基于YOLOv2网络模型的手机镜片缺陷实时检测方法

摘要

针对手机镜片缺陷检测采用人工目视法存在效率低、误检率高、易受主观影响;且现有的机器视觉法存在成本高和应用场景为静态图片等问题,提出一种基于YOLOv2网络模型的手机镜片缺陷实时检测方法.首先,对手机镜片缺陷检测数据集样本进行归一化处理;然后,调整网络模型的训练参数,并将数据集送入YOLOv2网络模型进行迭代训练,分析训练过程的性能曲线,得到最优权重;最后,对验证集样本进行检测分析.实验结果表明:该检测方法的实时检测速度可达14帧/s;缺陷定位精度高,检测准确率为96.13％;可满足低成本条件下,手机镜片缺陷实时检测的需求.