摘要
[目的]应用半自动标注技术和轻量级目标检测模型,实现烟丝异物实时检测模型的快速开发和落地应用.[方法]在少量标注的样本上使用picodet-s-320训练基础模型,基于该模型生成对剩余数据样本的预测标注,人工矫正预测标注结果后,使用picodet-1-640训练基于全量数据的最终应用模型.[结果]数据标注效率提升223％,迭代周期缩短到1 d,训练模型mAPIoU=0.5达到1.000,测试集上漏检率为0％、误检率0.3％,部署模型推理速度提高291％,试运行期间无漏检,多检误报控制在0.23次/批.[结论]采用基于PP-PicoDet的半自动标注技术,大幅缩短算法的开发和迭代周期,模型的预测速度、精度、通用性好,可实现制丝工序烟丝异物的实时检测处置.
基金项目
福建中烟科技项目(FJZYJH2021ZD032)
维普
万方数据