# tile_defect_detection

**Repository Path**: johnnytang666/tile_defect_detection

## Basic Information

- **Project Name**: tile_defect_detection
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 1
- **Created**: 2024-07-24
- **Last Updated**: 2024-08-11

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 介绍
瓷砖瑕疵检测

数据集下载
```
https://tianchi.aliyun.com/dataset/110088
```
下载数据集放到datasets文件夹中

# 整体思路
- 1. 解决瓷砖外很多黑空间会有异常检查点问题，使用seg分割出瓷砖
  - 1. 压缩图片到64*64
  - 2. 使用labelme对图片进行标注
  - 3. 将json文件转换为yolo格式的txt文件
  - 4. 将数据集分为训练集和验证集
  - 5. 训练模型
- 2. 瑕疵检测
  - 1. 将json文件转换为yolo格式的txt文件 （分类 框中心点x/图片宽 框中心点y/图片高 框宽/图片宽 框高/图片高）
  - 2. 将数据集分为训练集和验证集
  - 3. 训练模型
  - 4. 预测
- 3. UI界面
  - 1. UI上传图片保存本地
  - 2. 使用seg模型找到瓷砖并截取出来
  - 3. 预测方法得到预测结果保存本地
  - 4. 显示预测结果

# 代码
## 1. Seg 图像分割出瓷砖

### 1.图片压缩（不做图片压缩的话，模型效果很差）
将所以图片压缩到64*64，图片从 `dataset/tile_seg_train/images_src `生成到 `dataset/tile_seg_train/images`
```
src/tools/resize_image.py
```

### 2.使用labelme对图片进行标注
将标注保存到`dataset/tile_seg_train/jsons`
```
Labelme --labels tile images
```

#### 3.labelme json -> yolo
将转换yolo格式文件保存到`dataset/tile_seg_train/lables`
```
src/tools/labelme2yolo.py
```

### 4.将数据集分为训练集和验证集
yolo格式文件保存到`dataset/tile_seg/`
```
src/tools/split_dataset.py
```

### 5.训练模型
修改文件`src/seg/train_seg/tile-seg.yaml` 和 `src/seg/train_seg/yolov8n-seg-tile.yaml`， 运行下面代码训练模型
```
src/seg/train_seg/seg_train_tile.py
```

## 2. Detect 瑕疵检测
### 数据预处理
- 1. 运行将json文件转换为yolo格式的txt文件(旧的效果不好)
    ```
    src/tools/json2yolo.py
    ```

- 1. 切图再对应生成yolo格式的txt文件(新)
    ```
    src/tools/slice_image.py
    ```
    对应文件生成到 data/tcdata 文件夹中

- 2. 运行将数据集分为训练集和验证集
    ```
    src/tools/split_dataset.py
    ```
    对应文件生成到 data/tile 文件夹中

### 训练
- 1. 运行训练模型
    ```
    src/train/train.py 
    ```

### 预测
- 2. 运行预测
    ```
    src/predict/predict.py 
    ```

## 3. UI
- 1. 根目目录运行UI
    ```
    streamlit run src/main_ui.py
    ```