基于PPYOLO的电池片缺陷检测.pdf
《基于PPYOLO的电池片缺陷检测.pdf》由会员分享,可在线阅读,更多相关《基于PPYOLO的电池片缺陷检测.pdf(9页珍藏版)》请在咨信网上搜索。
1、第 卷 第 期邵阳学院学报(自然科学版).年 月 ().文章编号:()基于 的电池片缺陷检测韩钰郑金亮王磊蔡培君王晨旸王紫玉(安徽大学 江淮学院安徽 合肥)摘要:为进一步提升太阳能电池片表面缺陷检测效率改进深度学习检测算法添加索贝尔()算子对输入图片进行处理得到缺陷边缘信息此边缘信息会过滤大部分正常区域信息同时能更快找到缺陷区域位置 再将边缘信息和原始图片拼接输入到网络模型中这样既保留了原始图片的特征又能防止 算子处理后的信息存在缺失所导致的特征信息丢失 为验证该算法在高清电池片数据集上进行仿真实验 实验结果表明添加 算子后的改进 模型检测效率有所提升表现为 提升.并且 相比于其他不同输入尺寸
2、和模型大小的算法提升效果超过 关键词:缺陷检测电池片索贝尔()算子中图分类号:.文献标志码:():.:收稿日期:基金项目:安徽省高等学校科学研究重点项目()作者简介:韩钰男讲师硕士主要从事系统集成与图像识别研究:.第 期韩钰郑金亮王磊蔡培君王晨旸王紫玉:基于 的电池片缺陷检测 太阳能电池片的表面质量直接影响光能的吸收效率在太阳能电池片的生产过程中由于机械或人为因素等会对电池片表面造成各种缺陷这些缺陷会对电池片转换效率和寿命产生较大影响因此检测电池片表面缺陷是非常必要的目前对电池片表面检测的方法主要分为人工检测方法、机器视觉检测方法和深度学习检测方法 常见的有高光谱成像技术、发光成像对比方法、声
3、波法、均值漂移法、多特征区域融合法、频域法和深度学习法等 采用平均法进行检测是一种简单且容易实现的方法但如果检测目标较少它的检测效率将较低 而频域法擅长对分布比较散乱的缺陷进行检测但其对刮伤不能进行有效识别 近年来目标检测算法已应用于多种目标检测场景但是对于高清图像中微小目标的检测依然存在检测精度不高的问题 由于在深度学习检测方法中对图像边缘的检测十分重要 算子作为边缘检测中的重要算子之一可以优化图像边缘检测效果并提升处理图像的效率 李雪梅等将加权核范数最小化图像去噪算法与索贝尔()边缘检测算法相结合大大提高了 算子检测的准确度使得在高噪声水平下能够获得清晰连续的边缘信息 本文在前人的研究基础
4、上提出通过添加 算子改进 模型来进一步提升电池片表面微小缺陷检测效率 数据预处理.数据集介绍本实验训练数据集来源于安徽慧视金瞳科技有限公司提供的二维高清太阳能电池片图像 训练集一共有 张图片每张图片的分辨率为 由(行)(列)个电池片组合而成图片中可能会存在一种或多种缺陷 缺陷包括 种:电池片破碎、电池片有明显亮斑、电池片有形状规则黑边或灰边、电池片有划痕以及电池片不上电呈现黑色将训练集中这 种缺陷进行标记以便进行模型的训练对应的数字为 见表 表 电池片缺陷分类 缺陷种类破碎明显亮斑黑边或灰边划痕不上电呈现黑色图例数量/个 训练集中缺陷的标注由 个数组成分别为缺陷对应的数字矩形框左上角点横、纵坐
5、标右下角点横、纵坐标标注结果保存在对应的训练集 文件中.数据增强训练集中的缺陷图片只有 张样本量少同时数据集图片尺寸过大并且缺陷分布稀疏(一张图片上可能只有一两个缺陷)其中有的缺陷尺寸极小最小只有 像素使得该缺陷在图片中的面积占比也极小增加了检测难度 因此如果只用这 张图片进行训练可能出现大部分缺陷无法被检测出来 为使训练数据更加丰富提高模型训练效果和精度实验时采用了如下几种增强方案)混合()和随机切片等 在训练时对每轮 选择出来的数据进行随机 邵阳学院学报(自然科学版)第 卷旋转、镜像和亮度调节等处理再将扩增后的数据送入模型进行训练这样操作模型在训练过程中可实时对数据进行扩增)粘贴增强 将数
6、据的缺陷裁剪下来随机等概率地选取缺陷图片粘贴到无缺陷的图片上去提高图片中缺陷数量和面积占比这样模型在训练时相比于之前的稀疏缺陷将更快速且更容易学到缺陷特征 通过该方法将数据集扩充到 张图片 如图 所示相比于图()稀疏的缺陷分布图()具有更多缺陷特征图 粘贴增强方案.)尺寸增强()由于目前常用显存设备()的显存资源无法对高清图片进行计算处理因此不得不降低图片尺寸以满足训练的基本要求 但是如果降低图片尺寸缺陷也会随之变小导致小缺陷难以被检测出来出现缺陷漏检模型检测效果会降低 例如将图片 到()(像素宽像素高)部分缺陷会缩小到()左右的像素点大小使检测模型几乎失效 因此本次实验在特定的显存设备下()
7、将图片 到合适的大小()或()以适配不同的算法模型.数据集制作电池片数据集制作是最基础的步骤同时也是实验前最重要的步骤 由于本实验所用的模型无法识别训练集标注的 文件需要将该文件转换为适配模型的 格式数据 读取 文件对每张训练集图片对应的标注框数据(标注框面积、左上点的横和纵坐标、宽和高、对应的缺陷类型等)进行简单地计算生成标准的 格式数据集 划分数据集结果见表 表 数据集数量分布 数据集数量/张原始样本数量/张增强数据样本/张训练集验证集测试集 模型结构.网络结构采用 的架构骨干网络()瓶颈()检测头()框架 部分使用残差网络 用特征金字塔网络 部分是 使用(残差网络)残差网络通过残差层的连
8、接将网络层数变深使得网络提取特征能力变得更强 部分采用了图像金字塔网络(第 期韩钰郑金亮王磊蔡培君王晨旸王紫玉:基于 的电池片缺陷检测 )将局部与整体信息进行结合 由于存在不同层级提取特征图尺寸不同的情况例如高语义内容的特征图(深层网络提取的特征图)尺寸小含小目标的信息少而低语义内容的特征图(浅层网络提取的特征图)尺寸大含大目标的信息小 可以将高层信息提取传递给低层同时低层信息也可以传递进高层将信息进一步融合弥补了大物体的细节也补充了小物体的周边环境从而进一步提高精度 使用了、等策略 会使一部分神经元失活从而减少网络对某些特征的依赖在线性变换中对一些特征具有较好的抑制效果防止过拟合因此被广泛地
9、用在全连接层但是在卷积层通常不太有效 卷积在局部之间具有较强的相关性仅仅使用 只是丢弃了不连续的点而卷积依然可以得到大部分信息 因此针对卷积神经网络就需要整体丢弃 结构形式也就是把大部分连续的点一整块进行丢弃这样可以让逼迫网络观察该物体其他的细节特征进行推导防止过拟合使网络具有更好的泛化能力.算子 算子常用在边缘检测上它使用了高斯滤波器平滑噪声再通过水平垂直方向的两个算子计算图像亮度函数的像素梯度值 算法原理如下:()()式中:()为二维高斯分布 为高斯滤波器参数标准差影响去噪质量原始图像()与高斯滤波器卷积得到图像()()()()()算子的 卷积模板如式()所示 ()将 和 与()进行计算也
10、就是对图像()分别在 和 方向求导得到 和 最后计算图像每一点的近似梯度得到 ()矩阵对应原图像每个像素点的近似梯度值如果某点值越高说明该点为边缘点的概率就越高 当设置合适的阈值后如果该点值大于阈值则认为是边缘点反之则不是在电池片图片上进行 算子计算结果见图 图 算子处理后缺陷细节.图()为正常图片图()为缺陷图片图()、图()分别为图()、图()进行 算子处理后得到的计算结果图片展示图()、图()为图()的放大部分 观察 算子处理图像前后前者缺陷虽然比较明显但是正常部分特征干扰较大黑白相交 后者正常部分整体脉络明朗规律明显较容易识别 图()和图()能更加容易地 邵阳学院学报(自然科学版)第
- 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 PPYOLO 电池 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。