基于AidLux+Yolov8，实现安卓手机检测纺织物瑕疵
文章目录
- ●项目名称
- ●项目简介
- ●预期效果
- ●操作流程
- 1 .纺织数据下载
- 2 .数据集标签格式转换
- 3 .YOLOv8下载
- 4. 数据集配置
- 5.模型选择
- 6.验证模型
- 7.预测模型
- 8.预测结果展示
- 9. tflite模型导出
- 10. 基于aidlux在小米6上部署模型
●项目名称
基于AidLux+Yolov8，实现安卓手机检测纺织物瑕疵
●项目简介
纺织品质量是纺织品生产企业生存的命脉。其中纺织产品在生产过程中缺陷存在尺度较小、种类繁多等难点，传统人工检测依靠肉眼寻找纺织产品缺陷易导致眼睛疲劳、劳动强度大、主观性强、漏检程度高等不足，基于深度学习的目标检测算法则可以节省大量劳动力，本文主要介绍如何基于YOLOV8和Aidlux平台实现纺织品缺陷检测的案例流程。
●预期效果
本项目使用利用安装AidLux的安卓手机实现，设备型号小米6，骁龙835，6+128。
在纺织产品生产过程中，会出现各种微小瑕疵，通过YOLOv8自动检测缺陷能够节约大量劳动力和时间成本。本项目可读取图片、视频、调用手机后置摄像头检测布匹瑕疵。
对于开发者而言，AI项目中各种算法的数据集准备+模型训练+模型部署依然存在着不小的难度。AidLux的出现，可以将我们的安卓设备以非虚拟的形式变成同时拥有Android和Linux系统环境的边缘计算设备，支持主流AI框架，非常易于部署，还有专门的接口调度算力资源，极大地降低了AI应用落地门槛。
●操作流程
1 .纺织数据下载
数据集来自天池平台比赛提供的布匹瑕疵检测数据集，有需要的同学可自行下载，数据集共有30个类别，合并一些比较接近的瑕疵后，共有24个类别。
数据集示意图如下：
2 .数据集标签格式转换
数据集标签格式如下，为了能够通过YOLOv8算法训练，需要将其转换为coco格式的数据集，这里借鉴了博客yolov5训练布匹检测时使用的脚本。
3 .YOLOv8下载
点击下载YOLOv8代码，建议重新建个虚拟环境。执行以下代码进行环境配置。执行完成后，请检差pyotrch是否是gpu版本，以便训练。
pip install -r requirements.txt
pip install ultralytics
4. 数据集配置
在ultralytics的datasets文件夹下，新建bupi.yaml文件，内容如下，nc是缺陷类别数，names存放类别名称，建议改为英文，否则保存的一些图表不能显示中文。
5.模型选择
在ultralytics/models/v8/目录下是模型的配置文件，这边提供s、m、l、x版本，逐渐增大（模型网络侧深度和宽度逐渐增大），把nc改成布匹类别数24。
6.验证模型
yolo task=detect mode=val model=runs/detect/train3/weights/best.pt data=datasets/bupidata.yaml device=0
7.预测模型
yolo task=detect mode=predict model=runs/detect/train1/weights/best.pt source=data/images device=0
8.预测结果展示
9. tflite模型导出
由于需要在小米6上实现aidlux检测，需要将pt格式模型转换成tflite格式模型
,yolov8已经内置了导出脚本，可以通过以下命令轻松完成模型转换。
yolo task=detect mode=export model=runs/detect/train1/weights/best.pt format=tflite
10. 基于aidlux在小米6上部署模型
首先需要通过vscode远程连接手机，方便我们远程连接手机进行开发。
具体的部署代码基本上是在之前参加aidlux无人机巡检训练营基础上增加了一些显示效果。
运行app_main.py，即可进行检测，检测效果如下。
视频检测效果如下
基于AidLux+Yolov8，实现安卓手机检测纺织物瑕疵
对AidLux感兴趣的同学，这里有一份AidLux相关训练营课程、交流群、新版本、活动等资源汇总！可以点击链接查看AidLux相关训练营课程、交流群、新版本、活动等资源汇总！
基于AidLux+Yolov8，实现安卓手机检测纺织物瑕疵相关推荐
- 基于AidLux+YOLOv5s-DA的路面缺陷检测系统
目录 一.项目简介 二.预期效果 三.操作流程 1.yolov5 环境部署与训练 1.1 Yolov5代码下载 1.2 安装Pycharm+Conda+Python 1.3 环境配置 1.4 ...
- 微信公众号抓取 所需环境及部分业务代码(基于windows 系统 和 安卓手机)①
微信公众号抓取所需环境(基于windows 系统 和 安卓手机) 手机 2.Java 环境 3,安卓环境 4.appium 5.anyprxy 6.python环境7.nodejs PC环境搭建: J ...
- 基于小米NOTE的安卓手机刷nethunter通用包的教程
基于小米NOTE的安卓手机刷nethunter通用包的教程 前言 概述 最后展示一下相关的画面: 前言 随着安卓平台的发展和kali官方的支持,安卓手机安装体验kail linux变得越来越好了.安卓 ...
- 基于Xposed框架截取安卓手机应用数据信息
首先介绍的是Xposed只是一个安卓手机的框架,并不具有任何功能,为了实现个人的需求,我们需要自己编写模块加入到这个框架中去.现如今比较主流的Xposed框架包括微信运动步数的作弊模块.微信的虚拟位置 ...
- 基于深度学习的安卓恶意应用检测----------android manfest.xml + run time opcode, use 深度置信网络（DBN）...
基于深度学习的安卓恶意应用检测 from:http://www.xml-data.org/JSJYY/2017-6-1650.htm 苏志达, 祝跃飞, 刘龙 摘要: 针对传统安卓恶意程序检测 ...
- 在安卓手机上运用AidLux实现人流检测数据统计
目录 第一章 关于AidLux介绍,安装和远程调试 第一节 AidLux介绍 第二节 手机版本AidLux软件安装 第三节 使用vscode进行PC端远程调试AidLux 第二章 ⼈体检测模型的训练和 ...
- 基于yolov5的Android版本目标检测app开发（部署安卓手机）
基于yolov5的Android版本目标检测app开发(部署安卓手机) 0.项目开发需求 (1)开发app部署到安卓手机 (2)支持VOC数据集上所有的目标检测 1.开发环境搭建 windows10+ ...
- 使用安装AidLux的安卓手机，部署落地智慧社区AI应用
<使用安装AidLux的安卓手机,部署落地智慧社区AI应用> 1. 引言 2. 智慧社区场景1:高空抛物检测 2.1 高空抛物场景的背景 2.2 算法设计 2.3 算法实现 2.3.1 去 ...
- 基于安卓手机的辅助驾驶APP开发
目录结构: 1.项目介绍 2.网络设计 3.数据采集 4.APP开发 5.APP下载 6.效果展示 1.项目介绍: 该项目主要在于探索是否能在通用的安卓手机上实现一个辅助驾驶功 ...
最新文章
- 【黑金原创教程】【FPGA那些事儿-驱动篇I 】实验二十七：TFT模块 - 显示
- Java分析股票涨跌走势
- Query意图分析：记一次完整的机器学习过程（scikit learn library学习笔记）
- 女朋友天天气我怎么办_关于我的天气很奇怪
- 数据结构课上笔记11
- [译]git revert
- 怎么看表_干货 | 剪力墙、柱、板配筋率到底怎么算？
- mysqldump 忽略视图_Mysql备份迁移——Mysqldump（.NET调用Mysqldump.exe方式）——（解决视图嵌视图报错）...
- 八大节点十大集群：产业链企业纷纷加码“东数西算”
- Django 模板标签 换行导致异常的处理 linebreaksbr
- 搜狐校园“情感分析×推荐排序“算法大赛 AutoX方案 转载poteman
- python中pip下载过慢问题
- 嵌入式 AXD调试经验，使用及问题
- Android基于WIFI实现电脑和手机间数据传输的技术方案研究
- 大数据时代的小数字感：数据再有价值，别人听不懂照样没用
- 3月16日----3月20日一年级课程表
- VB通过洗牌算法生成随机数ID
- 不服就GAN：GAN网络生成 cifar10 的图片实例（keras 详细实现步骤），GAN 的训练的各种技巧总结，GAN的注意事项和大坑汇总
- matlab根据根求多项式,matlab求解多项式的根
- arcgis地图开发测面、测距、定位小工具