使用 YOLO 检测和分类图像中的劣质产品
计算机视觉与模式识别
2024-12-24 v1
摘要
随着工业自动化的不断发展，产品质量检查在制造过程中的重要性日益凸显。传统的检查方法往往依赖人工检查或简单的数字视觉技术，存在效率低和准确性不足的问题。近年来，深度学习技术，特别是YOLO（You Only Look Once）算法，因其高效的实时检测能力和出色的分类性能，在产品缺陷检测领域成为突出的解决方案。本研究旨在使用YOLO算法检测和分类产品图像。通过构建和训练YOLO模型，我们在多个工业产品数据集上进行了实验。结果表明，该方法能够在保持高检测准确率的同时实现实时检测，显著提高了产品质量检查的效率和准确性。本文进一步分析了YOLO算法在实际应用中的优势和局限性，并探讨了未来的研究方向。
引用
@article{arxiv.2412.16935,
title = {Detecting and Classifying Defective Products in Images Using YOLO},
author = {Zhen Qi and Liwei Ding and Xiangtian Li and Jiacheng Hu and Bin Lyu and Ao Xiang},
journal= {arXiv preprint arXiv:2412.16935},
year = {2024}
}