| 现场环境 |
在汽车尾气处理装置（三元催化器）的生产过程中，用于检测圆柱形蜂窝陶瓷的表面缺陷，如侧面裂缝、磨损、划痕. |
| 使用对象 |
圆柱形蜂窝陶瓷：检测其表面的缺陷，特别是细小的裂缝缺陷。 |
| 使用目的 |
提高检测精度：通过改进YOLOv8n算法，提高对蜂窝陶瓷表面缺陷的检测精度，特别是对小目标缺陷的识别能力。 模型轻量化：减少模型的参数量和计算量，使其更适合 |
| 硬件配置 |
CPU：Intel(R) Xeon(R) Gold 6230R @2.10GHz
GPU：NVIDIA RTX 3090 24G
内存：至少16GB RAM |
| 硬件兼容 |
无
|
| 软件配置 |
操作系统：Windows 11
依赖库：PyTorch
编译器：Python |
| 软件兼容 |
无
|
| 输入数据 |
图像数据：圆柱形蜂窝陶瓷的RGB图像标注数据：缺陷的标注信息，用于训练和验证模型 |
| 输出数据 |
缺陷类型：检测到的缺陷类型（侧面裂缝、磨损、划痕等） 缺陷位置：缺陷在图像中的位置坐标 检测结果：是否检测到缺陷（是/否） |
| 样本获取 |
使用1230张圆柱形蜂窝陶瓷图像，通过数据增强（如旋转、翻转、随机裁剪、直方图均衡化）扩充至3200张。 训练集/验证集/测试集：比例为8:1:1 |
| 测试结果 |
平均精度均值（mAP）：97.1%
参数量：2966337
模型大小：9.1MB
推理速度：270 FPS |
| 执行速度 |
推理速度：270 FPS |
| 资源消耗 |
CPU占用率：在训练过程中，CPU占用率约为60%。 内存占用：在训练过程中，内存占用约为50%。 |
| 源码类型 |
Python版本 |
| 文件大小 |
算法程序文件24KB，权重文件12MB。 |
| 相关备注 |
无 |
