江姜的案例列表
YOLOv5 钢材表面缺陷检测系统
数据与环境：担任项目负责人主导全流程；采用 NEU-DET 钢材表面缺陷数据集（裂纹、夹杂、斑点、凹坑、轧入氧化皮、划痕6类共1,800张样本），按8:1:1划分训练/验证/测试集，完成VOC→YOLO标注格式转换；采用Mosaic、随机翻转、HSV色域增强策略；在Windows Conda环境下配置PyTorch2.4.0+CUDA11.8，搭建YOLOv5训练环境； 训练与部署：基于 YOLOv5s 预训练权重迁移学习训练300epochs，采用 SGD 优化器（初始lr=0.01）配合余弦退火调度；mAP@0.5达81.3%，6类缺陷Recall均≥85%；封装模型权重开发推理脚本，支
YOLOv5 钢材表面缺陷检测系统
数据与环境：担任项目负责人主导全流程；采用 NEU-DET 钢材表面缺陷数据集（裂纹、夹杂、斑点、凹坑、轧入氧化皮、划痕6类共1,800张样本），按8:1:1划分训练/验证/测试集，完成VOC→YOLO标注格式转换；采用Mosaic、随机翻转、HSV色域增强策略；在Windows Conda环境下配置PyTorch2.4.0+CUDA11.8，搭建YOLOv5训练环境； 训练与部署：基于 YOLOv5s 预训练权重迁移学习训练300epochs，采用 SGD 优化器（初始lr=0.01）配合余弦退火调度；mAP@0.5达81.3%，6类缺陷Recall均≥85%；封装模型权重开发推理脚本，支
案例判断参考
江姜的案例列表
YOLOv5 钢材表面缺陷检测系统
数据与环境：担任项目负责人主导全流程；采用 NEU-DET 钢材表面缺陷数据集（裂纹、夹杂、斑点、凹坑、轧入氧化皮、划痕6类共1,800张样本），按8:1:1划分训练/验证/测试集，完成VOC→YOLO标注格式转换；采用Mosaic、随机翻转、HSV色域增强策略；在Windows Conda环境下配置PyTorch2.4.0+CUDA11.8，搭建YOLOv5训练环境； 训练与部署：基于 YOLOv5s 预训练权重迁移学习训练300epochs，采用 SGD 优化器（初始lr=0.01）配合余弦退火调度；mAP@0.5达81.3%，6类缺陷Recall均≥85%；封装模型权重开发推理脚本，支...
YOLOv5 钢材表面缺陷检测系统
数据与环境：担任项目负责人主导全流程；采用 NEU-DET 钢材表面缺陷数据集（裂纹、夹杂、斑点、凹坑、轧入氧化皮、划痕6类共1,800张样本），按8:1:1划分训练/验证/测试集，完成VOC→YOLO标注格式转换；采用Mosaic、随机翻转、HSV色域增强策略；在Windows Conda环境下配置PyTorch2.4.0+CUDA11.8，搭建YOLOv5训练环境； 训练与部署：基于 YOLOv5s 预训练权重迁移学习训练300epochs，采用 SGD 优化器（初始lr=0.01）配合余弦退火调度；mAP@0.5达81.3%，6类缺陷Recall均≥85%；封装模型权重开发推理脚本，支...
