(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 202210272041.0 (22)申请日 2022.03.18 (71)申请人 台州学院 地址 318000 浙江省台州市椒江区市府大 道1139号 (72)发明人 徐正　秦利明　谢超龙　方淳　 李军　徐乾春　李晓轩　 (74)专利代理 机构 杭州品众专利代理事务所 (特殊普通 合伙) 33459 专利代理师 蔡陈祥 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/25(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01)G06K 9/62(2022.01) G06N 3/04(2006.01) (54)发明名称 一种基于YOLO v5模型的在线检测装置 (57)摘要 本发明涉及质量检测技术领域， 具体涉及一 种基于YOLO  v5模型的在线检测装置， 包括主干 网络BackBone， 使用focus结构 进行切片操作， 然 后在channel维度进行拼接， 最后进行卷积操作； 特征提取及融合结构， 用于不同特征尺度的融 合， 并将浅层特征传递给顶层； 预测机构， 用于为 利用之前的特征作出相关预测； 判断器， 通过目 标检测的结果中一组圆是否同心， 进而判断产品 是否合格。 本发 明通过视觉设备及时采集产品图 片， 通过预训练的模型和参数， 实现对产品的质 量检测。 生产过程中， 采用该设备代替人工对产 品进行质量检测， 以达到节省人力、 物力的目的， 实现企业生产过程中的全自动化， 达到实时检测 的目的。 权利要求书1页 说明书5页 附图8页 CN 114820442 A 2022.07.29 CN 114820442 A 1.一种基于 YOLO v5模型的在线检测装置， 其特 征在于， 包括 主干网络BackBone， 使用focus结构进行切片操作， 然后在channel维度进行拼接， 最后 进行卷积操作； 特征提取及融合结构， 用于不同特 征尺度的融合， 并将浅层特 征传递给顶层； 预测机构， 用于为利用之前的特 征作出相关预测； 其中， 所述主干网络BackBone、 特征提取及融合结构和预测机构联合构成YOLO  v5模 型； 判断器， 通过目标检测的结果中一组圆是否同心， 进 而判断产品是否合格。 2.根据权利要求1所述的一种基于YOLO  v5模型的在线检测装置， 其特征在于， 所述 YOLO v5模型选用YOLO  v5s时focus结构默认3*640*640的输入， 复制四份后 通过切片操作 将这个四个图片切成了四个3*320*320的切片， 最后使用concat从深度上连接这四个切片， 输出为12* 320*320。 3.根据权利要求2所述的一种基于YOLO  v5模型的在线检测装置， 其特征在于， 所述 focus结构再通过卷积核数为32的卷积层， 生成32*32 0*320的输 出， 最后经过batch_borm和 leaky_relu将结果输入到下一个卷积层。 4.根据权利要求2所述的一种基于YOLO  v5模型的在线检测装置， 其特征在于， 所述 YOLO v5模型选用YOLO  v5m时， 有48个卷积核， 经过聚焦结构后输出为320 ×320×48的特征 图。 5.根据权利要求1所述的一种基于YOLO  v5模型的在线检测装置， 其特征在于， 所述主 干网络BackBo ne设有CS P结构。 6.根据权利要求3所述的一种基于YOLO  v5模型的在线检测装置， 其特征在于， 所述CSP 结构包括CSP1_X结构和CSP2 _X结构， 其中， 所述CSP1_X结构应用于Backbone主干网络， 所述 CSP2_X结构则应用于Neck中。 7.根据权利要求1所述的一种基于YOLO  v5模型的在线检测装置， 其特征在于， 所述特 征提取及融合结构包括S PP模块和FPN+PAN模块。 8.根据权利要求5所述的一种基于YOLO  v5模型的在线检测装置， 其特征在于， 所述SPP 模块用于实现不同特 征尺度的融合； 所述FPN+PAN模块用于将浅层特 征传递给顶层。 9.根据权利要求1所述的一种基于YOLO  v5模型的在线检测装置， 其特征在于， 所述预 测机构在损失函数头部输出端， 通过引入中心点距离和宽高比两个参数后， 形成了完全交 并比损失函数。 10.根据权利 要求7所述的一种基于YOLO  v5模型的在线检测装置， 其特征在于， 所述损 失函数采用YOLO  v5模型中的GIOU_L oss做Boundi ng box的损失函数， 具体如下： 其中， B为预测框的面积， Bgt为真实框的面积， C为同时包含了预测框和真实框的最小框 面积， GIoU Loss用于IoU Loss对距离不敏感的问题。权　利　要　求　书 1/1 页 2 CN 114820442 A 2一种基于 YOLO v5模型的在线检测装 置 技术领域 [0001]本发明涉及质量检测技 术领域， 具体涉及一种基于 YOLO v5模型的在线检测装置 。 背景技术 [0002]自2012年AlexNet提出后， 目标检测得到了快速、 有效的发展， 近年来取得了巨大 的成功。 其中极具代表性的是目标检测神器YOLO系列， 在2020年6月25日的YOLO  v5横空出 世后， 目前在检测技 术上已经达 到了巅峰。 [0003]目前许多企业在产品生产过程中， 对产品的检测， 主要是通过人工检测的方式来 进行。 由于工人无法长时间、 高强度的持续对产品进 行质量检测， 而导致整体生产效率受到 了较大的影响， 产品的质量主要通过质检人员的抽检来保证， 无法实现一件一检， 从而可能 会有不合格件成为漏网之鱼， 最终影响整个产品的质量或企业形象。 [0004]因此本文提供了基于YOLO  v5模型设计的一种在线检测装置， 该装置通过视觉设 备及时采集产品图片， 通过预训练的模型和参数， 实现对产品的质量检测。 生产过程中， 采 用该设备代替人工对产品进行质量检测， 以达到节省人力、 物力的目的， 实现企业生产过程 中的全自动化， 达 到实时检测的目的。 发明内容 [0005]针对现有技术的不足， 本 发明公开了一种基于YOLO  v5模型的在线检测装置， 采用 该项目设备代替人工对产品进 行质量检测， 以达到节省人力、 物力的目的， 实现企业生产过 程中的全自动化， 达 到实时检测的目的。 [0006]本发明通过以下技 术方案予以实现： [0007]本发明提供了一种基于 YOLO v5模型的在线检测装置， 包括 [0008]主干网络BackBone， 使用focus结构进行切片操作， 然后在  channel维度进行拼 接， 最后进行 卷积操作； [0009]特征提取及融合结构， 用于不同特 征尺度的融合， 并将浅层特 征传递给顶层； [0010]预测机构， 用于为利用之前的特 征作出相关预测； [0011]其中， 所述主干网络BackBone、 特征提取及融合结构和预测机构联合构成YOLO  v5 模型； [0012]判断器， 通过目标检测的结果中一组圆是否同心， 进 而判断产品是否合格。 [0013]更进一步的， 所述YOLO  v5模型选用YOLO  v5s时focus结构默认  3*640*640的输 入， 复制四份后通过切片操作将这个四个图片切成了四个3*320*320的切片， 最后使用 concat从深度上 连接这四个切片， 输出为12* 320*320。 [0014]更进一步的， 所述focus结构再通过卷积核数为32的卷积层， 生成32*320*320的输 出， 最后经 过batch_borm和leaky_relu将结果输入到下一个卷积层。 [0015]更进一步的， 所述YOLO  v5模型选用YOLO  v5m时， 有48个卷积核， 经过聚焦结构后 输出为320 ×320×48的特征图。说　明　书 1/5 页 3 CN 114820442 A 3