一种基于YOLO算法的电子陶瓷元器件的缺陷智能检测方法与流程

本发明涉及电子陶瓷元器件外观检测，具体涉及一种基于yolo算法的电子陶瓷元器件的缺陷智能检测方法，其目标旨在缓解语义模糊场景下的电子陶瓷元器件的外观缺陷检测问题。

背景技术：

1、电子陶瓷元器件主要包含圆片陶瓷电容器、压敏电阻器和热敏电阻器，在电子陶瓷元器件的生产过程中，表面缺陷（如侧凹、缩孔、裂纹、表面损伤、表面粘结等）直接影响产品的绝缘性能、耐压等级及长期可靠性，因此电子陶瓷元器件外观缺陷的视觉检测已成为品质管控的核心环节。近年来，基于卷积神经网络的单阶段检测器（如yolo系列）因其优异的实时性与准确率，在工业缺陷检测中得到广泛应用。其中，yolov11算法通过改进的c3k2模块、c2psa注意力机制及高效的特征金字塔结构，进一步提升了通用目标的检测性能。然而，将yolov11直接迁移至电子陶瓷元器件表面缺陷检测时，将面临突出的“缺陷语义模糊”问题，如说明书附图1所示，部分缺陷（如微小的划痕）在形状、纹理上与正常区域（如脏污，仅脏污不影响电子陶瓷元器件性能）高度相似，甚至在特征空间中与背景或正常纹理边界模糊，使得模型难以提取判别性特征，导致漏检率与误报率居高不下。

2、现有的基于yolo的缺陷检测方法，普遍采用特征金字塔网络（fpn）与路径聚合网络（pan）相结合的方式，通过自上而下和自下而上的路径融合多尺度特征。但在实际电子陶瓷元器件缺陷检测任务中，该类融合机制仍存在明显局限：其一，颈部网络的特征融合通常开始于较深的语义层（如p3层），对骨干网络中更浅层、保有丰富空间细节的高分辨率特征（如输出步长为4的特征图）利用不足或仅通过间接路径传递，大量精准的轮廓、纹理信息在多层传递中被稀释，不利于捕捉语义模糊的小尺寸缺陷；其二，现有损失函数多基于标准的iou及其变体（如ciou、diou）进行边界框回归，并采用常规二值交叉熵计算置信度及类别损失，缺乏对缺陷尺度和难分样本的自适应聚焦能力——对小目标的定位偏差惩罚不足，对模糊边界处的难分样本也难以施以足够的学习强度，致使模型在面对语义模糊缺陷时，判别边界极易崩溃。

3、相关研究表明，仅依靠现有颈部结构的特征复用与标准训练损失，模型在检测电子陶瓷元器件表面微小破损、细浅划痕等语义模糊缺陷时，注意力分布常偏离真实缺陷区域，特征表达呈现出粒度过粗、辨别性弱的问题。归纳而言，现有技术在电子陶瓷元器件外观缺陷检测中主要存在以下不足：（1）多尺度特征融合粒度不精细，浅层高分辨率特征未得到直接且自适应的利用，致使小缺陷的空间细节信息在深层特征中被淹没；（2）损失函数缺乏尺度感知与难例聚焦机制，无法在训练中突出对语义模糊缺陷的定位与分类约束，导致模型对此类缺陷的学习不够充分；（3）缺乏面向模糊缺陷的多源信息协同增强策略，未能有效融合底层的细节线索与高层的语义上下文以消除歧义。

4、因此，亟需一种面向电子陶瓷元器件外观缺陷检测的改进yolo方法，通过设计新的多尺度特征融合模块和针对性的损失函数，增强模型对语义模糊缺陷的特征表达能力与训练强度，从而在保持实时性的同时，显著提升微小、低对比度缺陷的检测精度与鲁棒性。

技术实现思路

1、为解决上述技术问题，本发明提供了一种基于yolo算法的电子陶瓷元器件的缺陷智能检测方法，通过构建多层次特征提取与自适应难度挖掘机制，显著提升了模糊语义场景下的检测灵敏度与鲁棒性。

2、本发明采用的技术方案为：一种基于yolo算法的电子陶瓷元器件的缺陷智能检测方法，具体步骤如下：

3、s1、构建基于yolo算法的电子陶瓷元器件的缺陷智能检测模型；

4、本步骤构建基于yolo算法的电子陶瓷元器件的缺陷智能检测模型，该模型包括骨干网络、颈部网络和检测头；在颈部网络中引入新设计的小尺度增强模块，以增强对小尺寸缺陷的特征表达能力；模型以单张或批量缺陷图像作为输入，输出图像中缺陷的类别与位置信息。

5、s11、构建骨干网络对输入图像进行特征提取 ，所述骨干网络包括五个cbs模块、四个c3k2模块、一个sppf模块和一个c2psa，其中，一个cbs模块构成骨干网络的头部，其余四个的cbs模块及四个c3k2模块依次交替堆叠构成骨干网络的中部，最后由sppf和c2psa两个模块构成骨干网络的尾部，其中，c3k2模块内部重复堆叠n个c3k2子模块，c2psa模块内部重复堆叠n个c2psa子模块，n的取值由基准值与网络深度参数depth的乘积决定；输入图像经所述骨干网络进行特征提取，依照模块的位置分别命令p0-p10，图像经过骨干网络生成五个不同尺度的特征图p2、p4、p6、p8和p10；其中，p2、p4、p6、p8的分辨率依次为输入图像分辨率的1/4、1/8、1/16和1/32，p10的分辨率与p8相同；所述特征图的通道数由基准通道数、网络宽度系数width和通道数上限max_channel决定，具体为：

6、p2特征图由网络浅层输出，分辨率为输入图像分辨率的1/4，通道数为min(256*width, max_channel)，保留丰富的细节与位置信息；

7、p4特征图由后续下采样及c3k2模块得到，分辨率为输入图像分辨率的1/8，通道数为min(512*width, max_channel)；

8、p6特征图通过进一步下采样及c3k2模块得到，分辨率为输入图像分辨率的1/16，通道数为min(512*width, max_channel)；

9、p8特征图经最后阶段下采样，并经sppf和c2psa模块处理后输出，分辨率为输入图像分辨率的1/32，通道数为min(1024*width, max_channel)，包含高级语义信息；

10、p10特征图则是p8经过sppf和c2psa进行特征融合得出，分辨率与p8一致；

11、s12、构建颈部网络进行多尺度特征融合，所述颈部网络由upsample、concat、c3k2和cbs模块堆叠而成，其中，c3k2模块内部重复堆叠n个c3k2子模块，n的取值由基准值与网络深度参数depth的乘积决定；由s11生成的特征图经过颈部网络输出不同尺度的检测特征图：在自顶向下路径中，对p10上采样后与p6拼接得到特征图p13，对p13上采样后与p4拼接得到特征图p16；将骨干网络输出的p2下采样至与p16分辨率一致，并将下采样后的p2与p16进行自适应特征融合，得到小尺度增强特征图p16′；在自底向上路径中，对p16′下采样后与p13拼接得到中尺度特征图p19，对p19下采样后与p10拼接得到大尺度特征图p22；所述颈部网络最终输出分辨率分别为输入图像分辨率的1/8、1/16和1/32的三个检测特征图：p16′、p19和p22；

12、为提升模型对微小缺陷的检测能力，在颈部网络中设计并插入小尺度增强模块（featurefusion），用于将骨干网络的浅层高分辨率特征p2与颈部网络的深层语义特征p16进行自适应融合。该多尺度特征融合模块的结构如下：

13、首先，对p2实施平均池化操作进行下采样，使其空间分辨率与p16一致；然后，将下采样后的p2与p16同时输入自适应注意力融合单元。在自适应注意力融合单元中，分别对下采样后的p2和p16进行通道连接，将两个描述向量分别输入共享的1x1卷积层和relu激活函数，将融合特征的通道数调整为256，得到增强的浅层特征图，记为p16′。该融合方式可使网络动态地关注不同特征来源的重要程度，充分结合底层的空间细节和高层的语义信息。具体过程总结如下：

14、

15、其中:

16、interpolate:为图像插值，它将p2通过直接插值，而不是卷积，到1/8输出图像的大小。这样可以保存更多的微小细节。因为使用area模式，而p2和p16呈倍数关系，所以这里等价于平均池化。

17、concat:为图像卷积，这里采用的（input_channal+output_channal,output_channal）大小的卷积，整体上不会新增太多参数。因此训练和推理速度于原版yolo相近。

18、batchnorm2d:为通道尺度上进行标准化。具体操作为：，，，

19、relu:为激活函数，具体表达式为：。

20、颈部网络在获得p16′后，继续构建自底向上的增强路径：以原始p13为起点，通过步长为2的卷积进行下采样后与p4进行通道拼接，经c3k2模块得到增强的中尺度特征图p16；对p16通过步长为2的卷积下采样后与p13进行通道拼接，经c3k2模块得到增强的大尺度特征图p19。p19通过步长为2的卷积下采用后，再和p10拼接。经过c3k2模块后得到超大尺度特征图p22。此时，颈部网络输出三个用于最终检测的特征图，即小尺度特征图p16′、中尺度特征图p19和大尺度特征图p22，分别对应于输入图像1/8、1/16和1/32的分辨率。其中，p16′因融入了骨干网络c2的高分辨率细节信息，在保留小目标位置信息的同时具备较强的语义鉴别力，特别适合缺陷检测场景中的微小缺陷识别。

21、s13、构建检测头，所述检测头由三层特征金字塔模块构成，其中每一层特征金字塔模块分别由两个dsc模块加covn2d模块及两个cbs模块加conv2d模块两路组成；将特征图p16′、p19和p22分别输入三层检测头，通过并行的卷积分支分别在所述三个检测特征图上进行目标分类与边界框回归，输出包含缺陷类别概率、边界框坐标偏移量及目标置信度的检测结果；

22、具体而言，检测头接收颈部网络输出的三个尺度的特征图p16′、p19和p22，在每个尺度的特征图上分别进行目标分类与边界框回归。检测头由并行的卷积分支组成，预测每个位置上的缺陷类别概率、边界框坐标偏移量以及目标置信度。通过在多尺度特征图上密集预测，模型能够覆盖不同大小的缺陷目标，输出最终的缺陷检测结果。

23、至此，完成改进yolo缺陷检测模型的构建。本模型通过新增的小尺度增强模块，将浅层高分辨率特征与深层语义特征有效融合，增强了小缺陷目标的特征表示，为后续的模型训练和高精度检测提供结构基础。

24、s2、训练步骤s1构建的检测模型：

25、构造改进模型后，利用带有缺陷类别和边界框标注的训练样本，对步骤s1构建的改进yolo缺陷检测模型进行训练；训练过程中，采用一种改进的损失函数计算预测误差，通过反向传播更新模型参数，以获得针对缺陷检测任务的高精度模型。

26、s21、训练图像数据准备：采集包含缺陷目标的电子陶瓷元器件的图像，对图像中的缺陷目标进行类别标注和边界框标注，并将标注图像划分为训练集和验证集；对训练集中的图像进行数据增强处理，并统一调整至预设输入尺寸及进行归一化处理，生成用于模型训练的输入图像数据，由此得到训练图像数据，对应的验证集中的图像则为验证图像数据；

27、具体收集的图像数据包含各类缺陷的图像，对每一张图像中的缺陷目标标注其类别标签和边界框真实坐标。将标注后的图像数据集划分为训练集与验证集。训练时，对输入图像进行图像进行数据增强处理，包括随机旋转、平移、缩放、擦除、剪切、透视、翻转、颜色抖动、mosaic、mixup增强，以提升模型泛化能力。将增强后的图像统一缩放至固定尺寸，并进行像素值归一化处理，得到训练批次的输入张量。

28、s22、前向传播与预测输出：将训练集中的图像分批次输入至步骤s1构建的检测模型，经骨干网络和颈部网络进行多尺度特征提取与融合，输出多个尺度的特征图；基于所述特征图，通过检测头进行目标分类与边界框回归，得到各尺度的类别概率、边界框坐标及目标置信度预测结果；

29、具体而言，将训练批次图像输入至步骤s1构建的缺陷检测模型。图像经骨干网络提取p2、p4、p6、p10特征图，颈部网络通过自顶向下和自底向上路径进行多尺度特征融合，并利用多尺度特征融合模块将p2与p16自适应融合得到增强的小尺度特征图p16′，最终输出三个尺度的特征图p16′、p19和p22。检测头在每个尺度特征图的每个网格位置，预测预设数量锚框的缺陷类别概率、边界框坐标偏移量以及目标置信度，形成密集预测集合。

30、s23、损失函数构建与优化：构建用于模型训练的总体损失函数，所述总体损失函数由边界框回归损失、置信度损失和分类损失加权组成，其表达式为：；λ是三种损失的权重；所述边界框回归损失采用基于ciou的损失函数，用于约束预测框与真实框之间的位置和形状差异；所述分类损失在二元交叉熵损失基础上引入改进的focal机制，通过对不同类别设置差异化调制系数，增强对语义易混淆类别和难分类样本的关注，以提升模糊语义缺陷的识别能力；所述分布焦点损失，用于优化离散化坐标分布的学习；

31、其中，为提升模型对缺陷特别是模糊语义缺陷的检测精度，设计改进类别分类损失函数。将改进后的损失函数融入总体损失，用于指导模型的学习。总体损失函数由边界框回归损失、置信度损失和分类损失三部分加权组成。λ是三种损失的权重。三种损失函数具体表达式如下：

32、（1）边界框回归损失函数

33、

34、其中：

35、：模型预测的框；

36、：真实框；

37、ciou：ciou损失函数。它是一种综合考虑iou，两个框中心点距离，两个框宽高比一致性的损失函数。表达式为：。其中iou即常见的交并比，表达式为：，表示预测框中心点b和真实框中心点之间的欧氏距离。表示预测框和真实框对应的最小外接矩形的对角线长度的平方。v是用来计算两个框宽高比一致性的指标，表达式为：。α则是用来平衡宽高比损失的权重系数，表达式为：。从这里可以看出当iou较小时，α趋近于0，即不管宽高比。当iou较大是，α趋近于1，即全面考虑宽高比。

38、（2）分类损失函数

39、原版的算法使用的带logits的二元交叉熵损失，即

40、

41、本算法在这里进了优化，参考focal loss增加了类差异化的难例挖掘和用于增强语义模糊情况下的学习指导。具体如下所示：

42、原版yolov11使用的带逻辑的交叉熵损失函数。具体为：

43、

44、其中：而。

45、该损失函数对所有类别一视同仁，没有考虑到不同类别的学习难度不同的差异。本方法受focalloss损失函数的启发。设计出了一种类别难度差异化的学习损失函数。旨在缓解类别语义模糊场景下的学习问题。针对存在模糊语义的类别。我们修改其损失权重。

46、

47、其中：

48、α是预设的衰减权重。

49、经过加权处理后的权重，对于降低错误判断的损失值，且在错误判断场景下，模型越自信，权重衰减越严重。这样处理，可以在一定程度上缓解来自模糊语义所带来错误判断对于模型参数的影响。

50、此外，在模糊语义场景下，由于两个类别的语义相近，所以模型对于部分正确区域的置信度会偏低。因此需要额外加强这部分区域的学习。具体如下：

51、

52、这样就实现了类别差异化的梯度调制。对于不存在模糊语义的类别使用正权重为1。对于语义模糊场景下，则可以通过降低其负例和增强其正例的学习，从而达到减少模糊语义对于模型影响的效果。

53、（3）分布焦点损失

54、分布焦点损失适用于优化边界框坐标预测的。具体表达式如下：

55、

56、其中：y表示真实的归一化后的坐标。对应y所在区间的左边界。对应y所在区间的右边界。表示模型预测坐标落在区间i和i+1的概率。

57、s24、模型参数更新：根据所述总体损失函数，采用反向传播算法计算模型参数的梯度，并通过优化器对模型参数进行迭代更新；在训练过程中按照预设学习率策略对学习率进行动态调整，直至模型在验证集上收敛，得到训练完成的缺陷检测模型；

58、具体而言，基于计算得到的总损失，采用反向传播算法计算损失相对于模型所有可学习参数的梯度，并使用优化器更新参数。训练过程中，初始学习率设置为预设值，并采用余弦退火学习率衰减策略，随着训练轮次增加逐渐降低学习率，以稳定收敛。训练进行多轮迭代，直至总损失在验证集上不再明显下降，得到训练好的缺陷检测模型。

59、s3、将待检测电子陶瓷元器件图像输入步骤s2训练完成的缺陷检测模型，输出待检测电子陶瓷元器件图像中缺陷的类别、边界框位置及置信度信息：

60、采用步骤s2训练完成的基于yolo算法的电子陶瓷元器件的缺陷智能检测模型，对待检测的电子陶瓷元器件产品图像进行缺陷检测，输出缺陷的类别、边界框位置及置信度信息。

61、s31、图像预处理：获取待检测电子陶瓷元器件图像，对其进行与训练阶段一致的预处理操作，得到符合模型输入要求的张量；

62、s32、将预处理后的张量输入步骤s2训练完成的模型，依次经骨干网络提取特征及颈部网络进行多尺度特征融合，输出特征图p16′、p19和p22；

63、具体而言，将预处理后的张量输入至已训练好的缺陷检测模型进行前向推理。骨干网络对输入图像逐层提取特征，生成浅层高分辨率特征图p2以及颈部网络的深层特征图p16、p19、p22。颈部网络在自顶向下路径中，将p10上采样后与p6拼接并处理得到p13，将p13上采样后与p4拼接并处理得到p16；随后，通过多尺度特征融合模块将p2与p16进行自适应注意力融合，使浅层的空间细节与深层的语义信息互补增强，生成具有丰富细节和强判别力的小尺度特征图p16′。颈部网络继续在自底向上路径中，融合p4、p13与p10，输出增强的多尺度特征图p16′、p19和p22，分别对应输入图像1/8、1/16和1/32分辨率。其中，p16′因融入了p2的高分辨率信息，对小尺寸缺陷的表征能力得以增强。

64、s33、目标预测与解码：检测头接收所述特征图p16′、p19和p22，通过回归分支预测边界框偏移量，通过分类分支预测类别得分与目标置信度；结合预设基准对所述边界框偏移量进行坐标变换，得到待检测电子陶瓷元器件图像空间下的预测框坐标；将所述类别得分与目标置信度相乘，计算得到每个预测框的综合分类置信度；

65、s34、对预测结果进行筛选去重，输出待检测电子陶瓷元器件图像上的缺陷边界框位置、类别及置信度；

66、即对解码获得的大量预测框进行筛选去重：首先，设定置信度阈值，滤除综合置信度低于阈值的预测框；随后，针对每个缺陷类别，执行非极大值抑制，根据预测框间的交并比去除冗余的重叠框，保留置信度最高的检测结果。将最终保留的检测框坐标根据预处理阶段的缩放和填充参数反向映射回原始图像尺寸，得到原图上的缺陷边界框坐标、类别标签及置信度分数。可将检测结果以可视化框和标签形式绘制在原图上，或以结构化数据形式输出，供后续质量判别或产线剔除工序使用。

67、本发明的有益效果：本发明的方法首先构建改进yolo缺陷检测模型，再输入训练数据，使用改进的小尺度特征融合和模糊语义损失函数进行训练。训练完成后采集测试数据输入模型进行模型测试，完成样本缺陷检测。本发明的方法通过本方法通过引入小目标特征尺度融合及模糊语义补偿，提升了检测精度与鲁棒性，可以使模型学习真正的缺陷模式，以满足复杂工业场景下的高精度、低误报检测需求。