- 博客(29)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 QwQ-32b 模型私有化部署来啦！！！
QwQ-32b 模型私有化部署来啦！！！2025年3月6日，千问团队推出了 QwQ-32B，在一系列权威基准测试中，千问QwQ-32B 模型表现异常出色，几乎完全超越了OpenAI-o1-mini，比肩最强开源推理模型DeepSeek-R1：
2025-03-07 16:02:42
1497
原创 QwQ-32b 模型私有化部署来啦！！！
2025年3月6日，千问团队推出了 QwQ-32B，在一系列权威基准测试中，千问QwQ-32B 模型表现异常出色，几乎完全超越了OpenAI-o1-mini，比肩最强开源推理模型DeepSeek-R1
2025-03-07 15:57:31
1471
原创 【深度学习】布匹寻边：抓边误差小于3px【附完整链接】
布匹寻边是指布料裁剪过程中，通过AI寻边技术自动识别布匹的边缘，将检测到的边缘信息输出，确保裁剪的准确性，减少浪费，并提高生产效率。
2025-01-08 14:03:25
480
原创 【深度学习】瓶盖外观缺陷检测【附链接】
瓶盖在生产、运输和存储过程中容易造成划痕、凹陷、变形、污渍、印刷模糊等缺陷，通过采集瓶盖图像，使用深度视觉AI平台标注、训练模型，可更高效、准确识别出不同类型的缺陷。需定位瓶口上有无瓶盖，如有则进行外观缺陷检测，如没检测到有瓶盖则标记为不合格品。图像采集 + 深度视觉AI平台（目标检测+实例分割） + 模型部署。检测类型：划痕、凹陷、破损、污渍、印刷模糊。检测是否存在瓶盖，定位瓶盖位置。
2024-12-09 10:20:30
614
原创 【深度学习】手机SIM卡托缺陷检测【附链接】
SIM卡托是用于固定和保护SIM卡的部件，通过连接SIM卡与手机主板的方式，允许设备访问移动网络，用户可以通过SIM卡进行通话、发送短信和使用数据服务。导致手机无法正常识别SIM卡，且有损坏SIM卡的风险。SIM卡接触不良，造成信号中断，影响通话和数据传输。手机频繁的网络掉线、无法拨打电话或发送短信等问题。划痕、擦伤、脏污、腐蚀、变形、破损等；采用深度视觉AI平台，进行。
2024-12-06 11:15:52
1148
原创 如何查看英伟达显卡驱动版本
展开“显示适配器”，找到你的英伟达显卡，右键点击它，选择“属性”。在“驱动程序”选项卡中，你可以查看驱动程序的版本信息。右键点击“开始”按钮，选择“设备管理器”。
2024-12-03 10:25:57
4166
原创 【深度学习】售卖机饮料检测【附完整资源】
自助售卖机通过自动化系统为消费者提供便捷的购物体验。消费者通过触摸屏选择饮料，机器完成付款和取货的过程。实时监测饮料的数量，运营商可以及时补货，避免缺货现象，确保顾客能够购买到所需的产品。
2024-12-02 13:37:22
954
原创 【深度学习】铁路轨道缺陷检测
铁路轨道在生产、热处理、机械加工等过程中，可能会出现凹陷、未熔合、气孔、裂纹等缺陷影响其性能和寿命，如其不良品流入市场，铁路运输安全将无法得到保障。
2024-11-25 08:45:00
936
原创 【图像检测】深度学习与传统算法的区别（识别逻辑、学习能力、泛化能力）
深度学习使用了端到端的学习策略，直接学习从图像到检测结果的映射关系，自动提取特征，并且根据特征与特征之间的关系，计算出检测结果。传统算法则是人工提取特征，比如边缘特征，直线特征，形状特征，然后根据特征的关系，手工编写判断条件，识别类别结果
2024-11-21 11:20:49
613
原创 【深度学习】电池密封钉缺陷检测【附链接】
现如今电池在手机、笔记本电脑、平板、充电宝、电动汽车等领域应用广泛。电池的可靠性和安全性是大家较为关注的事情。电池的制造工序十分复杂（涂布、分条、切割、叠层或卷绕、封装、注液、密封），每一个步骤对电池质量至关重要。
2024-11-20 08:45:00
404
原创 【深度学习】金属齿轮缺陷检测【附链接】
金属齿轮作为机械传动系统中的关键部件，质量直接影响整个设备的性能与可靠性。随着工业自动化的发展，传统的人工检测方法逐渐暴露出效率低、准确性差等问题。AI技术的引入，为金属齿轮的缺陷检测提供了新的解决方案。
2024-11-19 09:15:00
1296
原创 【深度学习】手机屏幕外观缺陷检测【附数据集】
若屏幕存在划痕、气泡、斑点、色彩不均和漏光等缺陷，用户在观看视频、浏览网页或查看图片时会感到不适，影响整体体验，因此高效、准确的缺陷检测显得尤为重要。将收集到的缺陷图片，用深度视觉labelmeAI标注工具进行标注，内置AI多边形标注功能辅助标注，加快了数据处理速度，减少人力资源投入。AI模型能够通过一些标注数据进行训练，自动识别和分类不同类型的缺陷。选择高分辨率的工业相机和合适的镜头拍摄屏幕图像，收集大量良品和有缺陷的手机屏幕图像，构建训练和测试数据集。训练完成后，模型存放在设置的。创建项目和任务类型。
2024-09-28 14:39:23
2043
原创 【深度学习】皮革表面缺陷检测【附链接】
如今消费者对皮革产品的质量要求越来越高，个性化需求的增加，制造商需要更精确地检测和处理每一块皮革，以确保其符合特定标准。但人工检测方式存在效率低、准确率不高、一致性差等问题；传统算法通常需要针对特定任务进行调整，缺乏灵活性，难以快速适应新的外观检测需求或变化的产品特征。通过AI外观检测高效、精准和一致的检测能力，可帮助企业提高生产效率和产品质量，在激烈的市场竞争中保持竞争优势。
2024-09-28 13:20:56
760
原创 ！！！史上最全深度学习环境安装包【文末附链接】
DLCV Installer 是一款专为深度学习开发者设计的深度学习环境配置工具，这套工具可以自动安装和配置上面提到的所有库和工具，并且这些库和工具的版本之间是兼容的，极大地简化了深度学习环境的搭建过程。无论您是新手还是经验丰富的研究人员，DLCV Installer 都能帮助您快速、轻松地配置所需的软件和库，让您专注于模型开发和实验。
2024-09-27 15:10:33
1590
原创 Labelme AI 自动标注版使用说明【附下载链接】
Labelme 是一个开源的图像标注工具，主要用于机器学习和计算机视觉领域的数据集创建。能够帮助用户快速、方便地对图像进行标注，以便为训练模型提供高质量的数据。支持 jpg，jpeg，png，tif，tiff 图像格式，对图像进行多边形矩形、圆形、多段线、线段、点形式的标注，实现AI辅助标注，与手动标注相比效率可以提升 5-12 倍。
2024-09-27 14:31:15
3331
3
原创 工业外观缺陷检测中的数据难题
虽然数据增强和数据生成方法在某些情况下可以有效扩展数据集，降低数据收集成本，但在工业外观缺陷检测中，真实数据的价值不可忽视。使用数据增强和生成方法时，模型可能会过拟合于这些合成数据，导致在真实环境中的表现不佳。真实数据能够更准确地反映实际生产环境中的复杂性。这些数据包含了真实的缺陷类型、背景噪声、光照变化等，能够帮助模型更好地理解和学习实际情况。真实数据的多样性有助于提高模型的泛化能力。通过收集来自不同生产批次、不同设备和不同环境条件下的数据，模型能够学习到更广泛的特征，从而在未见过的数据上表现更好。
2024-09-26 14:00:20
394
原创 【深度学习】基于目标检测的引脚定位算法【附完整资源】
随着电子产品功能的增加，引脚的数量和复杂性也在提升，对高精度检测的需求将不断增长，由于工艺或操作失误，导致引脚偏离预定位置，引脚检测在电子制造领域的重要性日益凸显。
2024-09-26 11:11:13
995
原创 AI 在电力电塔螺钉、螺帽和螺丝缺失检测的应用
在电力基础设施中，螺钉、螺帽和螺丝作为电塔结构的重要连接件，其安装的完整性直接关系到电塔的安全性和可靠性。AI在缺失检测中的应用，推动了电力行业向智能化和自动化的转型，推动行业的技术进步。
2024-09-25 11:26:23
848
原创 通过过拟合测试来评估模型能力
通过过拟合测试方法，可以快速评估AI模型的结构和参数设置是否合理，从而为后续收集更多数据和模型改进提供依据。这一过程有助于确保在数据量充足时，模型能够实现良好的性能。
2024-09-25 11:10:42
354
原创 数据多样性在 AI 工业外观缺陷检测中的重要性
数据多样性不仅是AI模型训练的基础，也是确保其在实际工业应用中有效性和可靠性的关键。因此，在构建外观缺陷检测系统时，确保数据集的多样性是至关重要的。
2024-09-24 17:57:13
278
原创 训练集、验证集和测试集
训练集：用于训练模型。验证集：用于调整模型参数和选择最佳模型。测试集：用于最终评估模型性能。这种数据集划分方法能够准确评估模型在新数据上的泛化能力，减少过拟合的风险，提高模型的实际应用效果。
2024-09-24 17:09:00
606
原创 金属表面缺陷分类检测【附下载链接】
随着工业自动化的发展，金属材料在航空航天、汽车制造和机械工程等领域的应用越来越广泛。这些领域对材料表面质量的要求极高，任何微小的缺陷都可能影响产品的性能和安全性。金属材料缺陷种类多样，形状复杂，金属表面可能有噪声，传统算法难以捕捉、鲁棒性不足。但AI算法能够快速处理和分析大量图像数据，显著提高检测速度，还可以识别细微的缺陷，减少人为错误，提高检测的准确性。
2024-09-24 15:57:23
1221
原创 3 分钟 Markdown 语法入门
Markdown 是一种轻量级的语言，用于格式化文本。本文将介绍一些常用的 Markdown 语法，帮助你快速上手。
2024-09-23 13:42:11
325
原创 常见机器视觉任务类型及其在工业检测中的应用
图像分类适合简单合格/不合格的判断。目标检测适用于需要识别多个对象及其位置，对面积不敏感的场景。实例分割适合需要精确识别和分割不同实例的复杂情况。通过结合这些技术，可以全面地解决工业外观检测中的各种需求。
2024-09-22 22:54:12
423
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人