(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210221549.8 (22)申请日 2022.03.07 (71)申请人 山东建筑大学 地址 250100 山东省济南市历城区港沟街 道凤鸣路10 00号 (72)发明人 陈继文　马文静　孟德才　于永鹏　 杨红娟　姬帅　贝太学　刘洪彬　 于复生　高晓明　 (51)Int.Cl. G06T 7/00(2017.01) G06K 9/62(2022.01) G06V 10/762(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于YOLO的轻质墙板表面缺陷检测方 法及装置 (57)摘要 基于YOLO的轻质墙板表面缺陷检测方法及 装置， 其特征在于， 包括以下步骤： 步骤一： 收集 生产线上存在表面缺陷的轻质墙板的图像， 建立 轻质墙板缺陷识别库； 步骤二： 对所述存在表面 缺陷的轻质墙板的图像中的缺陷进行批量标记， 并按照7:2:1随机划分为训练集、 验证集、 测试 集； 步骤三： 通过K ‑means算法对标记得到的目标 框进行聚类， 得到改进后的锚点； 步骤四： 采用 YOLO算法对所述轻质墙板缺陷识别库进行缺陷 诊断训练和缺陷识别， 从而完成轻质墙板缺陷的 故障定位。 权利要求书1页 说明书3页 附图1页 CN 114581416 A 2022.06.03 CN 114581416 A 1.基于YOLO的轻质墙板表面 缺陷检测方法及装置， 其特 征在于， 包括以下步骤： 步骤一： 收集 生产线上存在表面 缺陷的轻质墙板的图像， 建立轻质墙板缺陷识别库； 步骤二： 对所述存在表面缺陷的轻质墙板的图像中的缺陷进行批量标记， 并按照7:2:1 随机划分为训练集、 验证集、 测试集； 步骤三： 通过 K‑means算法对标记得到的目标框进行聚类， 得到改进后的锚点； 步骤四： 采用YOLO算法对所述轻质墙板缺陷识别库进行缺陷诊断训练和缺陷识别， 从 而完成轻质墙板缺陷的故障定位。权　利　要　求　书 1/1 页 2 CN 114581416 A 2一种基于 YOLO的轻质墙板表面缺陷检测方 法及装置 技术领域 [0001]本发明涉及缺陷检测领域， 特别是一种基于YOLO的轻质墙板表面缺陷检测方法及 装置。 背景技术 [0002]在轻质墙材的生产过程中， 对产品进行缺陷检测是必不可少的一步， 即识别出缺 陷的类型和缺陷的位置。 轻质墙材生产中对于产品的表面缺陷识别还停留在人工检测阶 段， 会受到 工人的个人因素影响， 效率和质量都难以得到保障。 [0003]传统的机器视觉技术一般使用图像处理算法， 如阈值分割、 形态学、 连通区域提取 等方法取出可能包含产品缺陷的图像区域， 再使用贝叶斯网络、 支持向量机等算法进行图 像分类， 以区分出是否是缺陷。 传统机器视觉技术不是端到端的算法， 对每一种缺陷都要分 析其特征， 然后利用机器学习算法进行反复试验、 调整参数， 才能得到一个表现良好的算 法， 该过程对算法工程师 的经验要求很高。 表面缺陷检测采用传统的图像处理算法检测有 鲁棒性差， 误检率高等 缺点。 [0004]采用深度学习目标检测的方法可以使检测准确率大大提高， 并能同时对缺陷种类 进行分类， 模型的泛化 性能和鲁棒 性有显著增强。 发明内容 [0005]针对上述的不足， 本发明提供了一种基于YOLO的轻质墙板表面缺陷检测方法及装 置。 [0006]本发明是通过以下技 术方案实现的： [0007]本发明的第一方面， 提供了一种基于YOLO的轻质墙板表面缺陷检测方法， 包括以 下步骤： [0008]收集生产线上存在表面 缺陷的轻质墙板的图像， 建立轻质墙板缺陷识别库； [0009]对所述存在表面缺陷的轻质墙板的图像中的缺陷进行批量标记， 并按照7:2:1随 机划分为训练集、 验证集、 测试集； [0010]通过K‑means算法对标记得到的目标框进行聚类， 得到改进后的锚点； [0011]采用YOLO算法对所述轻质墙板缺陷识别库进行缺陷诊断训练和缺陷识别， 从而完 成轻质墙板缺陷的故障定位。 [0012]进一步地， 对所述存在表面缺陷的轻质墙板的图像中的缺陷进行批量标记包含以 下步骤： [0013]使用Label Img标注软件， 人工标注缺陷； [0014]将标注框的类别、 宽高存于txt文件中； [0015]将图像随机划分为训练集、 验证集和 测试集。 [0016]进一步地， 所述轻质墙板缺陷识别训练包括以下步骤： [0017]建立以Mobi lenet为基础的YOLO底层模型框架；说　明　书 1/3 页 3 CN 114581416 A 3