| 现场环境 |
在船舶制造过程中，使用高分辨率相机（128×128×3）拍摄涂层缺陷图像，相机镜头拍摄，环境光照条件良好。 |
| 使用对象 |
船舶涂层缺陷，包括：针孔涂层、流挂、橘皮、开裂、渗出、起皱、斑点外观、起泡、针孔和分层。 |
| 使用目的 |
通过高精度图像分类技术，识别和分类船舶涂层缺陷，提高涂层质量检测的效率和准确性，减少人工检测的误差，提升船舶制造的整体质量。 |
| 硬件配置 |
CPU：Intel Core i5-11400H（2.70GHz）
GPU：NVIDIA GeForce RTX 3050 Laptop GPU（16.0GB显存）
内存：16.0GB RAM
摄像头：高分辨率相机（128×128×3）
接口：USB 3.0 |
| 硬件兼容 |
无
|
| 软件配置 |
操作系统：Windows 10专业版
依赖库：Python 3.7.4，TensorFlow 2.x，OpenCV 4.x
编译器：RMSProp优化器 |
| 软件兼容 |
无
|
| 输入数据 |
船舶涂层缺陷图像帧，分辨率为128×128×3，格式为JPEG。 |
| 输出数据 |
检测到的涂层缺陷类别（针孔涂层、流挂等），以及对应的置信度分数。 |
| 样本获取 |
在实际船舶制造现场，以不同角度、距离、光照条件下录制视频帧，获取20000帧样本图像，5000帧用于训练集，15000帧用于测试集。 |
| 测试结果 |
对测试集中的15000个样本进行全面测试，失败0次，成功15000次，错误率为0%，对应的成功率为100%。 |
| 执行速度 |
识别速度20ms/次。 |
| 资源消耗 |
CPU：4核，平均占用率约60% GPU：16GB显存，平均占用率约50% 内存：16GB，平均占用率约50% |
| 源码类型 |
Python版本源码 |
| 文件大小 |
算法程序文件32KB，权重文件56MB。 |
| 相关备注 |
本算法基于DCCVAE-ACWGAN-GP模型开发，适用于船舶涂层缺陷的高精度图像分类任务。算法具有高精度、高效率的特点，能够有效提升涂层质量检测的水平。 |
