1.種基于機(jī)器視覺(jué)的圓筒接駁口缺陷檢測(cè)方法，其特征在于，包括以下步驟：
2.據(jù)權(quán)利要求?1?所述的基于機(jī)器視覺(jué)的圓筒接駁口缺陷檢測(cè)方法，其特征在于：所述s1中，采集數(shù)據(jù)具體為獲取目標(biāo)樣品后通過(guò)工業(yè)面陣相機(jī)采集，所述工業(yè)面陣相機(jī)采用感光芯片為?cmos，掃描方式為面陣，接口為?gige?類型的黑白工業(yè)相機(jī)。
3.根據(jù)權(quán)利要求?1?所述的基于機(jī)器視覺(jué)的圓筒接駁口缺陷檢測(cè)方法，其特征在于：所述?s2中，對(duì)圖像進(jìn)行特征提取并進(jìn)行標(biāo)記是在視覺(jué)深度學(xué)習(xí)系統(tǒng)中，通過(guò)繪制區(qū)域從而對(duì)圖像特征進(jìn)行提取，需要對(duì)圖像特征進(jìn)行標(biāo)記進(jìn)行分辨，包括圖像閾值分割。
4.據(jù)權(quán)利要求?1?所述的基于機(jī)器視覺(jué)的圓筒接駁口檢測(cè)缺陷方法，其特征在于：所述s3中，編輯成數(shù)據(jù)集具體為圖像數(shù)據(jù)進(jìn)行上述分析工作后，定義為圓筒接駁口特征為褶皺，斷裂，偏移。而后使用歸類工具編輯成數(shù)據(jù)集合。
5.據(jù)權(quán)利要求?1?所述的基于機(jī)器視覺(jué)的圓筒接駁口缺陷檢測(cè)方法，其特征在于：所述s4中，目標(biāo)檢測(cè)具體為判斷圖片中出現(xiàn)的類型以及判斷其位置，其使用的算法?yolov5?算法，其中包括輸入端的?mosaic?數(shù)據(jù)增強(qiáng)、自適應(yīng)錨框計(jì)算、自適應(yīng)圖片縮放操作；基準(zhǔn)端的?focus結(jié)構(gòu)與?csp?結(jié)構(gòu)；neck?端的?spp?與?fpn+pan?結(jié)構(gòu)，輸出端的損失函數(shù)?giou_loss?以及預(yù)測(cè)框篩選的?diou_nms。
6.據(jù)權(quán)利要求?1?所述的基于機(jī)器視覺(jué)的圓筒接駁口缺陷檢測(cè)方法，其特征在于：所述s5中，創(chuàng)建圖像模型是基于上述參數(shù)和數(shù)據(jù)集得出的缺陷模型。
7.據(jù)權(quán)利要求?1?所述的基于機(jī)器視覺(jué)的圓筒接駁口缺陷檢測(cè)方法，其特征在于：所述s6中，改進(jìn)訓(xùn)練參數(shù)是針對(duì)模型進(jìn)行數(shù)據(jù)增強(qiáng)，包括?hsv?空間變換；鏡像類型；畫布擴(kuò)大；剪裁；仿射變換；噪聲弱化。
8.據(jù)權(quán)利要求?1?所述的基于機(jī)器視覺(jué)的圓筒接駁口缺陷檢測(cè)方法，其特征在于：所述s7中，訓(xùn)練模型是指對(duì)標(biāo)準(zhǔn)的學(xué)習(xí)目標(biāo)通過(guò)以極大化降低損失函數(shù)為目標(biāo)去訓(xùn)練模型。衡量模型回歸預(yù)測(cè)的誤差情況，用樣本的預(yù)測(cè)值減去求平方后的平均值，是均方誤差損失。，通過(guò)極小化交叉熵?fù)p失，使得模型預(yù)測(cè)分布盡可能與實(shí)際數(shù)據(jù)經(jīng)驗(yàn)分布一致。在評(píng)估方面，使用精確率（accuracy），召回率(recall)和?f1?分?jǐn)?shù)（f1_score）來(lái)衡量檢測(cè)的效果，并通過(guò)調(diào)整參數(shù)使?f1?分?jǐn)?shù)達(dá)到最高。
9.據(jù)權(quán)利要求?1?所述的基于機(jī)器視覺(jué)的圓筒接駁口缺陷檢測(cè)方法，其特征在于：所述s8?中，基于模板進(jìn)行缺陷檢測(cè)具體為通過(guò)面診相機(jī)實(shí)時(shí)抓拍產(chǎn)線數(shù)據(jù)檢測(cè)產(chǎn)品是否出現(xiàn)缺陷，需要將抓拍圖像進(jìn)行回傳分析，并與正確的模型進(jìn)行對(duì)比，即可判斷該產(chǎn)品是否出現(xiàn)缺陷，若出現(xiàn)缺陷，及進(jìn)行對(duì)應(yīng)的下游操作。
10.基于機(jī)器視覺(jué)的圓筒接駁口缺陷檢測(cè)方法，其特征在于：所述基于機(jī)器視覺(jué)的圓筒接駁口缺陷檢測(cè)方法是由圖像采集模塊、特征提取模塊、數(shù)據(jù)集制作模塊、目標(biāo)檢測(cè)模塊、創(chuàng)建圖形模塊、改進(jìn)訓(xùn)練參數(shù)模塊、訓(xùn)練模型模塊和缺陷檢測(cè)模塊組成，所述圖像采集模塊輸出端與特征提取模塊的輸入端電性連接，所述特征提取模塊的輸出端與數(shù)據(jù)集制作模塊的輸入端電性連接，所述數(shù)據(jù)集制作模塊輸出端與目標(biāo)檢測(cè)模塊輸入端電性連接，所述目標(biāo)檢測(cè)模塊輸出端與創(chuàng)建圖形模塊輸入端電性連接，所述創(chuàng)建圖形模塊輸出端與改進(jìn)參數(shù)模塊輸入端電性連接，所述改進(jìn)參數(shù)模塊輸出端與訓(xùn)練模型模塊輸入端電性連接，所述訓(xùn)練模型模塊輸出端與缺陷檢測(cè)模塊輸入端電性連接，其中，圖像采集模塊：根據(jù)目標(biāo)尺寸，工作范圍使用對(duì)應(yīng)的工業(yè)面陣相機(jī)，獲取目標(biāo)樣品后安裝設(shè)備進(jìn)行圖像采集；特征提取模塊：采集得到的圖像模糊且無(wú)明顯特征，在此模塊中對(duì)圖像進(jìn)行明顯的特征匹配，進(jìn)行圖像閾值分割，增強(qiáng)特征處理；數(shù)據(jù)集制作模塊：按照上述技術(shù)方案，定義圓筒接駁口的缺陷類別并標(biāo)注分類，編輯成數(shù)據(jù)集；目標(biāo)檢測(cè)模塊：目標(biāo)檢測(cè)模塊算法使用的是?yolov5?算法，其中包括輸入端的?mosaic?數(shù)據(jù)增強(qiáng)、自適應(yīng)錨框計(jì)算、自適應(yīng)圖片縮放操作；基準(zhǔn)端的focus?結(jié)構(gòu)與?csp?結(jié)構(gòu)；neck?端的?spp?與?fpn+pan?結(jié)構(gòu)，輸出端的損失函數(shù)?giou_loss?以及預(yù)測(cè)框篩選的?diou_nms；改進(jìn)訓(xùn)練參數(shù)模塊：針對(duì)圓筒接駁口表面進(jìn)行缺陷檢測(cè)算法的研究，對(duì)目標(biāo)算法網(wǎng)絡(luò)模型?yolov5?改進(jìn)，對(duì)圖像進(jìn)行?hsv?空間變換；鏡像類型；畫布擴(kuò)大；剪裁；仿射變換；噪聲弱化數(shù)據(jù)增強(qiáng)；訓(xùn)練模型模塊：根據(jù)上述技術(shù)方案步驟?7中涉及均方誤差損失函數(shù)?mse?以及極小化交叉熵?fù)p失。實(shí)現(xiàn)從端到端的聯(lián)合訓(xùn)練，具體的操作方法是，每次選擇一個(gè)參數(shù)并固定其他參數(shù)進(jìn)行調(diào)整，利用驗(yàn)證集進(jìn)行?50?次檢測(cè)，當(dāng)平均?f1-score?的值取得最大值時(shí)，認(rèn)為該參數(shù)調(diào)到最優(yōu)，之后再調(diào)整下一個(gè)參數(shù)，重復(fù)上述步驟，直到所有參數(shù)都被調(diào)整到最優(yōu)；缺陷檢測(cè)模塊：把工業(yè)面陣相機(jī)的實(shí)時(shí)數(shù)據(jù)通過(guò)特征快速匹配后輸入到模型中，便能夠準(zhǔn)確，高效地識(shí)別圓筒接駁口的各類缺陷并做出相應(yīng)處理。