基于Yolov5的玻璃瓶盖缺陷检测

目录

1.数据集介绍

 1.1 通过split_train_val.py得到trainval.txt、val.txt、test.txt

1.2 通过voc_label.py得到适合yolov5训练需要的

2.基于yolov5的瓶盖缺陷识别

2.1配置 bottleneck.yaml

2.2 修改yolov5s_bottleneck.yaml

2.3 训练瓶盖缺陷模型

3.性能评价

---

1. 工业缺陷检测简介

在工业生产中，质量保证是一个很重要的话题， 因此在生产中细小的缺陷需要被可靠的检出。工业异常检出旨在从正常的样本中检测异常的、有缺陷的情况。工业异常检测主要面临的挑战：

1）难以获取大量异常样本
2）正常样本和异常样本差异较小
3）异常的类型不能预先得知

这些挑战使得很难使用传统的分类算法训练，需要提出特殊的方法来应对处理。

1.数据集介绍

挑战

•在玻璃瓶生产过程中，由于加工工艺的复杂性，无法避免产生各种的缺陷产品，给产品质量带来严重隐患。

• 为了提高产品出厂的品质，厂家通常依靠大量的人工检查来挑除废品。

但人工检查速度慢，需要占用大量的人力、物力资源和场地资源，而且人眼长时间工作后，极易出现疲劳和疏忽的情况，无法高效保证产品质量。

• 玻璃瓶缺陷类型细微，且易反光，增加检测难度。

缺陷类型：cap

数据集数量：125张