[发明专利]一种用于缺陷检测的yolov5优化方法及优化系统

权利要求书

1.一种用于缺陷检测的yolov5优化方法，其特征在于，包括：

S1、数据预处理：

首先获取图片集，然后对图片集中的图像进行标注，最后将图片集划分出训练集和测试集；

S2、yolov5优化：具体为：

S201、利用yolov5对训练集和测试集进行训练得到IOU值，所述IOU值在0-1之间；

S202、优化yolov5，得到Abs-Loss-yolov5；具体为：

通过IOU阈值将IOU值划分为两部分，将大于IOU阈值的检出框得分置为1，其他检出框得分不变；

或者通过IOU阈值将IOU值划分为两部分，将大于IOU阈值的检出框得分置为1，其他检出框得分置为0；

S203、分别使用S201中的yolov5和S202中的Abs-Loss-yolov5对训练集进行训练，并使用测试集验证效果；

S3、通过提高置信度阈值的手段过滤过杀。

2.根据权利要求1所述的用于缺陷检测的yolov5优化方法，其特征在于，所述IOU阈值为0.5、0.35、0.2中的一个。

3.根据权利要求1所述的用于缺陷检测的yolov5优化方法，其特征在于，在S1中，所述标注的具体过程为：首先将缺陷划分为M个标签，对M个标签缺陷进行选择性标注；M为大于0的自然数。

4.根据权利要求3所述的用于缺陷检测的yolov5优化方法，其特征在于，根据缺陷严重程度的特征，将缺陷划分为严重缺陷和轻度缺陷两类；仅标注严重缺陷。

5.根据权利要求1所述的用于缺陷检测的yolov5优化方法，其特征在于，所述验证效果的技术指标包括准确率，召回率，mAP0.5和mAP0.5:0.95；具体公式如下：

准确率=检出的正确缺陷条数/检出的缺陷总条数；

召回率=检出的正确缺陷条数/训练集或测试集中的缺陷总条数；

；

mAP0.5表示IOU为0.5时的mAP得分，而mAP0.5:0.95表示IOU为0.5、0.55、0.6、0.65、0.7、0.75、0.8、0.85、0.9、0.95时的平均mAP；

记每个缺陷的真实结果为GT，预测结果为DT，函数S()表示括号内内容的面积，∩表示求交集，∪表示求并集，则IOU表示GT与DT之间的交并比，并由下式求出：

。

6.一种用于缺陷检测的yolov5优化系统，其特征在于，包括：

数据预处理模块：

首先获取图片集，然后对图片集中的图像进行标注，最后将图片集划分出训练集和测试集；

yolov5优化模块：具体优化过程为：

S201、利用yolov5对训练集和测试集进行训练得到IOU值，所述IOU值在0-1之间；

S202、优化yolov5，得到Abs-Loss-yolov5；具体为：

通过IOU阈值将IOU值划分为两部分，将大于IOU阈值的检出框得分置为1，其他检出框得分不变；

或者通过IOU阈值将IOU值划分为两部分，将大于IOU阈值的检出框得分置为1，其他检出框得分置为0；

S203、分别使用S201中的yolov5和S202中的Abs-Loss-yolov5对训练集进行训练，并使用测试集验证效果；

后处理模块：通过提高置信度阈值的手段过滤过杀。

7.根据权利要求6所述的用于缺陷检测的yolov5优化系统，其特征在于，所述IOU阈值为0.5、0.35、0.2中的一个。

8.根据权利要求6所述的用于缺陷检测的yolov5优化系统，其特征在于，在数据预处理模块中，所述标注的具体过程为：首先将缺陷划分为M个标签，对M个标签缺陷进行选择性标注；M为大于0的自然数。