佛山作為國內最大的瓷磚生產制造基地之一，擁有眾多瓷磚廠家和品牌。經前期調研，瓷磚生產環節一般（不同類型磚工藝不一樣，這里以拋釉磚為例）經過原材料混合研磨、脫水、壓胚、噴墨印花、淋釉、燒制、拋光，最后進行質量檢測和包裝。得益于產業自動化的發展，目前生產環節已基本實現無人化。而質量檢測環節仍大量依賴人工完成。一般來說，一條產線需要配2～6名質檢工，長時間在高光下觀察瓷磚表面尋找瑕疵。這樣導致質檢效率低下、質檢質量層次不齊且成本居高不下。瓷磚表檢是瓷磚行業生產和質量管理的重要環節，也是困擾行業多年的技術瓶頸。

在產線上架設專業拍攝設備，實地采集生產過程真實數據，解決企業真實的痛點需求。數據覆蓋到了瓷磚產線所有常見瑕疵，包括粉團、角裂、滴釉、斷墨、滴墨、B孔、落臟、邊裂、缺角、磚渣、白邊等。實拍圖示例如下：

針對某些缺陷在特定視角下的才能拍攝到，每塊磚拍攝了三張圖，包括低角度光照黑白圖、高角度光照黑白圖、彩色圖，示例如下：

數據主要分為兩種：

白板瓷磚。花色簡單，數量總共約12000張，包含訓練集和測試集.

復雜瓷磚。花色相對復雜，并提供相應的模板圖片（同花色且無瑕疵圖片），數量總共約12000張，包含訓練集和測試集。

復雜瓷磚包含有瑕疵圖片帶模板、無瑕疵圖片和標注數據。標注數據標注模板圖片、瑕疵位置和類別信息。示例如下：

一、生成voc格式的數據集

二、自動繪制瑕疵點

繪制瑕疵點之后的圖像如下圖所示

可以看出瑕疵點較小，因此對瓷磚圖片進行切圖處理。

三、 對瓷磚進行切圖處理

為了提高識別的精度，對瓷磚圖片進行切圖處理，參照這篇文章的代碼對圖片進行切圖處理。

https://blog.csdn.net/weixin_45734379/article/details/112908630

四、將voc格式的數據集轉換為yolo(.txt)格式的數據集

yolov5模型進行目標檢測，必須使用yolo格式的數據 因此利用下面的程序創建yolo格式的數據

生成的yolo格式數據如下圖所示，最前面的數字 4 為瑕疵點類別編號，后面的數據為瑕疵點的位置

五、將Yolo格式數據自動劃分成訓練集（train2017）,測試集（val2017）

程序生成的數據集存放方式如下圖所示

五、Yolov5模型的訓練

模型環境的建立和模型訓練流程

https://blog.csdn.net/weixin_45652435/article/details/113095444

模型訓練之前需要更改coco128.yaml 和 yolov5s.yaml中的nc（識別對象的類別數目）和 names

進入Yolov5的環境，切換到相應的目錄，對模型進行訓練

六、對需要檢測的圖片進行預測，生成 json 文件

審核編輯 ：李倩