yolov3目标识别在工业检测中的应用

本篇博客记录了一个深度学习在工业领域的应用项目。功能是检测视野范围内的零件总数，如果数量少于设定的标准数量，则报警，如果放置了不同型号的零件，同样需要报警。常规方法是用传统的图像处理的模板匹配，但使用halcon和opencv的模板匹配效果都不好，于是尝试用深度学习目标检测。

效果如下图所示：识别率超过99%（可以获取到目标的个数，类别，概率，矩形框位置，可以适应一定的光照、角度、大小变化）

 

目录：

1.安装darknet yolov3环境

2.采集并制作数据集，用yolov3训练

3.在opencv3.4版本使用训练好的模型、

4.在vs里编写软件

正文：

1.yolov3环境搭建参考另一篇博客https://blog.csdn.net/sinat_41852207/article/details/90906309

我的编译环境是yolov3 win10 cuda8.0 vs2017

2.采集并制作数据集，用yolov3训练

2.1 如何制作数据集和一些工程经验

参考：数据集构造流程https://blog.csdn.net/u011574296/article/details/78953681

第一步：了解voc数据集，建好空文件夹

1)JPEGImages文件夹

文件夹里包含了训练图片和测试图片，混放在一起

2)Annatations文件夹

文件夹存放的是xml格式的标签文件，每个xml文件都对应于JPEGImages文件夹的一张图片，同名

3)ImageSets文件夹

Action存放的是人的动作，我们暂时不用；Layout存放的人体部位的数据。我们暂时不用

Main</