1
neoblackcap 2020-01-14 15:59:06 +08:00
据我了解,这个领域好像还不需要 PyTorch 这些,好多是基于 OpenCV 做的,识别率还行。
|
2
john170502 OP 如果用 OpenCV 的话代码量应该大一点吧,所以好奇有没有用新出来的东西去搞。
|
3
Bryan0Z 2020-01-14 16:08:20 +08:00 via Android
这种东西人工识别准确率不够吧
|
4
Bryan0Z 2020-01-14 16:08:42 +08:00 via Android
* 这种东西人工智能识别准确率不够吧
|
5
byfar 2020-01-14 22:23:35 +08:00
我记得 kaggle 上有过检测钢材缺陷检查的 赛事,Pytorch, ts 都有人提交
https://www.kaggle.com/c/severstal-steel-defect-detection |
6
john170502 OP 看来现在还不成熟啊。。。。
|
7
sivacohan 2020-01-15 09:10:03 +08:00 via iPhone 1
工业上,人工智能检查没有铺开的原因是,一般识别准确率要求最低 99.98%。
在这么高的准确率下,误报(良品识别为残次品)是绝对要避免的。因为出现残次品一般意味着工艺流程、设备、原材料出现了问题。是要停工检查的。经济损失太大了。 所以,目前质检领域主要还是靠 OpenCV 针对某一个特性进行检查。这样试运行发现误报的情况可以迅速改进,如果发现改进不了,项目就下线继续靠人工检查了。 |
8
jaylee4869 2020-01-15 10:47:38 +08:00
我毕业设计也做的模式识别,工具不重要,当年还是用的 MATLAB + BPNN 做的,识别率照样 99%。
|