[发明专利]基于YOLOv4-Tiny神经网络的布面缺陷检测方法、装置及系统

权利要求书

1.一种基于YOLOv4-Tiny神经网络的布面缺陷检测方法，其特征在于，包括以下步骤：

获取布面图像数据；

将获取的布面图像数据输入至改进的YOLOv4-Tiny网络模型中，所述改进的YOLOv4-Tiny网络模型为使用多组数据集训练出来的，所述多组数据集中的每一组数据均包括布面缺陷照片、缺陷位置标注信息和分类名称；

获取所述改进的YOLOv4-Tiny网络模型的输出信息，所述输出信息包括布面缺陷照片、缺陷位置标注和分类名称；其中，所述改进的YOLOv4-Tiny网络模型包括主干特征提取网络，所述主干特征提取网络中包括残差网络结构，所述残差网络结构并行运行2^N次，将原先的add和操作替换为Concat拼接操作，以拓展网络宽度，提高检测精度，N的取值为2至6；

其中，所述Contact为张量拼接操作，每个通道都有对应单独的卷积核，会扩充张量的维度，将2^N个残差网络提取出的特征进行特征融合，以保留和输出更多的有效特征信息，提高特征提取能力。

2.根据权利要求1所述的基于YOLOv4-Tiny神经网络的布面缺陷检测方法，其特征在于，在训练所述改进的YOLOv4-Tiny网络模型之前，还包括数据集制备步骤，所述数据集制备方法包括以下步骤：

获取若干缺陷图像；

对缺陷图像进行裁切与分辨率调整；

对图像进行重命名并进行标记与分类，并保存为xml文件；

其中，所述xml文件中存储了缺陷位置标注信息和分类名称。

3.根据权利要求2所述的基于YOLOv4-Tiny神经网络的布面缺陷检测方法，其特征在于，在对缺陷图像进行裁切与分辨率调整时，统一调整缺陷图片为正方形，图片分辨率为416×416。

4.根据权利要求3所述的基于YOLOv4-Tiny神经网络的布面缺陷检测方法，其特征在于，在完成对缺陷图像进行裁切与分辨率调整后，对图像进行数据增强，以丰富检测目标的背景。

5.根据权利要求1所述的基于YOLOv4-Tiny神经网络的布面缺陷检测方法，其特征在于，在数据集制备完成后，将数据集划分为训练集、测试集和验证集，所述训练集用于训练所述改进的YOLOv4-Tiny网络模型，所述测试集用于测试所述改进的YOLOv4-Tiny网络模型是否准确，所述验证集用于对所述改进的YOLOv4-Tiny网络模型的参数进行调整。

6.根据权利要求2所述的基于YOLOv4-Tiny神经网络的布面缺陷检测方法，其特征在于，所述缺陷图像的种类包括蚊虫与异物缺陷、纬向间隙过大缺陷、径向毛团缺陷和色纱断裂缺陷。

7.一种基于YOLOv4-Tiny神经网络的布面缺陷检测装置，其特征在于，该装置包括：

获取模块，用于获取布面图像数据；

缺陷检测模块，用于将获取的布面图像数据输入至改进的YOLOv4-Tiny网络模型中，所述改进的YOLOv4-Tiny网络模型为使用多组数据集训练出来的，所述多组数据集中的每一组数据均包括布面缺陷照片、缺陷位置标注信息和分类名称；

输出模块，用于获取所述改进的YOLOv4-Tiny网络模型的输出信息，所述输出信息包括布面缺陷照片、缺陷位置标注和分类名称；其中，所述改进的YOLOv4-Tiny网络模型包括主干特征提取网络，所述主干特征提取网络中包括残差网络结构，所述残差网络结构并行运行2^N次，将原先的add和操作替换为Concat拼接操作，以拓展网络宽度，提高检测精度，N的取值为2至6；

其中，所述Contact为张量拼接操作，每个通道都有对应单独的卷积核，会扩充张量的维度，将2^N个残差网络提取出的特征进行特征融合，以保留和输出更多的有效特征信息，提高特征提取能力。