商品的瑕疵、缺陷类型的检测本身就是AI与生产制造也相互结合的爆点，在之前的文章中也有做过这块的项目实践，但是整体的效果并不是很好，主要也跟自己的数据集有很大的关系，这里简单给出前文的链接，如有需要可自行移步阅读即可。
本文的核心目的就是基于公开源数据集开发构建不同类型的YOLOv5检测识别模型，来挖掘在布匹瑕疵检测领域内模型的上限，首先看下效果图：
简单看下数据集：
这里一共开发了三款模型，分别是s系列、m系列已经基于s系列融合CBAM注意力的提升模型，在我前文都有对应的yaml文件，这里就不再赘述了，默认都是100次epoch的迭代计算，结果详细如下：
Batch计算实例：
接下来综合对比分析一下三款模型的性能：
F1值曲线：
精确率曲线：
召回率曲线：
loss曲线：
从评估结果上直观对比来看：融合CBAM注意力后s系列的模型性能有所提升，但整体还是不如m系列的模型，这个本身m系列的模型参数里也是s的几倍，自然是没法比的。