Spaces:
Running
Running
Update README.md
Browse files
README.md
CHANGED
@@ -1,6 +1,6 @@
|
|
1 |
---
|
2 |
title: Defect Detection
|
3 |
-
emoji:
|
4 |
colorFrom: indigo
|
5 |
colorTo: green
|
6 |
sdk: gradio
|
@@ -9,5 +9,9 @@ app_file: app.py
|
|
9 |
pinned: false
|
10 |
license: mit
|
11 |
---
|
|
|
|
|
12 |
|
13 |
-
|
|
|
|
|
|
1 |
---
|
2 |
title: Defect Detection
|
3 |
+
emoji: 🏆
|
4 |
colorFrom: indigo
|
5 |
colorTo: green
|
6 |
sdk: gradio
|
|
|
9 |
pinned: false
|
10 |
license: mit
|
11 |
---
|
12 |
+
# 基于改进YOLOv8算法的工业瑕疵辅助检测系统
|
13 |
+
传统的工业缺陷瑕疵检测主要依赖于人工目检或使用简单的机器视觉系统,但这些方法存在效率低、准确率低、劳动强度大、易受人为因素影响等问题。单人开发一款基于改进YOLOv8算法的PCB缺陷辅助检测系统,项目提出了一种改进的YOLOv8算法,首先提出一种残差注意力机制,即带有残差连接的CBAM注意力机制ResCBAM,并在YOLOv8模型的头部添加,提高模型提取特征能力的同时防止模型过拟合。并使用GhostConv来替换主干中的普通卷积在保证性能的同时使模型更加轻量化。同时引入WIOU损失函数来代替原有的CIOU损失函数,来避免小目标对损失函数影响过大的问题以及缓解数据集类别不平衡的问题。通过实验结果表明与原始YOLOv8模型相比,所提出的改进YOLOv8模型在公开的NEU-DET数据集上的Precision, F1score, mAP50分别提高了5.6%, 3.1%, 1.5%。(详细可查看代码开源网址),其中mAP50为79.2%,达到了state-of-the-art(SOTA)水平,显著提升了检测精度与效率,对保障产品质量、降低生产成本具有重要意义。还将模型部署到了WEB端,用户可以访问网页来上传图片或者拍照进行检测,并可以将结果保存。
|
14 |
|
15 |
+
代码开源地址:https://github.com/LZY-233/yolov8_Imporved-Defect_detection
|
16 |
+
|
17 |
+
Check out the configuration reference at https://huggingface.co/docs/hub/spaces-config-reference
|