每日 Arxiv

本页面整理了世界各地发表的人工智能相关论文。
本页面使用 Google Gemini 汇总而成，并以非盈利为基础运营。
论文版权归作者及相关机构所有，分享时请注明出处。

基于YOLO的金属板缺陷检测

Created by
  • Haebom

作者

周博恒、王春吉、毛伟龙

基于YOLO的自动缺陷检测深度学习模型

大纲

本文提出了一种基于YOLO深度学习模型的自动缺陷检测系统，以解决工业制造中耗时耗力的任务。我们使用金属板图像数据集训练YOLO模型来检测金属板表面和孔洞的缺陷。为了解决数据不足的问题，我们使用ConSinGAN生成数据，并使用四个YOLO模型（YOLOv3、v4、v7和v9）对其进行扩充。所提出的YOLOv9模型与ConSinGAN相结合，其性能优于其他YOLO模型（准确率高达91.3%，检测时间为146毫秒）。该系统被集成到制造硬件和SCADA系统中，构建了一个实用的自动光学检测（AOI）系统。此外，所提出的自动缺陷检测方法可以轻松应用于工业制造中的其他组件。

Takeaways, Limitations

•
Takeaways：
◦
结合YOLO模型和ConSinGAN提高金属板缺陷检测的精度和效率。
◦
通过构建实用的AOI系统，展示可应用于工业现场的技术。
◦
证明了所提出方法的可扩展性，表明其适用于各个工业领域。
•
Limitations：
◦
实验仅限于金属板图像数据，需要验证其他材料和缺陷类型的泛化性能。
◦
使用ConSinGAN生成数据时，可能无法完美地反映实际缺陷的多样性。
◦
缺乏有关特定硬件和 SCADA 系统实施的详细信息。
👍
Made with Slashpage