此專案為藉由AOI影像訓練深度學習模型辨識產品表面瑕疵,使用框架為 TensorFlow。結果顯示預訓練 DenseNet 模型的測試準確達到99.4%
來源: https://aidea-web.tw/topic/a49e3f76-69c9-4a4a-bcfc-c882840b3f27
官方提供之影像資料包含 6 個類別(正常類別 + 5 種瑕疵類別)下載資料 aoi_data.zip 檔案包含:
- train_images.zip:訓練所需的影像資料共計 2528 張
- train.csv:包含 2 個欄位 ID 和 Label
- ID:影像的檔名
- Label:瑕疵分類類別(0 表示 normal, 1 表示 void, 2 表示 horizontal defect, 3 表示 vertical defect, 4 表示 edge defect, 5 表示 particle)
- test_images.zip:測試所需的影像資料共計 10142 張
- test.csv:包含 2 個欄位ID 和 Label。
- ID:影像的檔名
- Label:瑕疵分類類別(其值只能是下列其中之一: 0, 1, 2, 3, 4, 5)
- 影像水平、垂直平移 0.05
- 影像隨機旋轉 15 度
- 影像大小縮為 224 x 224
- Python 3.10.12
- CUDA Toolkit 12.2
- Tensorflow 2.15.0
- OpenCV 4.8.0
- DenseNet169
- Batch size: 32
- Epochs: 50(early stopping)
- Optimizer: Adam
- Dynamic learning rate: 0.0001