暑期实训21组第一周个人工作总结

2022.6.21

参加暑期实训开题会议

• 下午13：30，参加由队长主持的队内的第一次全体线上会议，主要明确项目的内容、要点、技术、人员、分工等问题；
• 下午15：00，参加由英特尔的指导老师主持的答疑会，主要介绍了项目的专业内容、难点以及对我们的期望，并对我们的疑问做了悉心的回答。
• 晚上19：30，参加组内第一次线下全体会议，主要确定分工问题，并明确了项目的第一个里程碑；本人负责阅读工业品缺陷检测相关论文，结合论文内容为算法优化提出针对性的意见。

2022.6.22

• 阅读论文：《工业品缺陷检测方法——综述》，阅读进度为50%。该论文主要对工业品缺陷检测的相关方法进行了概要性的阐述，比如传统的基于特征的机器视觉算法（基于纹理特征、基于颜色特征、基于形状特征）、基于深度学习的检测方法（监督方法、无监督方法、弱监督方法）以及缺陷检测可能遇到的关键问题（实时问题、小样本问题、小目标问题、数据不均衡问题）。论文链接https://www.mdpi.com/2076-3417/11/16/7657
• 通过阅读该论文，结合查询资料，使我对工业品缺陷检测以及相关的深度学习的方法有了基础的了解，相当于让本不熟悉深度学习的我入了门。
• 晚上19：30，参加线上组会，主要内容为汇报第一天的工作进度，判断分工是否合理，以及能否在里程碑前完成各自的任务。

2022.6.23

• 将论文《工业品缺陷检测方法——综述》阅读完，并对深度学习和目标检测算法有了初步的了解。
• 因队内未来考虑使用yolo进行目标检测，以提高检测精度，所以我在知网上找到一篇名为《智能装配中基于YOLO v3的工业零件识别算法研究》的论文，并通过阅读论文，试图发现一些yolo的优化方法，为之后yolo的使用和优化奠定基础、提供优化方法。论文链接为https://kns.cnki.net/kcms/detail/detail.aspx?dbcode=CJFD&dbname=CJFDLAST2020&filename=GDZJ202010008&uniplatform=NZKPT&v=8PhFCQeAVyTWony9qymh2xyXKaUZFS2BpcRIiVbibehPK7wkPpin_hoVHs5aw8Tz

2022.6.24

• 将论文《智能装配中基于YOLO v3的工业零件识别算法研究》阅读完，了解了YOLO v3改进的方法：使用k-means算法重新聚类预选框的参数,残差网络来减少网络的参数,结合多尺度方法、采用Mish激活函数提高精确度,使其更适合工业零件的小目标分类检测。最终的实验结果表明与原有的YOLO v3算法对比,使用改进后的网络模型具有良好的鲁棒性,准确率提高了1.52%,时间提高了7.25 ms,实现精确实时地检测出智能装配系统中的零件种类。

2022.6.25

• 结合论文所介绍，主要学习了激活函数的相关知识，包括激活函数的定义、作用、常用的激活函数（Sigmoid、Tanh、Relu、Mish）、激活函数的公式以及图像，重点学习了Mish激活函数，阅读了创造Mish函数的原论文。了解到YOLO v3采用的是改进的Relu激活函数，而改为使用Mish可以提高准确性，缩短识别时间。Mish原论文的链接地址：https://arxiv.org/vc/arxiv/papers/1908/1908.08681v1.pdf
• 尝试使用Mish函数对YOLO v3进行优化
• 晚上19：30，参加组会，会议内容主要是各小组汇报各自一周的工作。我制作了PPT，详细介绍了YOLO v3的优化方法，以及Mish函数的相关内容。