一个半小时完成一个目标检测任务——基于CooVally的热轧钢带表面缺陷检测

目前,中国正在大力发展新型工业,推动工业信息化、智能化建设。在钢铁制造的工艺流程,对于生产的钢带也提出了较高的质量管控需求,因此,对钢板表面进行缺陷检测是一项重要的任务。

通常,钢带表面缺陷主要以水印、裂口、边部硌印为主。当前工厂现有的检测方式多为人工检测,一般的目视检测,常会造成一些如:检测精度差、人工效率低等问题;而且对人体健康也有一定的损害。

所以综合以上,决定尝试使用CooVally对东北大学热轧钢带数据集中的6类表面缺陷进行检测(目标检测任务),初次训练mAP便达到了0.7094。

首先介绍一下这6类表面缺陷的类型与外观特征吧:

一个半小时完成一个目标检测任务——基于CooVally的热轧钢带表面缺陷检测_第1张图片

一个半小时完成一个目标检测任务——基于CooVally的热轧钢带表面缺陷检测_第2张图片

图:实验采用的数据集样本

接下来,我们进入CooVally进行了一次简单的数据集训练。

一个半小时完成一个目标检测任务——基于CooVally的热轧钢带表面缺陷检测_第3张图片

相信大家也很期待训练结束后的数据情况,那么我们便直接展示结果吧!

根据结果页面可以看到初次训练的一个参数设置,总共10次实验,每次实验迭代了30次,然后并发执行3次,本次实验采用的模型是RetinaNet。

一个半小时完成一个目标检测任务——基于CooVally的热轧钢带表面缺陷检测_第4张图片

图:CooVally实验项目概览页面

在实验详情中我们可以看到完成本次实验共计花费了1小时24分53秒,此外还可以浏览训练耗时、训练损失还有默认指标等具体信息。在训练损失中,可以看到实验中的损失呈现出一条越来越接近于X轴的水平直线,也就代表训练的结果越来越好。

一个半小时完成一个目标检测任务——基于CooVally的热轧钢带表面缺陷检测_第5张图片

图:10次实验训练损失

来到训练列表,会发现每次实验的时间有的差别比较大。这是为什么呢?

因为每一位AI工程师的时间和资源都很宝贵,而平台在训练时,发现训练结果不是特别理想便会自动终止此次实验,以免浪费过多的时间与资源,还是很人性化的。在这仅10次的训练中,mAP最高达到了0.7094。

一个半小时完成一个目标检测任务——基于CooVally的热轧钢带表面缺陷检测_第6张图片

图:最好实验结果训练信息展示

一个半小时完成一个目标检测任务——基于CooVally的热轧钢带表面缺陷检测_第7张图片

图:10次实验结果展示

所以,赶紧来CooVally试试吧!

中奥智能工业研究院icon-default.png?t=M276https://www.sinoaus.net/CoovallyHome

CooVally不仅内置了多种模型类型,而且还可以帮助用户快速筛选可用的AI模型,使用户不必浪费过多的时间在模型筛选上。

参考文章:

1.寇旭鹏,刘帅君,麻之润.基于Faster-RCNN的钢带缺陷检测方法[J].中国冶金,2021,31(04):77-83.DOI:10.13228/j.boyuan.issn1006-9356.20200506.

2. https://www.jianshu.com/p/2121f7d5e

你可能感兴趣的:(人工智能,ai,深度学习,目标检测,目标跟踪)