个人卖家: 使命而来
基于改进YOLOv5l的印刷品缺陷检测算法
基于改进YOLOv5l的印刷品缺陷检测算法
800.00
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 在印刷生产车间内,环境光照稳定,无强烈反光或阴影干扰。相机与印刷品表面保持适当距离和角度进行拍摄,相机镜头距离印刷品表面约50cm,平行于印刷品表面拍摄。
使用对象 印刷品表面的各类缺陷(卫星墨滴、脏点、漏印、裂痕)
使用目的 准确检测印刷品表面的各类缺陷,以便及时发现并处理,提高印刷品的质量,降低人工成本,提高生产质量管控水平。
输入数据 印刷品表面的图像帧,图像分辨率为640×640像素,以jpg格式存储。
输出数据 缺陷类型(墨滴、脏点、漏印、裂痕等)、缺陷位置坐标(以图像像素坐标表示)、缺陷数量。
硬件配置 CPU:Intel(R)Core(TM)i5-4590 CPU@3.30 GHz GPU:NVIDIA GeForce RTX 2080 Ti 内存:16 GB DDR4,频率3200MHz 摄像头:工业级高分辨率相机,分辨率不低于2048×2048像素,用于拍摄印刷品表面的图像 硬盘:1TB SSD,读写速度快,用于存储大量的图像数据和模型文件 网卡:千兆以太网卡,用于数据传输和远程监控
样本获取 在实际印刷机作业过程中采集印刷品缺陷数据集,由4000张带有标注的印刷缺陷图片组成,包括卫星墨滴、脏点、漏印、破裂等4种印刷品常见缺陷。按9∶1∶1的比例将其划分为训练集(3600张)、验证集(400张)、测试集(400张)。
测试结果 改进YOLOv5l算法的平均精度均值(mAP)达到97.3%,检测速度为44.1frame/s。对测试集400个样本进行检测,平均精度(mAP)为97.3%,精确度为96.5%,检测速度(FPS)达到44.1帧。
执行速度 22.6ms/次
资源消耗 CPU:在4核CPU上,计算占比分别平均约50%、60%、70%、40% GPU:显存占用约6GB,显卡计算占比约80% 内存:使用占比约60%
源码类型 本算法有Python版本源码,可提供授权使用。
文件大小 算法程序文件32K,权重文件32M
相关备注
基于改进YOLOv5l的印刷品缺陷检测算法 基于改进YOLOv5l的印刷品缺陷检测算法 基于改进YOLOv5l的印刷品缺陷检测算法
买家 规格或版本 评分 评价 时间