申请/专利权人:东南大学;江苏金恒信息科技股份有限公司
申请日:2024-01-12
公开(公告)日:2024-04-16
公开(公告)号:CN117893806A
主分类号:G06V10/764
分类号:G06V10/764;G06V10/82;G06N3/0464;G06T7/00;G06N3/08
优先权:["20240109 CN 2024100284793"]
专利状态码:在审-公开
法律状态:2024.04.16#公开
摘要:本发明提供了一种基于YOLOv7网络的钢板表面缺陷检测方法,包括:准备用于训练网络的图片集;对待训练的图片进行分块处理,并写入分块图片及标注框改变后的坐标到对应的xml文件中;基于分块处理后的图片,根据设置好的参数进行训练;基于训练好的模型,前端输入待检测图片并返回检测结果,根据检测结果、图片及其对应的xml文件进行检测框的绘制,并返回给前端。本发明吸收了近两年先进的精细分割算法作为底层基础处理模块,这使得本发明方案在图像预处理和检测中都可以保留更多的细节信息,精细度更高。本发明方案可以在短时间内完成图像的检测和绘制,基本满足实时要求,具有较高的性能,且方便后续的功能扩展。
主权项:1.一种基于YOLOv7网络的钢板表面缺陷检测方法,其特征在于,包括如下步骤:步骤一,准备用于训练网络的图片集,图片经过人工标注,标注框坐标位置保存在xml文件中;步骤二,对待训练的图片进行分块处理,并写入分块图片及标注框改变后的坐标到对应的xml文件中;步骤三,基于分块处理后的图片,根据设置好的参数训练网络模型;步骤四,基于训练好的网络模型,前端输入待检测图片并返回检测结果,根据检测结果、图片及其对应的xml文件进行检测框的绘制,并返回给前端。
全文数据:
权利要求:
百度查询: 东南大学;江苏金恒信息科技股份有限公司 一种基于YOLOv7网络的钢板表面缺陷检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。