视觉检测标签_AI编程社区

视觉检测

乐迪信息：港口船舶盲区看不清？AI视觉检测精准识别

港口船舶盲区问题长期困扰作业安全与效率。传统监控存在视野局限，人工巡检易受环境制约。AI视觉检测技术通过智能摄像头网络和实时分析算法，实现了对船舶轮廓、人员位置等关键信息的自动识别。系统采用目标检测和图像分割技术，结合边缘计算降低延迟，有效覆盖传统盲区。实际应用中，该系统能实时监测泊位间距、危险区域闯入等情况，显著提升安全预警能力。虽然极端天气下性能会受影响，但通过与雷达、AIS等传感器数据融合，

LeDi_XinXi
2026-05-18 15:34:10

 315

 10

#人工智能 #安全 #目标跟踪 +3
【辽宁科技大学主办 | SPIE出版 | 见刊检索稳定，拥有双刊号：ISSN & ISBN】2026人工智能、机器视觉与控制国际学术会议（AIMVC 2026）

在全球人工智能浪潮的推动下，人工智能、机器视觉与控制领域正以前所未有的速度融合创新。2026人工智能、机器视觉与控制国际学术会议（AIMVC 2026）将于2026年6月5-7日在中国·鞍山举行。会议旨在汇聚全球学术界与产业界的专家学者，围绕智能理论、视觉感知、控制决策等前沿议题展开深入交流，构建高水平的国际学术平台。我们诚邀各国学者、工程师与产业代表踊跃参会，分享洞见，共同推动领域发展与产业升级

 艾思科蓝 AiScholar
2026-05-19 16:43:08

 399

 10

#人工智能 #计算机视觉 #机器人 +3
期刊推荐&论文荐读：GBSA-YOLOv8：面向复杂田间场景稻田害虫的多尺度实时检测模型

摘要：本文针对YOLOv8模型在稻田害虫识别中的不足，提出三阶段改进方案：1）采用C2f-Ghost-DynamicConv模块降低参数量；2）用BiFPN替换PANet增强多尺度特征融合；3）嵌入SE通道注意力机制优化特征提取。实验表明改进后模型mAP达97.9%，关键指标显著提升，满足无人机巡检实时需求。研究获国家自然科学基金等项目支持，成果发表于《人工智能与机器人研究》（DOI:10.126

2501_92218442
2026-05-22 14:11:14

 199

 4

#人工智能 #计算机视觉 #视觉检测
SSD（单发多框检测）

SSD（Single Shot MultiBox Detector）是一种高效的单阶段目标检测算法，通过单次前向传播同时预测目标类别和位置。其核心创新包括：1）基于多尺度特征图进行检测，利用不同层级特征识别不同尺寸目标；2）采用密集先验框（Anchor Boxes）机制，预设多种尺度和宽高比的候选框；3）将VGG16改造为全卷积网络，添加额外卷积层生成多尺度特征。相比两阶段检测器（如Faster

玉笙0973
2026-05-26 10:57:52

 795

 22

#深度学习 #人工智能 #视觉检测 +2
工业视觉检测：从“人眼识别”到“机器慧眼”的技术跃迁

工业视觉检测系统正重塑制造业质量控制流程。该系统通过高清相机和AI算法替代人工检测，实现毫秒级缺陷识别，准确率随数据积累持续提升。其优势包括24小时高效运作、降低人力成本、实时异常反馈和预防性质量控制。系统生成的质量数据可与企业管理软件对接，为工艺优化提供依据，推动制造业向数字化、智能化转型。这一技术革新不仅提升检测效率，更实现了从制造到智造的理念转变。

fanhaninfo7
2026-05-26 16:33:28

 203

 5

#视觉检测 #人工智能 #计算机视觉
无人机电力巡检｜电力设施缺陷识别｜智慧电网AI视觉检测数据集

无人机电力巡检｜电力设施缺陷识别｜智慧电网AI视觉检测数据集10092期

 鸭蛋粉
2026-05-26 20:10:20

 320

 7

#人工智能 #无人机 #视觉检测
AI+3D视觉重塑金属圆棒自动化上下料：高精度、快节拍、降成本实战案例

通过3D工业相机采集点云数据，结合AI算法精准识别，实现±1mm识别精度和±2mm抓取精度

 迁移科技
2026-05-27 09:00:00

 479

 17

#人工智能 #3d #自动化 +1
SAM3 ONNX TensorRT 导出

SAM 3 ONNX TensorRT 导出

 dream_of_studies
2026-05-28 14:38:47

 426

 5

#算法 #人工智能 #目标跟踪 +2
基于Grounded-SAM-2的动态场景目标检测

•视频跟踪与记忆更新（后续帧用）：memory encoder：把上一帧生成的掩码和图像特征，编码成“记忆特征”，存起来。memory attention：在下一帧处理时，从 memory bank 里调取历史记忆，和当前帧的图像特征做注意力计算，从而知道 “这一帧里哪个是我之前跟踪的目标”。•“提示 - 掩码” 生成阶段（首帧用）：prompt encoder：接收用户给的 “提示” ，把这些提

 ZHW_AI课题组
2026-05-31 18:20:03

 550

 5

#机器学习 #目标检测 #人工智能 +1
无人机森林火灾监测数据集｜野火智能识别预警｜森林防火视觉检测训练集森林烟火智能巡检数据集｜低空防灾监测｜深度学习火焰识别样本库无人机森林防火数据集｜早期火情预警｜航拍目标检测模型训练数据

本文分享无人机森林野火专用检测数据集，配套 YOLO 训练、推理、预警全流程工程代码，快速构建全天候智能森林防火系统。

鸭蛋粉
2026-06-02 04:00:00

 254

 4

#无人机 #视觉检测 #深度学习 +2
大模型时代的知识革命：智能知识终端如何重塑个人与企业的知识应用？

文章摘要：智能知识终端通过AI技术解决信息过载难题，实现高效知识管理。它打破文档格式壁垒，支持多元文件智能检索与语义理解；通过开放协议连接各类业务系统，实现"一个入口"的全链路服务；提供零代码配置，让用户快速搭建专属AI助手。这种新型知识管理模式已在多行业落地，显著提升信息获取效率，推动知识驱动决策的新型工作方式。

fanhaninfo7
2026-06-03 14:53:59

 237

 7

#人工智能 #视觉检测 #大数据
PyTorch为何成为TVA的“大脑皮层“（9）

本文探讨了数字孪生技术在TVA智能体训练中的关键作用。通过PyTorch与仿真引擎的无缝对接，实现了高效试错学习，避免了现实环境中的硬件风险。文章重点分析了三个核心环节：一是PyTorch与仿真引擎的底层数据融通，实现GPU原生仿真和零拷贝张量传递；二是利用域随机化技术，迫使智能体提取不变性特征以缩小仿真与现实的差距；三是通过系统辨识、特征对齐和残差学习等PyTorch方法，完成从虚拟训练到现实应

 2501_94287723
2026-06-06 00:02:09

 1504

 1

#pytorch #视觉检测
国内大模型与国外大模型的差距在哪里

2026年中美顶尖大模型已无"代差"，国产头部模型日常使用中几乎感觉不到明显差距；真正的差距主要集中在。

泉城IT圈子
2026-06-27 10:20:41

 424

 6

#人工智能 #视觉检测 #计算机视觉
基于机器视觉的磁瓦表面缺陷检测方案

你开的车的燃料泵电机、你吹的空调的压缩机电机、你用的电动工具的动力电机，里面都有它。这种方法对缺陷模式固定的场景有效，但面对磁瓦表面复杂多样的缺陷形态，传统算法往往会漏掉那些不规则的缺陷。传统算法只能检测预设好的几种缺陷模式，深度学习模型通过大量样本训练，能够覆盖裂纹、崩烂、欠磨、压痕等多种缺陷类型，而且随着数据的积累，模型的识别能力还可以持续优化。系统通过大量标注了缺陷类型的磁瓦图像进行训练，让

 双翌视觉
2026-06-27 17:45:28

 215

 5

#人工智能 #视觉检测
融合多模态大模型与YOLO深度学习的智能垃圾分类视觉检测系统｜计算机视觉Web全栈实战项目

https://mp.weixin.qq.com/s/xAc6lrLs7EwWvum5IbJ-_A

鸭蛋粉
2026-06-28 16:15:00

 299

 6

#计算机视觉 #深度学习 #目标检测 +1
产品外观瑕疵缺陷 AI视觉检测设备

产品外观瑕疵缺陷AI视觉检测设备是依托深度学习与机器视觉技术，替代传统人工完成产品表面划痕、脏污、变形等各类缺陷自动识别的工业质检设备，能大幅提升检测效率与精度，目前已在多个制造领域广泛落地应用。3C电子领域‌：可检测手机中框、屏幕、电路板的划伤、异色点、焊接不良等缺陷，部分机型单台产品检测仅需6.7秒。精度突破‌：最高可实现‌0.007mm级‌的缺陷识别，远超人工目检的能力上限，能精准捕捉微米级

 song15026537298
2026-06-29 12:59:05

 629

 20

#人工智能 #视觉检测 #计算机视觉
【会议级别高，论文录用率高 | 广东工业大学主办，院士加盟 | IEEE出版(有ISBN号） | 大咖嘉宾与会交流 | EI、Scopus检索】第二届导航、检测与控制国际学术会议（CNDC 2026)

2026年第二届导航、检测与控制国际学术会议（CNDC 2026) 将于2026年8月7日至9日在中国广州召开。CNDC 2026将汇集来自世界各地的知名学者、行业专家、研究机构和高科技企业，共同探讨导航、检测和控制领域的最新研究成果和技术进展。会议涵盖智能导航系统、无人驾驶技术、先进控制理论、传感器融合以及在航空航天、交通运输和国防领域的应用。

艾思科蓝 AiScholar
2026-06-30 09:10:39

 230

 5

#人工智能 #安全 #目标检测 +4
【论文精读】LLaVA：Visual Instruction Tuning，把大语言模型变成“能看图聊天”的多模态助手

本文介绍了LLaVA（Large Language and Vision Assistant）模型，提出了一种视觉指令微调方法（Visual Instruction Tuning）。LLaVA通过连接CLIP视觉编码器和Vicuna语言模型，构建了一个能理解图像并遵循自然语言指令的多模态助手。论文创新性地利用GPT-4生成了158K高质量的视觉指令数据，包含对话、详细描述和复杂推理三类任务。模型采

 千天夜
2026-07-01 01:49:46

 546

 10

#语言模型 #mfc #人工智能 +3
大模型幻觉检测与事实校验系统2026：RAG+Self-Consistency+外部知识的三层防线

# 结语幻觉问题的终极解决方案不在于"让模型不犯错"（这是不可能的），而在于"系统性地检测和纠正错误"。在AI应用从"玩具"走向"工具"的过程中，事实校验不是可选项——它是你获得用户信任的唯一方式。”——这可能是AI领域流传最广的段子。尽管2026年的模型在事实准确性上已有巨大进步，但幻觉问题并未消失——它只是从"明目张胆的编造"转变为"以假乱真的细微偏差"。通过多次采样并观察结果的一致性，我们可

 少林码僧
2026-07-02 08:11:42

 141

 2

#人工智能 #视觉检测 #jira
工控机需要独立显卡吗？

工控机是否需要独立显卡取决于具体应用场景。大多数工业控制任务（如PLC控制、SCADA监控等）使用CPU核显即可满足需求。但在AI视觉检测、深度学习、三维视觉等需要高性能计算的场景下，独立显卡是必要的。不合理的独显配置会增加功耗、散热和成本，因此应根据实际需求选择，避免盲目追求高配置。专业选型应以"够用、稳定、可持续运行"为原则。

Nomarsgo
2026-07-02 18:24:07

 337

 7

#计算机视觉 #视觉检测 #人工智能 +1
基于YOLO11的下水管道六类缺陷检测：从数据集解析到模型训练实践

本文详细介绍了使用YOLO11进行下水管道六类缺陷检测的完整流程，从数据集结构、标注类别说明、样本分析到训练配置和验证评估。如何准备和转换下水管道缺陷数据集如何配置YOLO11的训练参数如何分析和处理训练过程中的常见问题如何评估模型性能并进行优化该训练方案适用于城市排水管网、工业管廊和地下管道巡检等场景，可迁移到类似的管道缺陷检测任务中。在实际应用中，建议根据具体场景的数据特点调整训练策略，例如增

 轩轩软件
2026-07-02 18:23:33

 230

 8

#算法 #目标检测 #视觉检测
生命涌现的小龙虾技能之【Large Model Visual Question Answering Skill | 大模型视觉问答技能】简介

摘要本文介绍了大模型视觉问答技能(VQA)，这是一种融合计算机视觉与大语言模型技术的智能系统，能够对图片/视频内容进行开放式问答。系统通过CV算法解析图像元素，结合LLM的语义理解能力，实现跨模态的视觉问答。用户可上传本地图片或网络URL，提出任意问题（如图像描述、细节识别或知识推理），系统将生成结构化分析报告和自然语言回答。功能支持多轮对话，适用于图像分析、文档解读等场景，同时提供历史问答记录

 yabulilee
2026-07-24 10:18:48

 194

 4

#人工智能 #视觉检测
深度学习在工业视觉检测中的应用与实践

迅效的技术团队开发了基于小样本学习的快速模型适配方案，通过迁移学习技术，使AI模型能够在少量新样本的支持下快速适配新产品类型，换线时间从传统设备的2到3小时缩短至10分钟以内。随着深度学习技术的持续演进和工业数据的不断积累，AI视觉检测的精度和适用场景将持续扩展。以杭州迅效自动化为代表的技术领先企业，自2017年率先将AI深度学习技术落地工业检测以来，已积累了超过十亿张缺陷图像数据，覆盖了橡胶密封

 Aa9988334
2026-07-03 11:40:06

 211

 6

#深度学习 #视觉检测 #人工智能
领域科普｜机器视觉与计算机视觉：边界分明，相辅相成

在人工智能与智能制造领域，计算机视觉与机器视觉是高频出现的核心技术概念。行业内常将二者混为一谈，但从学科属性、应用场景、技术目标层面来看，两者具备明确边界；而从技术链路和产业落地维度，二者深度绑定、相辅相成，共同支撑视觉人工智能产业落地应用。

阿瑞斯官方账号
2026-07-03 14:24:46

 608

 14

#计算机视觉 #人工智能 #视觉检测 +1
基于YOLO26的水下海洋生物检测系统【YOLO26+数据集+Python项目源码+UI界面】

本文介绍了一种基于YOLO26模型的水下海洋生物智能检测系统，支持10类海洋生物及人类目标的识别。系统提供PyQt5桌面和Flask Web双端界面，具备单图/批量图片检测、视频流分析和实时摄像头检测功能，可输出可视化结果及结构化数据。项目详细说明了环境搭建方法（pip和Conda两种方式）、数据集准备流程（XML转YOLO格式及数据集划分），适用于海洋生态监测和水下作业辅助等场景。该系统兼顾检测

 IT创客
2026-07-03 12:44:51

 269

 2

#视觉检测
基于YOLO11的睡岗检测数据集构建与模型训练实践

本文基于一个100张图片的睡岗检测数据集，详细介绍了YOLO11模型的训练流程。从数据集结构、标注类别、样本观察到训练配置、验证分析，覆盖了目标检测项目的主要环节。虽然数据集规模较小，但足以用于算法验证和流程演示。扩充数据集至数千张，覆盖更多睡岗姿势和场景。结合视频流进行连续帧分析，利用时间信息降低误报。引入异常检测机制，对长时间未检测到人员活动的区域进行二次判断。YOLO11作为当前较新的检测框

 轩轩软件
2026-07-04 21:23:25

 206

 2

#算法 #目标检测 #视觉检测
基于YOLO11的垂钓人员识别：从数据集构建到模型训练实战

本文基于YOLO11目标检测模型，以“垂钓人员识别”数据集为例，详细介绍了从数据集构建到模型训练的完整流程。虽然数据集规模较小（100张图片），但通过合理的数据增强、模型选择和训练参数调优，依然可以训练出一个可用的基线模型。增加数据量：收集更多场景下的垂钓图片，提升模型泛化能力多尺度训练：使用不同分辨率训练，适应不同距离的检测需求持续优化：根据实际部署反馈，持续收集难例进行模型迭代迁移学习：基于Y

轩轩软件
2026-07-05 20:02:02

 235

 6

#目标跟踪 #人工智能 #计算机视觉 +3
基于YOLO11的驾驶员状态检测：从数据集构建到模型训练实践

文章摘要：本文介绍基于YOLO11的驾驶员状态检测模型训练实践，使用包含100张图片的数据集，涵盖13种驾驶行为（如疲劳、分心等）。详细说明了数据格式转换、训练配置、数据增强策略及验证指标分析，强调细粒度标注对模型精度的重要性，并提供代码示例和参数建议。适用于智能座舱和车队安全监管场景，注重高召回率以减少漏检风险。

轩轩软件
2026-07-06 20:10:50

 188

 7

#人工智能 #目标跟踪 #计算机视觉 +3
煤矿井下矿工人员目标检测：基于YOLO11的训练流程与数据集构建实践

本文基于“煤矿井下矿工人员目标检测数据集”，详细介绍了从数据准备到YOLO11模型训练的完整流程。该数据集虽然规模较小（100张），但涵盖了井下作业的典型场景，适合用于验证目标检测算法在工业环境中的可行性。YOLO11在低光照和复杂背景下的检测稳定性需要进一步优化部分遮挡目标的识别准确率有待提高群体场景中的目标检测需关注误检和漏检问题扩充数据集至500-1000张，覆盖更多光照条件和行为姿态增加安

 轩轩软件
2026-07-07 20:08:51

 225

 5

#目标检测 #目标跟踪 #人工智能 +2
博图光电鲜奶字符缺陷检测方案

摘要：博图视觉检测方案针对乳制品包装喷印字符缺陷（残缺、畸变等）问题，采用深度学习AI技术，实现高速高精度质检。核心性能包括：缺陷检出率≥99.7%、漏检率＜0.03%，支持4瓶/秒检测速度，兼容动态字符与复杂工业环境。通过轻量化算法和专属光学设计，方案可全自动识别6类缺陷，替代人工质检，显著降低不良品流出风险，满足食品行业严格的质量管控需求。

博图光电
2026-07-07 16:34:30

 174

 7

#人工智能 #视觉检测 #制造
AI“工业”：机器视觉检测，拆解工厂里的“瑕疵捕捉神器”

AI机器视觉检测正逐步取代传统人工质检，成为工业领域的"电子医生"。相比人工检测易疲劳、效率低等局限，AI系统通过高分辨率相机每秒处理数十张图像，配合目标检测和图像分割算法，能精准识别0.1毫米级瑕疵，速度提升数十倍。该技术已应用于手机屏幕、汽车零件、食品包装等场景，针对反光、纹理干扰等难题采用多光谱成像和迁移学习方案。未来将向边缘计算、零样本学习方向发展，实现检测-处理全自动

 weixin_48476711
2026-07-08 10:05:29

 207

 3

#人工智能 #视觉检测 #计算机视觉
工控机能跑大模型吗？

工控机可以运行大模型，但需根据具体需求选择配置。轻量级模型可用高性能CPU工控机处理知识库问答等任务，而复杂AI应用如视觉检测需配备独立GPU的工业级设备。本地部署能保障数据安全与实时响应，但面临散热、电源和空间等工程挑战。随着制造业智能化发展，工控机正从控制设备演变为集成AI的工业计算平台，适用于设备维护、质量检测等场景。选择方案需综合考虑模型规模、环境要求和未来扩展性。

Nomarsgo
2026-07-08 15:06:55

 218

 8

#视觉检测 #人工智能 #计算机视觉 +1
YOLO11 光伏巡检实战：太阳能电池板航拍红外缺陷数据集训练全流程

本文基于太阳能电池板航拍红外缺陷数据集，介绍了使用 YOLO11 进行光伏巡检目标检测的完整流程。从数据集结构、标注类别说明到训练配置和验证分析，涵盖了工程实践中需要关注的各个环节。该数据集虽然仅有 100 张图片，但涵盖了裂纹、鸟粪、灰尘和面板四种典型类别，适用于快速验证 YOLO11 在光伏巡检场景中的可行性。在实际应用中，建议进一步扩充数据集规模，增加不同光照条件、拍摄角度和天气状况下的样本

 轩轩软件
2026-07-08 20:43:08

 201

 5

#算法 #目标检测 #视觉检测
下水管道损坏检测：基于YOLO11的数据集构建与模型训练全流程

本文详细介绍了基于YOLO11的下水管道损坏检测数据集构建与模型训练流程。从数据集的基本信息、标注类别说明，到样本画面观察、训练流程配置，再到验证指标与问题分析，覆盖了计算机视觉项目从数据到模型的完整链路。数据质量直接影响模型性能，建议对低质量图像进行预处理筛选管道内部复杂光照环境要求模型具备较强的鲁棒性不同缺陷类别间的相似性需要模型具备细粒度识别能力小数据集场景下，合理的数据增强和迁移学习策略至

 轩轩软件
2026-07-10 23:16:42

 254

 3

#目标跟踪 #人工智能 #计算机视觉 +3
学生课堂行为检测数据集与YOLO11目标检测训练实践指南

本文围绕学生课堂行为检测数据集，详细介绍了使用YOLO11进行目标检测模型训练的完整流程。数据集虽仅有100张图片，但通过合理的数据增强、迁移学习和参数调优，可以训练出适用于课堂行为识别的初步模型。关键要点回顾数据集包含8个课堂行为类别，覆盖了学生常见的学习和互动行为YOLO11提供了从nano到large的多种模型版本，小数据集建议从轻量版本开始训练时需关注数据增强、过拟合控制和验证指标分析课堂

 轩轩软件
2026-07-11 23:27:43

 246

 7

#目标检测 #目标跟踪 #人工智能 +2
制造行业DeepSeek 视觉检测 × 缺陷识别实战之路

文章摘要：传统制造业质检依赖人工目检，效率低（30秒/件）、误判率高且标准不一。本文提出基于DeepSeek视觉大模型的轻量级解决方案，通过工业相机采集图像，经预处理后调用多模态API进行缺陷识别（支持划痕、凹坑等6类缺陷），再解析结构化结果实现自动分拣。该方案仅需3-10张样本作为Prompt示例，单件检测耗时压缩至0.5秒（提速60倍），准确率达98%以上，同时解决了传统自训练模型数据需求大

 数据科学与艺术
2026-07-12 10:54:53

 293

 6

#制造 #视觉检测 #人工智能