Project File · 个人
工业表面缺陷检测系统
基于 NEU-DET 与 YOLOv8 的钢材表面缺陷定位识别，支持可视化与 ONNX 推理对齐。
- Period
- Type
- 个人项目
- Stack
- YOLOv8
- PyTorch
- OpenCV
- ONNX
项目简介
基于 NEU-DET 工业缺陷数据集构建钢材表面缺陷检测系统，对裂纹、夹杂、斑块等多类别缺陷进行自动定位与识别，用于工业质检场景的辅助检测。
核心实现
- 检测模型：使用 YOLOv8 与 PyTorch 搭建工业视觉目标检测模型，完成钢材表面多类别缺陷识别。
- 数据增强：对 NEU-DET 图像进行翻转、旋转和颜色扰动，配合 OpenCV、Albumentations 完成数据处理。
- 结果分析：实现预测结果可视化，分析 loss、mAP 等训练曲线，支持模型效果评估。
- 模型导出：编写自动化导出脚本，通过抽检验证集，对齐 PyTorch 与 ONNX Runtime 的推理结果。
- 开发环境：在 Linux（WSL Ubuntu）中完成数据组织、训练、调试、推理与模型管理。
验证结果
- 验证集 mAP@0.5 ≈ 0.80。
- 验证集 Recall 为 0.83。
技术栈
PyTorch、YOLOv8、OpenCV、NumPy、Albumentations、ONNX Runtime、Linux（WSL Ubuntu）、Matplotlib。