通过观察表3-2中数据，可以初步认为等直径硅碳棒瑕疵崩边、未磨到和水印三类等直径硅碳棒瑕疵居多，其中含有崩边等直径硅碳棒瑕疵的图片占总收集图片数量的1 /3之多。但是，需要注意，所含等直径硅碳棒瑕疵图片数量并不代表实际训练过程中某一类型的等直径硅碳棒瑕疵数量，具体等直径硅碳棒瑕疵数量需要进一步进行等直径硅碳棒瑕疵标注后进行分析。

        在上一小节中，根据企业内控的等直径硅碳棒瑕疵标准明确了等直径硅碳棒瑕疵分类的标准依据，下面将根据分类依据进行等直径硅碳棒瑕疵标注，应用标注软件对等直径硅碳棒瑕疵部位及等直径硅碳棒位置区域进行标注，最终完成所收集到的1650张等直径硅碳棒瑕疵图片标注。最终标注各类型等直径硅碳棒瑕疵实际标注框数量如图3-4所示。

        通过图3-4可以看出，所标注的检测框中水印类等直径硅碳棒瑕疵达一千余张，但是线痕、晶裂类型等直径硅碳棒瑕疵仅有200张左右。也可以看出等直径硅碳棒瑕疵总数较少，如果直接通过卷积神经网络进行提取可能造成弱化模型检测能力，同时各检测类别间的不平衡也可能会造成过拟合现象。针对小样本的目标检测，可通过迁移学习和基于元学习的方脚进行处理，对于小样本数据，数据增强手段也是较为常用的技术手段，通过扩充数据集的方式，提高模型的鲁棒性与泛化能力。

        在介绍了瑕摘收集系统所采集到的等直径硅碳棒瑕疵数据，并根据实际需求根据不同的检测位置对等直径硅碳棒瑕疵数据集进行了分类，但是在数据采集过程中受限于客观的某些因素，未能按预期计划收集到部分瑕拢的大量等直径硅碳棒瑕疵数据，深度学习模型训练数据集的数量及质量直接关系到最终训练结果的好坏。而基于深度学习的特征提取策略是建立在大量的数据基础之上的，其数据量愈大，理论来讲会越有益于训练优异模型，也就有利于检测效果的提升。故现阶段，针对这个问题，本文中选择对所采集数据进行数据增强处理，来对现有的等直径硅碳棒瑕疵数据做扩充。

        数据增强是指通过一系列技术手段，根据现有等直径硅碳棒瑕疵数据生成等价具有等直径硅碳棒瑕疵的图像，从而扩大数据集规模，提高数据集多样性，增强模型鲁棒性和泛化能力。在跨数据集目标检测应用中，图像增强复原方法作为数据增强方法参与检测模型训练，可以提高提升目标检测精度。因此对于数据增强的方法对数据进行扩增，在实际的工程应用中意义重大。

        由分析可知，不同的数据增强方法对模型的影响也存在不同，各有侧重。针对瓷砖等直径硅碳棒瑕疵。采用指定滑框对现有图片进行上下、左右滑动切片的方式进行增强，该方法对高分辨率体现中的微小等直径硅碳棒瑕疵具有良好的检测效果，但是需要在部署段沿用同样的策略。

        综上所述，下面主要通过图像翻转与旋转增强、对比度增强和随机缩放增强的方式来进行数据增强，通过数据增强的方法扩充数据集，并且兼顾等直径硅碳棒瑕疵数据不平衡问题。

        在进行数据扩增过程中，考虑到等直径硅碳棒瑕疵类别数据的平衡问题，故按照一定的扩增比例进行扩增，使得各个等直径硅碳棒瑕疵种类数量尽可能接近。但是在进行前期试验过程中发现等直径硅碳棒特征容易提取，故对硅棒的检测区域不在进行扩增。同时，在实际的检测过程中，等直径硅碳棒位置即角度相对固定，易于检测，不同于其它等直径硅碳棒瑕疵存在位置及大小的不确定性，只对其它等直径硅碳棒瑕疵进行数据扩增。http://www.guitanbang.net.cn/

• 硅碳棒安装时注意事项
• 等直径硅碳棒型产品规格及参数表
• 硅碳棒型号和规格的选择
• 碳化硅制品核心应用领域
• 硅碳棒为何易断裂
• 硅碳棒在玻璃行业中的使用常识
• 碳化硅保护管生产工艺产品特性及主要用途
• 正确使用硅碳棒经验方法
• 硅碳棒保护管的特色
• 硅碳棒元件的联结方式可串可并
• 硅碳棒的分类及应用介绍
• 硅钼棒表面负荷及升温电压调整