个人卖家: 月下独酌 创建于:2025-08-25
基于CNN可解释性缺陷检测算法
基于CNN可解释性缺陷检测算法
3699.00
累计销量 0
累计评价 0
评分 ★★★★★
售卖方式详解

请登录后购买。

使用环境 工业质检环境,支持多种产品类型检测,适用于离线及在线检测场景
使用对象 各类工业产品表面缺陷检测,包括但不限于瓶体、电缆、药片、皮革、瓷砖等外观瑕疵
使用目的 实现产品表面缺陷的自动分类与定位,提供可解释检测结果,提升质检透明度和可靠性
输入数据 224×224像素RGB图像,支持多种工业产品类型,包含良好和缺陷样本
输出数据 缺陷分类概率、热力图可视化、缺陷边界框坐标
硬件配置 Intel i7处理器,RTX 3080显卡,16GB内存;500万像素工业相机,均匀光源系统
样本获取 MVTEC异常检测数据集,400张图像,包含良好/异常样本,按80%/20%划分训练测试集
测试结果 在5个子集上平衡准确率81.7%-95.5%,缺陷定位精度达到85%,召回率90%
执行速度 单帧推理时间≤60ms,支持实时检测需求,满足产线在线检测速度
资源消耗 GPU显存占用4-5GB,CPU内存占用3-4GB,支持边缘计算设备部署
源码类型 Python实现,基于VGG16改进,提供完整训练和推理代码,支持可解释性分析
文件大小 完整算法包3.5GB
相关备注 上图为实例检测,可视化解释,提供阈值可调边界框生成
基于CNN可解释性缺陷检测算法 基于CNN可解释性缺陷检测算法 基于CNN可解释性缺陷检测算法
买家 规格或版本 评分 评价 时间