Abstract: Mit der eingehenden Anwendung der Informationstechnologie im Bereich der industriellen Fertigung wird die Erforschung von Big Data in der industriellen Fertigung zu einer wichtigen Referenzgrundlage für die Realisierung einer intelligenten Fertigung und hilft der Regierung, die Transformation und Modernisierung von Fertigungsunternehmen zu steuern In der traditionellen Stahl-, Aluminium- und anderen Metallindustrie gibt es Probleme wie einen umfangreichen Produktionsmodus und einen einfachen Produktionsprozess. Daher ist es dringend erforderlich, die neue Generation von Informationstechnologien wie künstliche Intelligenz einzusetzen, um den Produktionsprozess zu verbessern und die Produktionseffizienz zu verbessern Bei Verwendung von Aluminium muss die Oberfläche inspiziert werden. Die vorhandene Erkennung von Aluminiumoberflächenfehlern wird durch die herkömmliche manuelle visuelle Inspektion eingeschränkt, ist sehr mühsam oder basiert auf dem herkömmlichen Bildverarbeitungsalgorithmus. Die Erkennungsrate ist nicht hoch und kann normalerweise nicht genau bestimmt werden die oberflächenfehler in einem zeitnahen ma Um diese Probleme zu lösen, werden Convolutional Neural Networks und YOLOv3 verwendet, um den von zwei Zielerkennungsalgorithmen erzeugten Aluminiumdefektdatensatz zu erkennen. Auf der Grundlage des YOLOv3-Algorithmus wurden Verbesserungen vorgenommen, um den Detektionseffekt kleiner Defekte auf der Aluminiumoberfläche zu verbessern. Die experimentelle Überprüfung wurde mit dem&"Aluminiumprofil-Fehlererkennung GG" durchgeführt. Datensatz des Guangdong Industrial Intelligence Big Data-Innovationswettbewerbs. Die experimentellen Ergebnisse zeigten, dass die mittlere durchschnittliche Präzision (mAP) des verbesserten Algorithmus&3,4% höher als der YOLOv3-Algorithmus und 1,8% höher als der schnellere R-CNN-Algorithmus war.
