[发明专利]一种基于改进YOLOX模型的压铸制品缺陷检测方法

权利要求书

1.一种基于改进YOLOX模型的压铸制品缺陷检测方法，其特征是，包括如下步骤：

采集压铸制品的图片数据，对图片数据进行预处理；

构建压铸制品缺陷检测模型，所述压铸制品缺陷检测模型采用ShuffleNetV2-plus结构作为主干网络，以提高缺陷检测能力，并采用ECA注意力机制，以减少降维通道的信息损失问题；

对压铸制品缺陷检测模型进行训练和并用压铸制品缺陷检测模型进行检测，以mAP与同一台计算机上的FPS作为最终评价结果；

使用训练好的压铸制品缺陷检测模型检测压铸制品缺陷并分类。

2.如权利要求1所述的一种基于改进YOLOX模型的压铸制品缺陷检测方法，其特征是，所述预处理包括如下步骤：

步骤S1、将图片数据划分为训练集、验证集和测试集；

步骤S2、对已获得的数据集通过翻折、旋转、缩放和平移等几何变换方法对带有标注的数据集进行增强，并生成新的数据标注；

步骤S3、对图片数据采用加入椒盐噪声、高斯噪声以及灰度变换的图像处理操作，模拟实际生产环境，并利用步骤S2对数据集进一步扩充。

3.如权利要求1所述的一种基于改进YOLOX模型的压铸制品缺陷检测方法，其特征是，所述压铸制品缺陷检测模型采用改进的YOLOX模型，包括改进主干网络、特征融合部分和解耦头；

所述改进主干网络包括改进的ShuffleNetV2-plus网络，对检测数据集进行特征分离与提取；

所述特征融合部分包括特征金字塔网络结构与金字塔注意力结构，能够从不同方向传递信息，提高模型融合特征的能力；

所述解耦头对提取的特征进行分类与结果分析，并提高收敛速度。

4.如权利要求3所述的一种基于改进YOLOX模型的压铸制品缺陷检测方法，其特征是，改进的ShuffleNetV2-plus网络是在ShuffleNetV2-plus结构与Xception结构中引入ECA注意力机制代替原来的SE注意力机制。

5.如权利要求4所述的一种基于改进YOLOX模型的压铸制品缺陷检测方法，其特征是，Xception结构将通道卷积与逐点卷积相分离，最后再进行通道混洗，通道卷积与逐点卷积的顺序能够调换。

6.如权利要求3所述的一种基于改进YOLOX模型的压铸制品缺陷检测方法，其特征是，改进的YOLOX模型的损失函数包括：定位损失、置信度预测损失和预测损失。

7.如权利要求6所述的一种基于改进YOLOX模型的压铸制品缺陷检测方法，其特征是，定位损失使用IOU损失函数；置信度预测损失与预测损失使用BCEWithLogitsLoss损失函数；

BCEWithLogitsLoss函数是BCE损失函数与Sigmoid激活函数的组合，能够进行多分类问题的损失计算。

8.如权利要求3所述的一种基于改进YOLOX模型的压铸制品缺陷检测方法，其特征是，改进的YOLOX模型的解耦头采用Anchor-free、Multi-positives与SIMOTA的策略；

Anchor-free策略将压铸制品缺陷样本中心作为正样本，并对每个样本指定FPN级别；

Multi-positives策略采取将中心所在固定大小区域划定为正样本；SIMOTA策略将多个缺陷目标框在同样数量的正样本下进行分配。

9.如权利要求2所述的一种基于改进YOLOX模型的压铸制品缺陷检测方法，其特征是，步骤S1中采集到的图片数据经改进的YOLOX模型处理后统一尺寸为640×640像素大小的RGB图像。

10.如权利要求1所述的一种基于改进YOLOX模型的压铸制品缺陷检测方法，其特征是，压铸制品缺陷检测模型用于识别的压铸制品缺陷包括水纹、起泡、缩孔、变色、机械拉伤、变形、裂痕、飞边、多肉以及粘膜拉伤。