추상: 산업 제조 분야에서 정보 기술을 심층적으로 적용함으로써 산업 제조의 빅 데이터에 대한 연구는 지능형 제조를 실현하고 정부가 제조 기업의 변화와 업그레이드를 안내하는 데 도움이되는 중요한 기준이되고 있습니다. 전통적인 철강, 알루미늄 및 기타 금속 제조 산업에서는 광범위한 생산 모드 및 간단한 생산 공정과 같은 문제가 있습니다. 따라서 인공 지능과 같은 차세대 정보 기술을 사용하여 생산 공정을 개선하고 생산 효율성을 향상시키는 것이 시급합니다. 알루미늄을 사용하는 경우 표면을 검사해야 합니다. 기존의 알루미늄 표면 결함 검출은 기존의 수동 육안 검사에 의해 제한되거나, 매우 힘들거나, 또는 기존의 머신 비전 알고리즘에 기초하여, 인식률이 높지 않으며, 일반적으로 정확하게 표면 결함을 적시에 확인할 수 없다. 이러한 문제를 해결하기 위해 컨볼루션 신경망과 YOLOv3는 두 개의 표적 검출 알고리즘에 의해 생성된 알루미늄 결함 데이터 세트를 감지하는 데 사용됩니다. 이어서 YOLOv3 알고리즘에 기초하여 알루미늄 표면에 대한 작은 결함의 검출 효과를 개선하기 위해 개선되었습니다. 광동산업지능 빅데이터 혁신 공모전이 제공한 '알루미늄 프로파일 결함 인식' 데이터 세트에 대한 실험검증이 수행되었다. 실험 결과, 개선된 알고리즘의 평균 정밀도(mAP)는 YOLOv3 알고리즘보다 3.4%, 빠른 R-CNN 알고리즘보다 1.8% 높은 것으로 나타났습니다.
