YOLOv5瓷砖表面瑕疵质检
向AI转型的程序员都关注了这个号👇👇👇
机器学习AI算法工程 公众号：datayx
佛山作为国内最大的瓷砖生产制造基地之一，拥有众多瓷砖厂家和品牌。经前期调研，瓷砖生产环节一般（不同类型砖工艺不一样，这里以抛釉砖为例）经过原材料混合研磨、脱水、压胚、喷墨印花、淋釉、烧制、抛光，最后进行质量检测和包装。得益于产业自动化的发展，目前生产环节已基本实现无人化。而质量检测环节仍大量依赖人工完成。一般来说，一条产线需要配2～6名质检工，长时间在高光下观察瓷砖表面寻找瑕疵。这样导致质检效率低下、质检质量层次不齐且成本居高不下。瓷砖表检是瓷砖行业生产和质量管理的重要环节，也是困扰行业多年的技术瓶颈。
在产线上架设专业拍摄设备，实地采集生产过程真实数据，解决企业真实的痛点需求。数据覆盖到了瓷砖产线所有常见瑕疵，包括粉团、角裂、滴釉、断墨、滴墨、B孔、落脏、边裂、缺角、砖渣、白边等。实拍图示例如下：
针对某些缺陷在特定视角下的才能拍摄到，每块砖拍摄了三张图，包括低角度光照黑白图、高角度光照黑白图、彩色图，示例如下：
数据主要分为两种：
白板瓷砖。花色简单，数量总共约12000张，包含训练集和测试集.
复杂瓷砖。花色相对复杂，并提供相应的模板图片（同花色且无瑕疵图片），数量总共约12000张，包含训练集和测试集。
复杂瓷砖包含有瑕疵图片带模板、无瑕疵图片和标注数据。标注数据标注模板图片、瑕疵位置和类别信息。示例如下：
瓷砖瑕疵检测极客奖方案代码 获取方式：
关注微信公众号 datayx 然后回复 yolo 即可获取。
一、生成voc格式的数据集
二、自动绘制瑕疵点
绘制瑕疵点之后的图像如下图所示
三、 对瓷砖进行切图处理
四、将voc格式的数据集转换为yolo(.txt)格式的数据集
生成的yolo格式数据如下图所示，最前面的数字 4 为瑕疵点类别编号，后面的数据为瑕疵点的位置
五、将Yolo格式数据自动划分成训练集（train2017）,测试集（val2017）
程序生成的数据集存放方式如下图所示
五、Yolov5模型的训练
https://blog.csdn.net/weixin_45652435/article/details/113095444
六、对需要检测的图片进行预测，生成 json 文件
原文地址
https://blog.csdn.net/weixin_45652435/article/details/113143159
机器学习算法AI大数据技术
搜索公众号添加： datanlp
长按图片，识别二维码
阅读过本文的人还看了以下文章：
基于40万表格数据集TableBank，用MaskRCNN做表格检测
《深度学习入门：基于Python的理论与实现》高清中文PDF+源码
2019最新《PyTorch自然语言处理》英、中文版PDF+源码
《21个项目玩转深度学习：基于TensorFlow的实践详解》完整版PDF+附书代码
PyTorch深度学习快速实战入门《pytorch-handbook》
【下载】豆瓣评分8.1,《机器学习实战:基于Scikit-Learn和TensorFlow》
李沐大神开源《动手学深度学习》，加州伯克利深度学习（2019春）教材
【Keras】完整实现‘交通标志’分类、‘票据’分类两个项目，让你掌握深度学习图像分类
如何利用全新的决策树集成级联结构gcForest做特征工程并打分？
Machine Learning Yearning 中文翻译稿
斯坦福CS230官方指南：CNN、RNN及使用技巧速查（打印收藏）
中科院Kaggle全球文本匹配竞赛华人第1名团队-深度学习与特征工程
不断更新资源
深度学习、机器学习、数据分析、python
搜索公众号添加： datayx