《电子技术应用》
您所在的位置:首页 > 模拟设计 > 设计应用 > 基于YOLO的手机外观缺陷视觉检测算法
基于YOLO的手机外观缺陷视觉检测算法
2022年电子技术应用第7期
杨 戈1,2,刘思瀚1
1.北京师范大学珠海分校 智能多媒体技术重点实验室,广东 珠海519087; 2.北京师范大学 自然科学高等研究院,广东 珠海519087
摘要: 针对在小规模手机屏幕缺陷数据检测效率不高的问题,提出了一个基于YOLO v3的手机外观缺陷视觉检测算法,即YOLO-q-v3算法。YOLO-q-v3算法通过改进DarkNet-53网络结构,减少原网络的层数和相应的模型参数,有效地提高算法的检测效率。将YOLO v3算法和本文提出的YOLO-q-v3算法对同一数据集进行对比实验,实验结果表明,YOLO-q-v3算法能够正确识别手机屏幕裂痕,YOLO-q-v3在检测速率上比YOLO v3算法提高了24%。
中图分类号: TN183
文献标识码: A
DOI:10.16157/j.issn.0258-7998.211888
中文引用格式: 杨戈,刘思瀚. 基于YOLO的手机外观缺陷视觉检测算法[J].电子技术应用,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

    手机是当前人们生活中的必需品,如何高效并且尽可能低成本地制造手机成为了热点之一。而手机的屏幕缺陷检测则是属于手机制造过程中重要的一个环节,如何在这个环节上化繁为简并且提高效率至关重要。传统的人工检测不仅效率低下,并且会增加手机制造成本。还有一些传统的视觉处理方法,通过提取图像特征再通过提取的特征去选择、识别。这种传统的办法虽然降低了人工成本,但是受限于特征提取时的环境以及方式,使得特征提取环节变得复杂,所以效率也不会太高。因此,寻求一种高效、可靠的基于深度学习的智能化的手机屏幕缺陷检测算法是很有必要的。




本文详细内容请下载:http://www.chinaaet.com/resource/share/2000004592




作者信息:

杨  戈1,2,刘思瀚1

(1.北京师范大学珠海分校 智能多媒体技术重点实验室,广东 珠海519087;

2.北京师范大学 自然科学高等研究院,广东 珠海519087)




wd.jpg

此内容为AET网站原创,未经授权禁止转载。