科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对目前SIM卡壳的外观缺陷检测准确率低及检测速度慢这一问题。提出了一种基于深度学习YOLOv5s模型实现对SIM卡壳细微缺陷的检测方法。首先搭建打光平台，通过工业相机采集缺陷图片整合成图片数据集，再利用Halcon算法包里的emphasize算子对获取的数据集进行图像增强处理，使缺陷易显，然后使用LabelImg数据标注工具对数据集进行标注，在GPU上把标注好的训练集放到YOLOv5s网络模型中进行迭代训练，优化检测模型，使模型收敛，最后使用最优权重在CPU上对测试集进行测试。通过实验比较，该优化模型的平均检测准确率与检测速度皆高于SSD、YOLOv3、YOLOv4三种模型，其检测平均准确度高达97.8%，单张图片平均检测时间为297 ms。结果表明该研究对SIM卡壳的缺陷检测上有一定的实用性，可满足工业检测需求。
- 单位
