公开(公告)号：CN116863274B

公开(公告)日：2024-09-20

申请号：CN202310869580.7

申请日：2023-07-17

Applicant: 燕山大学

Inventor： 陈树宗 ,  蒋圣泉 ,  孙朴 ,  付天添 ,  华长春 ,  孙杰 ,  李旭 ,  丁伟利

IPC: G06V10/774 ,  G06V20/40 ,  G06T7/00

Abstract: 本发明公开了一种基于半监督学习的钢板表面缺陷检测方法及系统，属于钢板缺陷检测技术领域，包括对缺陷图像采集，构建缺陷图像数据集；将缺陷图像数据库划为标记数据集和未标记数据集；将标记数据集划分为训练集和验证集，对训练集进行数据增强处理；建立改进后的yolov5网络模型ECS‑yolov5；用ECS‑yolov5作为半监督的检测模型；采集实时视频并对其处理，并应用半监督的检测模型，实现实时缺陷检测；缺陷数据储存模块将检测到的缺陷数据进行存储，并定期使用新的缺陷数据更新半监督的检测模型参数。本发明能够使得钢板缺陷检测的流程更加方便简单，减少对大量标记样本的依赖，且模型精度在训练过程中能越来越准确。

公开(公告)号：CN116863274A

公开(公告)日：2023-10-10

申请号：CN202310869580.7

申请日：2023-07-17

Applicant: 燕山大学

Inventor： 陈树宗 ,  蒋圣泉 ,  孙朴 ,  付天添 ,  华长春 ,  孙杰 ,  李旭 ,  丁伟利

IPC: G06V10/774 ,  G06V20/40 ,  G06T7/00

Abstract: 本发明公开了一种基于半监督学习的钢板表面缺陷检测方法及系统，属于钢板缺陷检测技术领域，包括对缺陷图像采集，构建缺陷图像数据集；将缺陷图像数据库划为标记数据集和未标记数据集；将标记数据集划分为训练集和验证集，对训练集进行数据增强处理；建立改进后的yolov5网络模型ECS‑yolov5；用ECS‑yolov5作为半监督的检测模型；采集实时视频并对其处理，并应用半监督的检测模型，实现实时缺陷检测；缺陷数据储存模块将检测到的缺陷数据进行存储，并定期使用新的缺陷数据更新半监督的检测模型参数。本发明能够使得钢板缺陷检测的流程更加方便简单，减少对大量标记样本的依赖，且模型精度在训练过程中能越来越准确。