[发明专利]一种基于YOLOv3改进网络的长竹条表面缺陷检测方法及系统

权利要求书

1.一种基于YOLOv3改进网络的长竹条表面缺陷检测方法，其特征在于，

收集长竹条表面缺陷图像，并分类建立长竹条表面缺陷数据库；

将长竹条表面缺陷数据库划分为训练集和测试集，基于YOLOv3网络，利用训练集和测试集进行目标检测模型的训练，得到训练后的长竹条表面缺陷检测模型；

输入待测长竹条图像，通过长竹条表面缺陷检测模型进行表面缺陷检测，获得检测结果。

2.根据权利要求1所述的一种基于YOLOv3改进网络的长竹条表面缺陷检测方法，其特征在于，所述长竹条表面缺陷数据库的建立过程如下：

对每一张采集的长竹条表面缺陷图像进行标注处理，利用（xmin，ymin，xmax，ymax）表示长竹条表面缺陷所在位置的边界框坐标，（xmin，ymin）和（xmax，ymax）分别为边界框的左上和右下顶点的坐标；若一张图像中包含多个缺陷，则标注出对应数量的边界框；

考虑到长竹条表面缺陷图像样本数量少的情况，需进行数据增广，以增加长竹条表面缺陷图像样本。

3.根据权利要求2所述的一种基于YOLOv3改进网络的长竹条表面缺陷检测方法，其特征在于，所述长竹条表面缺陷图像标注处理的过程是在每一张采集的长竹条表面缺陷图像中标出长竹条表面缺陷位置和种类名称并且以TXT格式保存。

4.根据权利要求2所述的一种基于YOLOv3改进网络的长竹条表面缺陷检测方法，其特征在于，所述数据增广的方式包括：

（1）随机缩放：将图片进行随机放大或者缩小；

（2）随机旋转：将图片按照中点随机旋转；

（3）图像平移：把图像沿任意方向平移若干个像素点；

（4）图像对称：随机让图像在水平或者垂直方向翻转；

（5）图像亮度变换：将图像的亮度在原亮度的预定倍数之间变换。

5.根据权利要求1所述的一种基于YOLOv3改进网络的长竹条表面缺陷检测方法，其特征在于，所述长竹条表面缺陷图像的收集来自竹条加工厂，并选取不同批次的长竹条作为对象，长竹条长度为2米，每类缺陷长竹条各500根，而后将长竹条的缺陷部分置于图像采集装置相机下方，对不同的长竹条缺陷进行拍摄，得到长竹条表面缺陷图像。

6.根据权利要求5所述的一种基于YOLOv3改进网络的长竹条表面缺陷检测方法，其特征在于，长竹条表面缺陷图像的竹条缺陷包括凹片、虫眼、节苦、节眼、染片、裂片和竹青。

7.根据权利要求1所述的一种基于YOLOv3改进网络的长竹条表面缺陷检测方法，其特征在于，所述YOLOv3网络采用的基础网络为Darknet-53网络，输入图片尺寸为640×640，Darknet-53网络中隐层的激活函数为Mish激活函数，Darknet-53网络的交叉熵损失函数为Focal Loss损失函数；YOLOv3网络中预测框的回归损失函数为CIoU损失函数，锚框Anchor的参数是先通过对长竹条表面缺陷数据库中标注后的长竹条表面缺陷图像进行K-means聚类后来确定。

8.根据权利要求1所述的一种基于YOLOv3改进网络的长竹条表面缺陷检测方法，其特征在于，所述基于YOLOv3网络，利用训练集和测试集进行目标检测模型的训练的过程中，网络优化器算法采用Adam算法。

9.根据权利要求1所述的一种基于YOLOv3改进网络的长竹条表面缺陷检测方法，其特征在于，所述基于YOLOv3网络，利用训练集和测试集进行目标检测模型的训练的过程中，选用是精度Precision、召回率Recall和F1-score三种评估指标来选择最优目标检测模型参数。

10.一种基于YOLOv3改进网络的长竹条表面缺陷检测系统，其特征在于，包括存储器、处理器以及存储于存储器上并能够被处理器运行的计算机程序指令，当处理器运行该计算机程序指令时，能够实现如权利要求1-9所述的方法步骤。