基于YOLO的手机外观缺陷视觉检测算法
2022年电子技术应用第7期
杨 戈1，2，刘思瀚1
1.北京师范大学珠海分校 智能多媒体技术重点实验室，广东 珠海519087； 2.北京师范大学 自然科学高等研究院，广东 珠海519087
摘要： 针对在小规模手机屏幕缺陷数据检测效率不高的问题，提出了一个基于YOLO v3的手机外观缺陷视觉检测算法，即YOLO-q-v3算法。YOLO-q-v3算法通过改进DarkNet-53网络结构，减少原网络的层数和相应的模型参数，有效地提高算法的检测效率。将YOLO v3算法和本文提出的YOLO-q-v3算法对同一数据集进行对比实验，实验结果表明，YOLO-q-v3算法能够正确识别手机屏幕裂痕，YOLO-q-v3在检测速率上比YOLO v3算法提高了24%。
中圖分類號： TN183
文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.211888
中文引用格式： 楊戈，劉思瀚. 基于YOLO的手機外觀缺陷視覺檢測算法[J].電子技術應用，2022，48(7)：81-85.
英文引用格式： Yang Ge，Liu Sihan. A visual detection algorithm for mobile phone appearance defect based on YOLO[J]. Application of Electronic Technique，2022，48(7)：81-85.
文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.211888
中文引用格式： 楊戈，劉思瀚. 基于YOLO的手機外觀缺陷視覺檢測算法[J].電子技術應用，2022，48(7)：81-85.
英文引用格式： Yang Ge，Liu Sihan. A visual detection algorithm for mobile phone appearance defect based on YOLO[J]. Application of Electronic Technique，2022，48(7)：81-85.
A visual detection algorithm for mobile phone appearance defect based on YOLO
Yang Ge1，2，Liu Sihan1
1.Key Laboratory of Intelligent Multimedia Technology，Beijing Normal University，Zhuhai 519087，China； 2.Advanced Institute of Natural Sciences，Beijing Normal University，Zhuhai 519087，China
Abstract： Aiming at the problem that some algorithms are not efficient in the detection of small-scale mobile phone screen defect data, this paper proposes a visual detection algorithm for mobile phone appearance defect based on YOLO v3，namely YOLO-q-v3 algorithm. The YOLO-q-v3 algorithm improves the DarkNet-53 network structure, reduces the number of layers of the original network and the corresponding model parameters, and effectively improves the detection efficiency of the algorithm. The YOLO v3 algorithm and the YOLO-q-v3 algorithm proposed in this paper are compared and tested on the same data set. The experimental results show that the YOLO-q-v3 algorithm can correctly identify the cracks on the mobile phone screen, and the detection rate of YOLO-q-v3 is 24% higher than that of the YOLO v3 algorithm.
Key words : YOLO；screen defect detection；deep learning
0 引言
手機是當前人們生活中的必需品，如何高效并且盡可能低成本地制造手機成為了熱點之一。而手機的屏幕缺陷檢測則是屬于手機制造過程中重要的一個環節，如何在這個環節上化繁為簡并且提高效率至關重要。傳統的人工檢測不僅效率低下，并且會增加手機制造成本。還有一些傳統的視覺處理方法，通過提取圖像特征再通過提取的特征去選擇、識別。這種傳統的辦法雖然降低了人工成本，但是受限于特征提取時的環境以及方式，使得特征提取環節變得復雜，所以效率也不會太高。因此，尋求一種高效、可靠的基于深度學習的智能化的手機屏幕缺陷檢測算法是很有必要的。
本文詳細內容請下載：http://m.tom3567.com/resource/share/2000004592。
作者信息：
楊 戈1，2，劉思瀚1
(1.北京師范大學珠海分校 智能多媒體技術重點實驗室，廣東 珠海519087；
2.北京師范大學 自然科學高等研究院，廣東 珠海519087)
此內容為AET網站原創，未經授權禁止轉載。