CHƯƠNG 3 THUẬT TOÁN PHÁT HIỆN LỖI XƯỚC
3.2 Phát hiện lỗi xước
Để phát hiện lỗi xước trên bề mặt và cạnh đề xuất sử dụng thuật toán YOLOv3 với các bước thực hiện là:
Bước 1: Thu thập dữ liệu
Để tạo tập dữ liệu cho bước đào tạo, chúng tôi đã chụp ảnh với độ phân giải cao (6000x4000 pixel) với 7 hướng xung quanh rocker arm, đảm bảo bao phủ tồn bộ bề mặt ngồi rocker arm. Sau đó, mỗi hình ảnh sẽđược chia thành các hình ảnh nhỏhơn bằng cách trượt hình chữ nhật có kích thước w x h dọc theo hướng x với bước w / 2 và hướng y với bước h / 2 (Hình 4.6). Bằng cách này, chúng tơi có thể giảm sốlượng hình ảnh đã chụp được sử dụng đểđào tạo. Điều này có thể tiết kiệm rất nhiều thời gian.
41
Hình 3.8 Quá trình chia nhỏ ảnh
Bước 2: Gán nhãn
Sau khi thu thập các hình ảnh có chứa khuyết tật, chúng tơi sẽ cần chú thích chúng. Đối với YOLO, mỗi hình ảnh phải có một tệp văn bản tương ứng có cùng tên tệp với tên của hình ảnh trong cùng thư mục. Mỗi hàng trong tệp văn bản tương ứng với một hộp giới hạn duy nhất của lỗi và phải có thơng tin sau:
<object-class-id> <x-center> <y-center> <width> <height> Ởđây:
<object-class-id> một số nguyên từ0 đến (lớp - 1) tương ứng với các lớp trong tệp names
Height, Width- chiều cao và chiều rộng thực tế của hình ảnh x, y - tọa độ tâm của hộp giới hạn
h, w - chiều cao và chiều rộng của hộp giới hạn <x-center>: x / Width
<y-center>: y / Height <width>: w / Width <height>: h / Height
Điều này có thểđược thực hiện với YOLO Mark, một cơng cụ chú thích hình ảnh đồ họa tạo tệp .txt cho hình ảnh ởđịnh dạng YOLO.
Bước 3: Đào tạo
Khi đào tạo mơ hình chia ngẫu nhiên các hình ảnh được chú thích thành các tập đào tạo và thử nghiệm theo tỷ lệ 80:20. Trong khi huấn luyện hình ảnh, trọng số của mạng thần kinh được cập nhật lặp đi lặp lại. Chúng tơi có thể sử dụng các tập huấn luyện lớn khiến việc cập nhật trọng số cho toàn bộ tập huấn luyện trong một lần lặp lại sẽ tốn tài nguyên. Chúng ta có thể tiếp tục đào tạo cho đến khi tổn thất đạt đến một ngưỡng nhất định. Theo mặc định, trọng số cho bộ dò tùy chỉnh được lưu cho mỗi 100 lần lặp cho đến 1000 lần lặp và sau đó tiếp tục lưu cho mỗi 10000 lần lặp. Khi q trình đào tạo hồn tất, chúng tơi có thể sử dụng các trọng sốđã tạo để thực hiện phát hiện.
42
Hình 3.9 Q trình đào tạo mơ hình
Bước 4: Kiểm tra với mơ hình đào tạo được
Sau khi kiểm tra độ chính xác của mơ hình được đào tạo trước, chúng tơi có thể áp dụng nó để phát hiện lỗi thời gian thực. Quá trình kiểm tra lỗi xước được thể hiện trong hình dưới đây.
43