满杯百香果的案例列表
工业布匹表面瑕疵智能检测系统
本项目针对纺织产线中布匹瑕疵种类多、目标小、背景纹理干扰强的问题，开发了一套基于深度学习的实时检测系统。 核心工作： 负责数据集构建与增强，针对反光、褶皱等难点进行专项优化； 改进 YOLO 算法主干网络，引入注意力机制提升对小目标瑕疵的特征提取能力； 完成模型在边缘端设备的部署与推理加速，单帧处理耗时控制在 30ms 以内。 成果： 实现了对破洞、油污、纬斜等 6 类常见瑕疵的精准识别，漏检率低于 1%，有效替代人工质检。
基于机器视觉的水质污染物检测模块
该模块用于河道及污水处理池的自动化巡检，通过摄像头实时分析水体状态，解决传统人工巡河效率低、覆盖面窄的问题。 核心工作： 设计多尺度特征融合网络，解决远距离拍摄下漂浮物目标极小的问题； 针对水面波光粼粼的动态背景，优化负样本挖掘策略，降低误报率； 输出结构化数据接口，对接上游监控平台实现自动报警。 成果： 在复杂光照环境下，对水面漂浮物及藻类的识别准确率达到 95% 以上，支持 7×24 小时无人值守监测。
复杂场景下摇杆小目标检测算法研发
本项目针对遥感影像中目标尺度变化大、背景干扰强、小目标密集等挑战，研发了一套高精度检测算法。 核心工作： 设计自适应切片推理策略，解决超大尺寸影像显存溢出问题； 提出跨片目标去重算法，有效消除滑动窗口带来的重复检出； 引入旋转框检测头，适配遥感图像中任意方向排列的目标。 成果： 在DOTA v1.5数据集上mAP达到XX%，推理速度提升30%，相关成果已在某国家级竞赛中获奖。
案例判断参考
满杯百香果的案例列表
工业布匹表面瑕疵智能检测系统
本项目针对纺织产线中布匹瑕疵种类多、目标小、背景纹理干扰强的问题，开发了一套基于深度学习的实时检测系统。 核心工作： 负责数据集构建与增强，针对反光、褶皱等难点进行专项优化； 改进 YOLO 算法主干网络，引入注意力机制提升对小目标瑕疵的特征提取能力； 完成模型在边缘端设备的部署与推理加速，单帧处理耗时控制在 30ms 以内。 成果： 实现了对破洞、油污、纬斜等 6 类常见瑕疵的精准识别，漏检率低于 1%，有效替代人工质检。...
基于机器视觉的水质污染物检测模块
该模块用于河道及污水处理池的自动化巡检，通过摄像头实时分析水体状态，解决传统人工巡河效率低、覆盖面窄的问题。 核心工作： 设计多尺度特征融合网络，解决远距离拍摄下漂浮物目标极小的问题； 针对水面波光粼粼的动态背景，优化负样本挖掘策略，降低误报率； 输出结构化数据接口，对接上游监控平台实现自动报警。 成果： 在复杂光照环境下，对水面漂浮物及藻类的识别准确率达到 95% 以上，支持 7×24 小时无人值守监测。...
复杂场景下摇杆小目标检测算法研发
本项目针对遥感影像中目标尺度变化大、背景干扰强、小目标密集等挑战，研发了一套高精度检测算法。 核心工作： 设计自适应切片推理策略，解决超大尺寸影像显存溢出问题； 提出跨片目标去重算法，有效消除滑动窗口带来的重复检出； 引入旋转框检测头，适配遥感图像中任意方向排列的目标。 成果： 在DOTA v1.5数据集上mAP达到XX%，推理速度提升30%，相关成果已在某国家级竞赛中获奖。...
