王国鹏 王习东 王保昌 王恒涛

基于YOLOv2网络模型的手机镜片缺陷实时检测方法*

王国鹏1王习东1王保昌2王恒涛1

（1.三峡大学计算机与信息学院，湖北 宜昌 443002 2.三峡大学理学院，湖北 宜昌 443002）

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。

YOLOv2；手机镜片检测；机器视觉；归一化处理

0 引言

目前，国内多数手机镜片制造工厂采用人工目视法检测镜片缺陷。该方法的检测环境为长时间亮光照射，对人眼造成损伤，且效率低、误检率高，易受检测人员主观因素影响，人工成本也较高[1]。近年来，随着机器视觉技术的发展，其在镜片缺陷检测方面的应用也逐渐深入[2]。朱建峰采用优化精密显微镜等仪器点光源投影照明的方案,实现镜片面状疵病的最佳成像效果,分析镜片疵病形状和大小，对各疵病种类分别编写对应的图像处理算法进行识别，检测准确率达95.48%[3]。朱虹兆基于深度学习训练出一种退化的YOLO网络，实现对树脂镜片样本缺陷的识别，验证集的缺陷识别准确率达95.97%[4]。……