推荐学习书目
› Learn Python the Hard Way
Python Sites
› PyPI - Python Package Index
› http://diveintopython.org/toc/index.html
› Pocoo
值得关注的项目
› PyPy
› Celery
› Jinja2
› Read the Docs
› gevent
› pyenv
› virtualenv
› Stackless Python
› Beautiful Soup
› 结巴中文分词
› Green Unicorn
› Sentry
› Shovel
› Pyflakes
› pytest
Python 编程
› pep8 Checker
Styles
› PEP 8
› Google Python Style Guide
› Code Style from The Hitchhiker's Guide
各位有用 Pytorch 或 Tensorflow 做制造业产品外观不良检测的吗？
john170502 · 2020-01-14 15:46:45 +08:00 · 2772 次点击这是一个创建于 1556 天前的主题，其中的信息可能已经有所发展或是发生改变。
8 条回复 • 2020-01-15 10:47:38 +08:00
 |
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%。
|
Select Language