新資源全套！

《神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)》最新2018版中英PDF+源碼

將機(jī)器學(xué)習(xí)模型部署為REST API

FashionAI服裝屬性標(biāo)簽圖像識別Top1-5方案分享

重要開源！CNN-RNN-CTC 實現(xiàn)手寫漢字識別

yolo3 檢測出圖像中的不規(guī)則漢字

同樣是機(jī)器學(xué)習(xí)算法工程師，你的面試為什么過不了？

前海征信大數(shù)據(jù)算法：風(fēng)險概率預(yù)測

【Keras】完整實現(xiàn)‘交通標(biāo)志’分類、‘票據(jù)’分類兩個項目，讓你掌握深度學(xué)習(xí)圖像分類

VGG16遷移學(xué)習(xí)，實現(xiàn)醫(yī)學(xué)圖像識別分類工程項目

特征工程(一)

特征工程(二) :文本數(shù)據(jù)的展開、過濾和分塊

特征工程(三):特征縮放,從詞袋到 TF-IDF

特征工程(四): 類別特征

特征工程(五): PCA 降維

特征工程(六): 非線性特征提取和模型堆疊

特征工程(七)：圖像特征提取和深度學(xué)習(xí)

如何利用全新的決策樹集成級聯(lián)結(jié)構(gòu)gcForest做特征工程并打分？

Machine Learning Yearning 中文翻譯稿

螞蟻金服2018秋招-算法工程師（共四面）通過

全球AI挑戰(zhàn)-場景分類的比賽源碼(多模型融合)

斯坦福CS230官方指南：CNN、RNN及使用技巧速查（打印收藏）

python+flask搭建CNN在線識別手寫中文網(wǎng)站

中科院Kaggle全球文本匹配競賽華人第1名團(tuán)隊-深度學(xué)習(xí)與特征工程

不斷更新資源

深度學(xué)習(xí)、機(jī)器學(xué)習(xí)、數(shù)據(jù)分析、python

?搜索公眾號添加：?datayx??