基于机器视觉的产品表面缺陷检测关键算法研究 基于机器视觉的产品表面缺陷检测关键算法研究 基于机器视觉的产品表面缺陷检测关键算法研究 基于机器视觉的产品表面缺陷检测关键算法研究 基于机器视觉的产品表面缺陷检测关键算法研究 基于机器视觉的产品表面缺陷检测关键算法研究 基于机器视觉的产品表面缺陷检测关键算法研究 基于机器视觉的产品表面缺陷检测关键算法研究 基于机器视觉的产品表面缺陷检测关键算法研究 基于机器视觉的产品表面缺陷检测关键算法研究 基于机器视觉的产品表面缺陷检测关键算法研究 基于机器视觉的产品表面缺陷检测关键算法研究 基于机器视觉的产品表面缺陷检测关键算法研究 基于机器视觉的产品表面缺陷检测关键算法研究 基于机器视觉的产品表面缺陷检测关键算法研究 基于机器视觉的产品表面缺陷检测关键算法研究 基于机器视觉的产品表面缺陷检测关键算法研究 基于机器视觉的产品表面缺陷检测关键算法研究 基于机器视觉的产品表面缺陷检测关键算法研究 基于机器视觉的产品表面缺陷检测关键算法研究 基于机器视觉的产品表面缺陷检测关键算法研究 基于机器视觉的产品表面缺陷检测关键

PCB板缺陷检测数据集，几百张图像，标签为VOC格式，可以直接使用

1.钢板表面划伤数据集 2.钢板表面孔洞数据集 3.钢板表面焊缝数据集 4.该数据集由铝型材数据集和德国DAGM数据集混合制作，铝型材数据集有10个类别，选择上述三类，德国DAGM数据集也有10个类别，选取其中上述三个类别。 5.部分标签文件手工标注 6.共4282张jpg图片和其对应的4282个xml格式的标签 7.经过整理，直接可以用 8.由于文件有1.67G所以分两次上传 9.第一部分

1.钢板表面划伤数据集 2.钢板表面孔洞数据集 3.钢板表面焊缝数据集 4.该数据集由铝型材数据集和德国DAGM数据集混合制作，铝型材数据集有10个类别，选择上述三类，德国DAGM数据集也有10个类别，选取其中上述三个类别。 5.部分标签文件手工标注 6.共4282张jpg图片和其对应的4282个xml格式的标签 7.经过整理，直接可以用 8.由于文件有1.67G所以分两次上传 9.第二部分

基于MATLAB的工业瑕疵缺陷检测，采用工业板图像作为素材。利用灰度化，二值化，边缘提取，形态学运算等方法，检测并标出出瑕疵所在位置，计算出各个块面积。设计了一个UI界面，显示瑕疵个数和面积等参数。

利用opencv 距离变换函数，进行直线检测，并标记缺陷；并用opencv 函数进行圆检测

总共2300张,划分了458张验证集,包括焊缝共十类缺陷目标

针对齿轮视觉微小缺陷，采用一种基于深度学习算法的Mask R-CNN网络进行检测，并对网络进行相应地优化调整.首先，通过比较5种残差神经网络检测效果，选择resnet-101作为图像共享特征提取网络.然后，剔除特征金子塔网络中对特征图P5进行的不合理的3×3卷积，缺齿检出率指标相应得到提升.最后，为了对候选区域网络进行有效的训练，根据设计的样本标注方案中小范围波动的标注尺寸，设置合适的anchors大小以及宽高比.最终，经过优化的Mask R-CNN网络达到了98.2%缺齿检出率.

基于YOLOV5s模型的轧钢表面缺陷检测 基于YOLOV5s模型的轧钢表面缺陷检测 基于YOLOV5s模型的轧钢表面缺陷检测 基于YOLOV5s模型的轧钢表面缺陷检测 基于YOLOV5s模型的轧钢表面缺陷检测 基于YOLOV5s模型的轧钢表面缺陷检测 基于YOLOV5s模型的轧钢表面缺陷检测 基于YOLOV5s模型的轧钢表面缺陷检测 基于YOLOV5s模型的轧钢表面缺陷检测 基于YOLOV5s模型的轧钢表面缺陷检测 基于YOLOV5s模型的轧钢表面缺陷检测 基于YOLOV5s模型的轧钢表面缺陷检测 基于YOLOV5s模型的轧钢表面缺陷检测 基于YOLOV5s模型的轧钢表面缺陷检测 基于YOLOV5s模型的轧钢表面缺陷检测 基于YOLOV5s模型的轧钢表面缺陷检测 基于YOLOV5s模型的轧钢表面缺陷检测 基于YOLOV5s模型的轧钢表面缺陷检测 基于YOLOV5s模型的轧钢表面缺陷检测 基于YOLOV5s模型的轧钢表面缺陷检测 基于YOLOV5s模型的轧钢表面缺陷检测 基于YOLOV5s模型的轧钢表面缺陷检测 基于YOLOV5s模型的轧钢表面缺陷检测 基于YOLOV5s模型的轧钢表面缺

摘要:本发明涉及人工智能技术领域，具体涉及一种基于人工智能的电缆缺陷检测方法。该方法采集电缆图像以获取电缆区域图像；将电缆区域图像划分为多个电缆子区域，获取每个电缆子区域中像素值为破皮像素值的概率；由概率确认每个电缆子区域中的目标像素值，对目标像素值进行灰度拉伸以得到电缆区域增强图像，对电缆区域增强图像进行阈值分割得到破皮区域。根据概率确认目标像素值，对目标像素值进行灰度拉伸，可以更加有效的对不同区域中的破皮像素点进行拉伸显示，使得针对性更强，破皮缺陷检测更加准确。