基于深度学习的陶瓷缺陷检测研究论文.pdfVIP

XXXX

XXXXX

毕业设计说明书

题目：基于深度学习的陶瓷缺陷检测研究

英文题目：Researchonceramicdefect

detectionbasedondeeplearning

机械电子工程学院

电子信息工程

随着目标检测算法的日益成熟，为工业工程领域的生产提供了新的思路。由

于传统的工业制造中存在着大量的人工参与的工作，不可避免地产生一些人为的

错误，给生产带来一定的影响。在陶瓷缺陷检测中，传统的缺陷检测算法存在着

精度不高和检测时间过长等问题，而基于深度学习的目标检测在精确度和实时性

上得到了很大的改善。本文采用目标检测YOLOv4算法对陶瓷缺陷进行检测。具

体的研究内容如下：

首先对陶瓷中的缺陷进行数据标注，然后使用YOLOv4模型对数据进行训

练，实现对陶瓷的缺陷预测。YOLOv4模型属于one-stage模型，该算法不需要

预先生成候选框，直接能够产生陶瓷中缺陷的类别概率和位置坐标值，经过单次

检测即可得到检测结果，因此检测速度快于two-stage模型。实验证明，本文使

用的算法在实时性和精确度方面均能够满足实际的需求。

工业工程；目标检测；陶瓷缺陷；YOLOv4

I

Asthetargetdetectionalgorithmbecomesmoreandmoremature,it

providesanewideaforindustrialengineeringproduction.Duetotheexistence

ofalargenumberofmanualworkinthetraditionalindustrialmanufacturing,it

isinevitabletoproducesomehumanmistakes,whichhaveacertainimpact

ontheproduction.Inceramicdefectdetection,traditionaldefectdetection

algorithmshaveproblemssuchaslowaccuracyanddetectiontimeprocess,

whiletargetdetectionbasedondeeplearninghasbeengreatlyimprovedin

accuracyandreal-time.Inthispaper,thetargetdetectionYOLOv4algorithmis

usedtodetectceramicdefects.Thespecificresearchcontentsareasfollows:

Firstly,thedefectsintheceramicsweremarkedwithdata,andthenthe

YOLOV4modelwasusedtotrainthedatatorealizethedefectsinthe

ceramics.YOLOV4modelbelongstotheone-stagemodel.Thealgorithmdoes

notneedtogeneratecandidateboxesinadvance,butcandirectlygenerate

thecategoryprobabilityandpositioncoordinatevaluesofdefectsinceramics.

Thedetectionresultscanbeobtainedafterasingletest,therefore,the

detectionspeedisfasterthanthetwo-stagemodel.Theexperimentproves

thatt