深度学习-54-AI应用实战之基于Yolo8的钢材表面缺陷检测
文章目录
- 1 数据集
-
- 1.1 下载数据
- 1.2 数据类别
- 1.3 可视化
-
- 1.3.1 crazing裂纹
- 1.3.2 inclusion内含物
- 1.3.3 patches斑块
- 1.3.4 pitted点蚀表面
- 1.3.5 rolled-in轧制氧化皮
- 1.3.6 scratches划痕
- 2 训练过程
-
- 2.1 数据集配置文件data.yaml
- 2.2 从头开始训练模型
-
- 2.2.1 训练
- 2.2.2 验证
- 2.3 基于预训练模型
-
- 2.3.1 训练
- 2.3.2 验证
- 2.4 训练结果评估
- 3 预测
-
- 3.1 观察样本
- 3.2 预测结果
- 3.3 观察输出
- 4 参考附录
1 数据集
钢材表面缺陷检测对于保障产品质量、延长使用寿命以及防止潜在的安全风险至关重要。在金属加工和制造业中，及时且准确地检测出表面缺陷，可以避免不合格产品流入市场，从而确保结构的完整性和可靠性，以及产品的美观性和性能标准。此外，缺陷检测能够帮助制造厂商降低废品率，提高材料的利用率，减少经济损失。
1.1 下载数据
NEU-DET.rar数据集下载提取码ypwa
(1)下载的文件目录如下所示，包含三个目录和一个data.yaml的配置文件。
(2)查看三个文件夹中的一个文件train。
(3)查看图片文件images，jpg。