目标检测YOLO系列从入门到精通技术详解100篇-【目标检测】缺陷检测（补充篇）

目录

算法原理

缺陷检测的性能指标

应用案例

机床部件表面缺陷图像分类

1. 引言和背景

2. 实验设计

2.1 滚珠丝杠驱动器（BSD）

2.2 传感系统

2.3 实验设置

2.4 缺陷分类数据集

2.5 用于缺陷检测/分割的数据集

3. 基准模型

自动表面检测分类器的调整

分类器调试方法和规程

基于 YOLO 深度学习模型的铝型材表面缺陷识别方法

1 数据集构建

2 识别方法

3 实验与分析

---

 

算法原理

缺陷检测的性能指标

在深度学习领域，通过以精度、召回率、平均精度均值（Mean Average Precision，mAP）和FPS等指标评价目标检测算法的有效性，在图像分割中则主要采用平均像素准确率、平均交并比等指标评价。

在工业质检领域的评价指标与深度学习领域类似，只是表述方式有所不同，一般使用漏检率、误检率和准确率等。

根据被检测工件的真实情况（OK*和NG*）和检测结果（OK和NG）的不同，可以将缺陷识别的结果分为4种情况，如下表所示。

</

	OK*	NG*
OK	TP	FP
NG	FN	TN