ZHCACX6 july   2023 AM62A3 , AM62A7

 

  1.   1
  2.   摘要
  3.   商标
  4. 1引言
    1. 1.1 缺陷检测演示摘要
    2. 1.2 AM62A 处理器
    3. 1.3 缺陷检测系统
    4. 1.4 传统机器视觉与深度学习
  5. 2数据集准备
    1. 2.1 测试样片
    2. 2.2 数据搜集
    3. 2.3 数据注释
    4. 2.4 数据增强
  6. 3模型选择和训练
    1. 3.1 模型选择
    2. 3.2 模型训练与编译
  7. 4应用开发
    1. 4.1 系统流程
    2. 4.2 物体跟踪器
    3. 4.3 仪表板和边界框绘图
    4. 4.4 物理演示设置
  8. 5性能分析
    1. 5.1 系统精度
    2. 5.2 帧速率
    3. 5.3 内核利用率
    4. 5.4 功耗
  9. 6总结
  10. 7参考文献

系统精度

我们进行了多项实验来广泛测试整个系统的精度,包括 yolox-nano-lite 模型(根据缺陷检测数据进行了训练)、物体跟踪器和图形仪表板的精度。这些实验在测试样片(环形端子)上实时测试缺陷检测应用。将一系列具有预定义类组合(合格、半环、无塑料和无环)的样片放置在旋转台上,以模拟传送带上的运动。该应用旨在检测样片,并将仪表板上显示的结果与样片的实际统计数据进行比较。

表 5-1 显示了一项实验的详细信息,该实验总共包括 50 个样片,其中有 20% 的缺陷样片,分布如下:3 个半环、5 个无塑料、2 个无环。

表 5-1 缺陷检测应用的精度实验详细信息(50 个样片和 10 次重复测试表明精度达 100%)
类别 真实值
数量和 [%]
10 圈后的应用结果 精度
样片总数(不是某一类) 50 500 不适用
40 [80%] 400 [80%] 100 %
半环 3 [6%] 30 [6%] 100 %
无塑料 5 [10%] 50 [10%] 100 %
无环 2 [4%] 20 [4%] 100 %

将样片随机放置在旋转台上,并使用应用对其进行检测。为保证可重复性,我们将带有样片的旋转台旋转了 10 圈。图 5-1 显示了第十次重复测试结束时的仪表板。通过将仪表板上应用生成的结果与真实值输入样片进行比较,可以看到,应用在所有十圈中均成功检测到了所有合格和有缺陷产品,如表 5-1 所示。

GUID-20230630-SS0I-KL9D-MJML-46JW96VJDXLB-low.png图 5-1 使用 50 个样片和 10 次重复测试的精度实验仪表板结果(缺陷检测应用精度达到 100%)