工业缺陷检测项目实战(二)——基于深度学习框架yolov5的钢铁表面缺陷检测

基于深度学习框架yolov5-6.0的钢铁表面缺陷检测

首先说明：
我做这个的主要目的，是利用opencv4.5.0的C++代码，加载深度学习模型框架进行检测识别。也就是说，在yolov5训练完后，用C++部署训练好的权重和 络模型，然后进行检测。这个过程，遇到特别多的坑，这里要给大家一一列出来，也防止我以后自己忘记哈哈哈哈。。。。
注意，方法适用于版本是最新的6.0版本

一. yolov5的模型学习
这里直接参考大佬们讲解，向大佬学习：
Yolov5 系列1— Yolo发展史以及Yolov5模型详解.
Yolov5 模型详解.

二. yolov5的训练过程
1.yolov5下载
https://github.com/ultralytics/yolov5
文件内容：

(2) valid:

接着运行

等待训练完成。

训练完成之后，会在runs文件夹生成train/exp文件夹，里面是这样：

因为机器视觉开发企业都要求C++，所以我用C++去读取best.pt获取识别结果。
需要代码请私聊

Cmake编译，记得有关加载文件的路径都要改。
此外，使用的时候，要更改下面四个地方:
(1) best文件的位置，即参数modelFile

目前，已经将算法封装为一个界面识别系统：
链接: 钢材缺陷检测系统-ui界面

文章知识点与官方知识档案匹配，可进一步学习相关知识算法技能树首页概览35188 人正在系统学习中