案例介绍
项目简介：基于Python开发的外墙缺陷智能检测工具，核心采用YOLOv5模型实现裂缝、空鼓等缺陷的实时识别与定位。
技术实现：
使用Python构建全流程框架，通过OpenCV预处理无人机航拍图像，结合YOLOv8训练自定义缺陷检测模型（数据集含2000+标注样本），实现缺陷检测准确率89%、推理速度20ms/帧。
开发轻量化界面，支持图像批量导入、缺陷自动标记及检测报告生成（Excel格式）。
案例图片
相似案例推荐
其他人才的相似案例推荐
-
高空灭火无人机指挥控制平台方案
项目概述 本方案基于PX4开源飞控固件，设计一套高性能、高
-
无人机巡检平台
项目使用vuecli脚手架搭建，elementui组件库界面
-
无人机飞控控制端 (Android)
Android 飞控操作端 开发语言：java 所用技术
-
STM32四旋翼无人机
STM32 四轴飞行器 开发语言：C 所用技术：串级PI
-
建业心理咨询
【项目经验】 1. 郑大智能教室预约系统 (2024.
-
组合导航定位设备
组合导航定位设备通过融合多种传感器（GPS、IMU）的数据，
-
光伏无人机巡检项目
通过无人机巡检光伏，检查光伏的缺陷，包括，点斑，条斑，空载，
-
油气田
编程语言 golang c语言, 前后端编程语言 gola
-
分布式项目飞行数据回溯软件
2024.12-2025.07： xxx项目飞行数据回溯软
-
四旋翼应急救援装备
此装备应用于无人机海上救援。通过检测到落水人员后，会自动飞向
-
共享无人机系统
无人机租赁系统 每个无人机柜有一个专属二维码，小程序扫码即可
-
飞行平台
1. 作为无人机团队核心研发，参与无人机系统的需求讨论、架
微信接收人才推送
关注猿急送微信平台，接收实时人才推送
接收人才推送
联系需求方端客服