Detecção de defeitos na fabricação têxtil utilizando YOLO V5

Abstract

ABSTRACT: Due to the manual identification of textile defects still nowadays, it is necessary to find methods to detect defects in an automated and efficient way. Hence, this work applies YOLOv5 model in the AITEX dataset, using an object detection approach to locate and identify defects, evaluating different object annotation and image data augmentation techniques. Reaching a 60,12% mAP@0,5:0,95 and another great results, it is concluded that YOLOv5 handled very well another context with distinct objects from the pre-training, overcoming related works done upon AITEX and another databases. Annotations using Bounding Boxes allowed greater learning quality and recognition of defects, even with different shapes and sizes, and at last, the improvements made to the database and the data augmentation techniques combination of dataset and model boosted its performance in model’s state-of-the-art.

RESUMO: Devido à identificação de defeitos têxteis ainda ser feita comumente de forma manual nos dias atuais, se faz necessário encontrar meios de detectá-los de forma automatizada e eficiente. Para isso, este trabalho se propõe a aplicar o modelo YOLOv5 na base de dados AITEX, usando a detecção de objetos para localizar e identificar defeitos, avaliando diferentes técnicas de anotação de objetos e data augmentation. Com um mAP@0,5:0,95 de 60,12% e outros excelentes resultados obtidos, foi observado que o YOLOv5 adaptou-se muito bem a outro contexto com objetos distintos do pré-treinamento, superando outros trabalhos que realizaram trabalhos similares na base AITEX e em outras bases. As anotações com Bounding Boxes se destacaram, permitindo um aprendizado com maior qualidade e reconhecimento dos defeitos, mesmo com diferentes formas e tamanhos, e por fim, as melhorias realizadas na base de dados e a combinação das técnicas de data augmentation da base e do modelo potencializam o desempenho em seu estado da arte.