logo móvil
Contáctanos

Gdcp-yolo: mejorando la detección de defectos en la superficie de acero mediante un enfoque ligero de aprendizaje automático

Autores: Yuan, Zhaohui; Ning, Hao; Tang, Xiangyang; Yang, Zhengzhe

Idioma: Inglés

Editor: MDPI

Año: 2024

Descargar PDF

Acceso abierto

Artículo científico
2024

Gdcp-yolo: mejorando la detección de defectos en la superficie de acero mediante un enfoque ligero de aprendizaje automático


Categoría

Ingeniería y Tecnología

Subcategoría

Ingeniería Eléctrica y Electrónica

Palabras clave

Imperfecciones superficiales
Materiales de acero
Detección automatizada de defectos en acero
Modelo de aprendizaje profundo
GDCP-YOLO
Precisión de detección

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 41

Citaciones: Sin citaciones


Descripción
Las imperfecciones superficiales en materiales de acero pueden degradar potencialmente la calidad y el rendimiento, aumentando así el riesgo de accidentes en aplicaciones de ingeniería. La inspección manual, aunque tradicional, es laboriosa y carece de consistencia. Sin embargo, los avances recientes en aprendizaje automático y visión por computadora han allanado el camino para la detección automatizada de defectos en acero, lo que proporciona una precisión y eficiencia superiores.

Otros recursos que podrían interesarte

Temas Virtualpro