[发明专利]一种基于改进YOLOv3算法的木结瑕疵检测方法

摘要

本发明公开了一种基于改进YOLOv3算法的木结瑕疵检测方法，属于机器视觉技术领域。通过选取大量有木结瑕疵和无瑕疵图像作为木条表面图像数据集进行数据扩增；采用k‑means++算法对瑕疵目标框进行维度聚类；将YOLOv3网络中3尺度缩减至2尺度检测，同时依据对比度和归一化思想改进loss损失函数；利用训练样本集离线训练改进后YOLOv3算法，高精度在线检测木条表面中不同瑕疵。该方法充分利用了数据扩增的增强样本多样性能力，同时k‑means++使初始候选框个数与尺寸更适合木结瑕疵检测，多尺度检测与损失函数改进显著提高了对不同尺寸目标的识别精确度和检测速度，满足了工业生产的实时性要求。

主权项

1.一种基于改进YOLOv3算法的木结瑕疵检测方法，其特征在于，所述方法包括：步骤1：利用光学成像系统进行原始长木条表面图像的采集；步骤2：将步骤1采集到的原始长木条表面图像分割成高宽尺寸相同的图像；步骤3：随机选取有木结瑕疵图像和无瑕疵图像作为训练和测试数据样本集；步骤4：在上位机PC端，使用训练数据样本集离线训练改进后YOLOv3算法模型；步骤5：利用步骤4训练好的改进后YOLOv3算法模型在线检测木条表面图像中木结瑕疵分类与定位位置；步骤6：将上位机检测结果进行输出与显示，以驱动下位机运动执行机构对被检测的长木条进行实时裁剪加工，构造木结瑕疵检测系统。