Resumen: Con la aplicación en profundidad de la tecnología de la información en el campo de la fabricación industrial, la investigación de big data en la fabricación industrial se está convirtiendo en una base de referencia importante para realizar la fabricación inteligente y ayudar al gobierno a guiar la transformación y mejora de las empresas manufactureras. En la industria tradicional de fabricación de acero, aluminio y otros metales, existen problemas como el modo de producción extensivo y el proceso de producción simple.Por lo tanto, es urgente utilizar la nueva generación de tecnología de la información, como la inteligencia artificial, para mejorar el proceso de producción y mejorar la eficiencia de producción. .Cuando se usa aluminio, se debe inspeccionar la superficie.La detección de defectos de superficie de aluminio existente está limitada por la inspección visual manual tradicional, muy laboriosa o basada en el algoritmo de visión artificial tradicional, la tasa de reconocimiento no es alta, generalmente no se puede determinar con precisión los defectos superficiales en un tiempo ma nner.Para resolver estos problemas, las redes neuronales convolucionales y YOLOv3 se utilizan para detectar el conjunto de datos de defectos de aluminio producido por dos algoritmos de detección de objetivos. Luego, basándose en el algoritmo YOLOv3, se realizaron mejoras para mejorar el efecto de detección de pequeños defectos en la superficie de aluminio. Se llevó a cabo una verificación experimental en el" reconocimiento de defectos de perfil de aluminio" conjunto de datos proporcionado por Guangdong Industrial Intelligence Big Data Innovation Competition. Los resultados experimentales mostraron que la precisión media media (mAP) del algoritmo mejorado&fue un 3,4% más alta que el algoritmo YOLOv3 y un 1,8% más alta que el algoritmo Faster R-CNN.
