Sažetak: Dubinskom primjenom informacijske tehnologije u području industrijske proizvodnje, istraživanje velikih podataka u industrijskoj proizvodnji postaje važna referentna osnova za ostvarivanje inteligentne proizvodnje i pomaže Vladi u usmjeravanju transformacije i nadogradnje proizvodnih poduzeća. tradicionalne industrije čelika, aluminija i ostalih metala, postoje problemi poput ekstenzivnog načina proizvodnje i jednostavnog proizvodnog procesa. Stoga je hitno koristiti novu generaciju informacijske tehnologije poput umjetne inteligencije za poboljšanje proizvodnog procesa i poboljšanje učinkovitosti proizvodnje .Kada se koristi aluminij, površinu je potrebno pregledati. Otkrivanje postojećih oštećenja površine aluminija ograničeno je tradicionalnim ručnim vizualnim pregledom, vrlo je naporan ili se temelji na tradicionalnom algoritmu strojnog vida, stopa prepoznavanja nije visoka, obično se ne može točno utvrditi površinski nedostaci pravovremeno ma nner.Da bi se riješili ovi problemi, Konvolucijske neuronske mreže i YOLOv3 koriste se za otkrivanje skupa podataka o aluminijskim oštećenjima koja proizvode dva algoritma za otkrivanje ciljeva. Tada su, na temelju algoritma YOLOv3, napravljena poboljšanja kako bi se poboljšao učinak otkrivanja malih oštećenja na površini aluminija. Eksperimentalna provjera izvršena je na&"; prepoznavanje nedostataka aluminijskog profila GG"; skup podataka pružio je Guangdong Industrial Intelligence Big Data Innovation Competition. Eksperimentalni rezultati pokazali su da je poboljšani algoritam' s Prosječna preciznost (mAP) bio 3,4% veći od algoritma YOLOv3 i 1,8% veći od bržeg algoritma R-CNN.





