| 使用环境 |
在工业生产环境中，对生产线上的产品进行表面缺陷检测。使用高清摄像头采集产品表面图像，摄像头安装在固定位置，距离产品表面约30cm，以垂直角度拍摄，环境光线充足且稳定，无明显阴影干扰。 |
| 使用对象 |
金属表面、布料表面、陶瓷表面等工业产品表面的裂纹、划痕、暗斑、不平整缺陷。 |
| 使用目的 |
通过生成多样化的缺陷图像扩充训练数据集，提高缺陷检测模型的准确性和泛化能力，降低实际生产中缺陷样本获取成本，提升缺陷检测效率和质量。 |
| 输入数据 |
高清摄像头采集的产品表面RGB图像帧，分辨率为1920×1080像素。 |
| 输出数据 |
生成的缺陷图像，包含缺陷类别、位置、形态等信息，可用于缺陷检测模型的训练。 |
| 硬件配置 |
CPU：Intel Core i7-10700，8核心16线程，主频2.9GHz，睿频5.0GHz。
GPU：NVIDIA GeForce RTX 3060，CUDA核心数3584个，显存容量12GB。
内存：16GB DDR4 3200MHz。
硬盘：512GB NVMe SSD。
摄像头：索尼A6400，2420万像素，支持1080p视频拍摄。 |
| 样本获取 |
在实际工业生产现场，从不同角度、不同时间段采集产品表面图像，共获取10000张样本图像，其中3000张用于训练集，7000张用于测试集。 |
| 测试结果 |
对测试集7000个样本进行测试，成功6990次，失败10次，错误率约为0.14%，对应成功率约为99.86%。 |
| 执行速度 |
图像生成速度约为100ms/次。 |
| 资源消耗 |
单独运行算法时，CPU平均计算占比约70%，GPU平均计算占比约80%，内存使用占比约60%。 |
| 源码类型 |
提供Python版本源码，采用售卖方式三进行授权。 |
| 文件大小 |
算法程序文件约为50KB，权重文件约为300MB。 |
| 相关备注 |
|
