ZHCACX6 july   2023 AM62A3 , AM62A7

 

  1.   1
  2.   摘要
  3.   商标
  4. 1引言
    1. 1.1 缺陷检测演示摘要
    2. 1.2 AM62A 处理器
    3. 1.3 缺陷检测系统
    4. 1.4 传统机器视觉与深度学习
  5. 2数据集准备
    1. 2.1 测试样片
    2. 2.2 数据搜集
    3. 2.3 数据注释
    4. 2.4 数据增强
  6. 3模型选择和训练
    1. 3.1 模型选择
    2. 3.2 模型训练与编译
  7. 4应用开发
    1. 4.1 系统流程
    2. 4.2 物体跟踪器
    3. 4.3 仪表板和边界框绘图
    4. 4.4 物理演示设置
  8. 5性能分析
    1. 5.1 系统精度
    2. 5.2 帧速率
    3. 5.3 内核利用率
    4. 5.4 功耗
  9. 6总结
  10. 7参考文献

数据搜集

使用四个类来训练模型:合格(可接受)和三类缺陷(包括半环、无塑料、无环)。图 2-2 显示了四个类的示例。为清晰起见,图中的图像经过裁剪。此处选择四个类用于演示目的。

GUID-20230630-SS0I-LPJW-B9PP-RTZKZDTSKWJB-low.jpg图 2-2 四类图片示例(为清晰起见,图片经过裁剪)

遵循自定义数据收集协议,以简化图像捕获和注释。这些图片是采用俯视角度拍摄,摄像头放置高度接近实际演示设置中预期的高度。这些图片以 720x720 分辨率拍摄。每个类拍摄了 100 张图片(共 400 张图片)。每类 100 张图片中仅使用一个样片。当每张图片的照明条件发生变化时,样片放置的方向保持不变。此设置有助于为图片添加注释,注释(边界框和类标签)可在同一类的图片之间复制。同时,它提供了一套全面的图片,涵盖各种照明条件。虽然所有物体都放置在图片中的一个位置,但该模型可以推广到图片的其他区域。图 2-3 显示了为合格类拍摄的图片的样片。

GUID-20230630-SS0I-M4FT-LB1G-BDL0FPB179TZ-low.jpg图 2-3 为合格类拍摄的图片的样片(图片以 720x720 分辨率拍摄)