26年WP电子信息工程基于Yolov5的钢材表面缺陷检测方法研究-AI(20417字).docx

下载本文档

阅读 0
格式 docx
大小 5.02 MB
约48页
2026-06-26
收藏
评论
点赞(0)
海报
举报

26年WP电子信息工程基于Yolov5的钢材表面缺陷检测方法研究-AI(20417字).docx_第1页

1/48页

26年WP电子信息工程基于Yolov5的钢材表面缺陷检测方法研究-AI(20417字).docx_第2页

2/48页

26年WP电子信息工程基于Yolov5的钢材表面缺陷检测方法研究-AI(20417字).docx_第3页

3/48页

26年WP电子信息工程基于Yolov5的钢材表面缺陷检测方法研究-AI(20417字).docx_第4页

4/48页

26年WP电子信息工程基于Yolov5的钢材表面缺陷检测方法研究-AI(20417字).docx_第5页

5/48页

26年WP电子信息工程基于Yolov5的钢材表面缺陷检测方法研究-AI(20417字).docx_第6页

6/48页

26年WP电子信息工程基于Yolov5的钢材表面缺陷检测方法研究-AI(20417字).docx_第7页

7/48页

26年WP电子信息工程基于Yolov5的钢材表面缺陷检测方法研究-AI(20417字).docx_第8页

8/48页

26年WP电子信息工程基于Yolov5的钢材表面缺陷检测方法研究-AI(20417字).docx_第9页

9/48页

26年WP电子信息工程基于Yolov5的钢材表面缺陷检测方法研究-AI(20417字).docx_第10页

10/48页

在线预览已结束，请下载后查看完整版，加入VIP享文档下载特权

/48

文本预览下载提示常见问题

哈尔滨理工大学学士学位论文 - I -基于 YOLOv5 的钢材表面缺陷检测方法的研究摘要钢材是现代工业中很基础的材料，在建筑、机械、交通和航空航天等领域用得非常多，它的表面质量会直接影响产品性能和使用安全。过去查钢材表面缺陷，主要靠人眼看、涡流检测和超声波检测这些方法，存在效率低、容易漏看、主观影响大，也不太好满足自动化生产需要等问题。随着深度学习和机器视觉技术的进步，用卷积神经网络做目标检测，在工业缺陷检测方面展现出不错的前景。其中，YOLOv5 因为检测快、精度高、部署方便，在工业视觉检测中用得比较普遍。本文围绕钢材表面缺陷检测，对...

1、当您付费下载文档后，您只拥有了使用权限，并不意味着购买了版权，文档只能用于自身使用.。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。
3、如文档内容存在违规，或者侵犯商业秘密、侵犯著作权等，请点击“违规举报”。

碎片内容