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。