缺陷检测算法

缺陷检测算法
· 技术栈： PyTorch · YOLO系列 · Halcon · C++
· 项目内容：由 YOLO 目标检测模型完成缺陷的定位，输出检测框坐标及置信度，运用 Halcon 后处理算法，对检测结果进行像素级的尺寸筛选、ROI 区域限定、形态学精修，有效降低过杀率。支持整幅大图切块推理与多图拼接合成大图两种成像模式，该架构已成为公司缺陷检测类项目的标准化方案模板，复用于多个客户项目。
· 个人职责：
1. 基于YOLO模型改进设计适配小目标检测的模型，可实现在1024*1024分辨率的图中准确抓取最小2*2分辨率的异物。
2. 设计大图切分检测框架，将原图切分为多张小图分块送检并保留各块偏移量，通过仿射变换与区域合并将分区结果还原至全图，兼顾大图分辨率与异物召回率。
3. 开发多频段金字塔融合算法，采用椭圆权重图逐层加权重建；并对拼接过程做局部形变与 ROI 流式累加、金字塔层整数对齐、内容包围盒分层重建等优化，在 16 位无损精度下大幅降低内存占用与运算量。
4. 设计异物尺寸精修算法，在检测框局部邻域内做动态阈值二次分割并与检测框尺寸比对择优，还原异物真实轮廓，实现 0.1mm 级异物判定。
5. 开发 Halcon 与 AI 推理服务的 Socket 通信模块，完成图像发送与检测框/类别/置信度回传解析，实现算法与YOLO 模型的解耦部署。