基于YOLOv5s的SIM卡壳缺陷检测方法研究

摘要：

针对目前SIM卡壳的外观缺陷检测准确率低及检测速度慢这一问题.提出了一种基于深度学习YOLOv5s模型实现对SIM卡壳细微缺陷的检测方法.首先搭建打光平台,通过工业相机采集缺陷图片整合成图片数据集,再利用Halcon算法包里的emphasize算子对获取的数据集进行图像增强处理,使缺陷易显,然后使用LabelImg数据标注工具对数据集进行标注,在GPU上把标注好的训练集放到YOLOv5s网络模型中进行迭代训练,优化检测模型,使模型收敛,最后使用最优权重在CPU上对测试集进行测试.通过实验比较,该优化模型的平均检测准确率与检测速度皆高于SSD、YOLOv3、YOLOv4三种模型,其检测平均准确度高达97.8％,单张图片平均检测时间为297 ms.结果表明该研究对SIM卡壳的缺陷检测上有一定的实用性,可满足工业检测需求.

关键词：SIM卡壳、缺陷检测、深度学习、YOLOv5s

所属期刊栏目：52

分类号：TP391(计算技术、计算机技术)

在线出版日期：2023-03-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：133-137