- 综合排序
- 最热优先
- 最新优先
- 来自专栏成套网站
基于深度学习YOLO12的汽车损伤检测系统
1、研究背景随着汽车保有量持续攀升，保险理赔、二手车评估及汽车维修等领域的汽车损伤检测需求急剧增长。 然而，现有算法在汽车损伤检测中仍面临两大挑战：其一，损伤类型复杂多样，涵盖剐蹭、凹陷、破裂等数十种形态，且不同车型的损伤特征差异显著；其二，现实场景中光照变化、遮挡干扰、拍摄角度偏移等因素导致检测精度下降 实验表明，YOLOv12在汽车损伤检测任务中，mAP@0.5指标较前代模型提升12%，推理速度达25FPS，满足实时检测需求。 2、研究意义行业层面：破解传统检测痛点，推动产业智能化升级传统汽车损伤检测依赖人工经验，存在效率低、成本高、主观性强等核心痛点。 技术层面：突破复杂场景检测瓶颈，拓展深度学习应用边界汽车损伤检测面临光照变化、遮挡干扰、小目标检测等复杂场景挑战。
21800编辑于 2026-01-05 汽车损伤检测数据集VOC+YOLO格式4000张6类别
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)
34510编辑于 2025-07-17- 来自专栏机器学习AI算法工程
YOLOv5：道路损伤检测
道路损伤检测任务是对几种道路损伤进行检测，不仅要分类出损伤类别，还要定位到损伤的位置，故实质是一个目标检测问题。 ，而如果用每幅图像的检测时间来衡量，该方法在检测速度方面是最差的。
2.1K50发布于 2021-07-14 - 来自专栏机器视觉那些事儿
利用卡尺工具进行损伤检测
- 目录 - （1）图像输入：待处理图像及其缺陷放大图 （2）图像处理：卡尺工具处理细节 （3）处理结果：损伤部分缺失测量点 （4）原图及其代码：包含OK、NG原图、完整halcon代码 （5）主要算子介绍 所得圆形边缘 如下视频 3 图像结果 损伤处呈现断续点 ? 4 原图及其代码
69110发布于 2020-08-17 自动化损伤检测的微妙挑战
自动化损伤检测的微妙挑战每年有数十亿客户订单流经某机构全球物流中心网络，不可避免地会有部分物品在仓储过程中意外受损。 技术挑战与解决方案2020年底，某机构机器人AI团队的高级应用科学家Sebastian Hoefer在同事支持下成功提出了一个创新项目：结合计算机视觉和机器学习方法，尝试自动化检测物流中心的产品损伤。 损伤检测面临两大科学挑战：数据稀缺性：物流中心的损伤事件罕见，导致可用于训练机器学习模型的宝贵数据极少定义模糊性：损伤判断具有主观性和情境依赖性，难以明确定义数据收集与模型开发团队在德国汉堡附近的HAM2 通过整合MMID团队的产品图像数据和技术，损伤检测系统现在能够：识别"残缺套装"问题（如包装完整但内容物缺失）避免被产品包装上的损伤状图像误导通过比对原始产品参考图像发现异常技术展望与应用扩展团队目前正在探索如何结合判别式和基于异常的机器学习方法 技术架构核心要素：RGB和深度相机阵列监督学习与异常检测融合模型实时图像与参考图库比对系统持续学习机制以适应包装设计变化该系统的成熟预计将减少因损伤导致的客户退货，并通过在履行链早期识别损伤，与供应商合作开发更
18600编辑于 2025-09-11基于yolov11的汽车损伤检测系统python源码+onnx模型+评估指标曲线+精美GUI界面
【算法介绍】 基于YOLOv11的汽车损伤检测系统是一种先进的计算机视觉技术，旨在快速准确地识别汽车的各种损伤类型。该系统利用YOLOv11模型的强大性能，实现了对车辆损伤的精确检测与分类。 这些损伤类型涵盖了车辆常见的各种损坏情况，能够满足不同场景下的检测需求。 在检测过程中，系统会对输入的车辆图像进行智能分析，自动标出损伤部位，并提供详细的损伤报告。 此外，基于YOLOv11的汽车损伤检测系统还具有广泛的应用前景。它不仅可以用于保险理赔过程中的车辆定损，还可以应用于车辆维修、二手车交易以及智能交通系统等领域。 总之，基于YOLOv11的汽车损伤检测系统是一种高效、准确的汽车损伤检测工具，具有广泛的应用价值和市场前景。 下面是对这些术语的详细解释： Class： 这通常指的是模型被设计用来检测的目标类别。例如，一个模型可能被训练来检测车辆、行人或动物等不同类别的对象。
35510编辑于 2025-07-17汽车损伤分割数据集labelme格式4000张6类别
数据集格式：labelme格式(不包含mask文件，仅仅包含jpg图片和对应的json文件)
18100编辑于 2025-07-17- 来自专栏ISP图像处理相关
【阅读笔记】水果轻微损伤的无损检测技术应用
一、水果轻微损伤检测技术以及应用 无损检测技术顾名思义就是指在不破坏水果样品完整性的情况下对样品进行品质鉴定。 热红外成像用于检测水果轻微损伤的优势有：测量方便快捷；检测范围广；可测内部成分信息；容易操作且可靠性高。 1.3 光谱检测技术 光谱技术检测水果轻微损伤的方式有 3 种： ①反射光谱，当光照射在水果表面发生反射，通过接收反射光谱信号，鉴定水果表面情况。 适用于水果轻微损伤的无损检测光谱有可见光谱、近红外光谱、高光谱成像、拉曼光谱和太赫兹等。 1.4 基于介电特性的水果品质检测 介电特性在农产品品质检测中具有高效、可靠以及简便的特性。 1.5 其他检测方法 电子鼻技术、低场核磁共振技术、声特征技术等目前都已在农产品检测中广泛应用，可根据不同水果的分级要求，满足对所有病害损伤的检测需要。
41810编辑于 2024-10-12 自动化损伤检测：机器视觉与AI的巧妙融合
损伤检测之所以重要，是因为损伤本身就是一个代价高昂的问题，而损伤未被发现的时间越长，代价就越大。 其想法是：结合计算机视觉和机器学习方法，尝试自动化检测物流中心的产品损伤。“你希望完全避免损伤，但要做到这一点，你首先需要检测到它，”Hoefer指出。 “我们正在构建这种能力，以便未来的机器人能够利用它来协助损伤检测。”大海捞针损伤检测是一个具有挑战性的科学问题，主要有两个原因。第一个原因纯粹是实际的——可用于训练机器学习模型的数据非常稀少。 对于一个成年人来说，日常损伤检测感觉很轻松——我们忍不住会注意到损伤，因为这种能力已经磨练成一种基本的生活技能。 “损伤检测也可以利用相同的方法，通过识别产品图像与参考图像库之间的差异来进行，”在柏林同时参与 MMID 和损伤检测的某中心高级应用科学家 Anton Milan 说。
12810编辑于 2026-01-13- 来自专栏联远智维
损伤失效
（2）韧性断裂参数选取 材料损伤演化包括损伤起止判断和材料失效判断。 1、材料损伤起止判据 其中，等效塑性应变，失效初始应变 表1 Ti-6Al-4V的Johnson-Cook剪切失效参数 -0.09 0.25 -0.5 0.0014 3.87 2、材料失效判断
2.2K30编辑于 2022-01-20 - 来自专栏智能制造预测性维护与大数据应用
应用||汽车变速箱检测系统
汽车变速箱是汽车零配件中技术含量最高的产品之一，其中较为关键的环节是线上检测，要在生产线上实际模拟出在汽车运行的条件下测试变速箱的相关指标。 系统需求 目前主要采用的汽车变速箱检测方案是利用电动机模拟发动机、发电机模拟负载的方法实现线上检测的功能。 具体流程为： 用两台交流电机模拟汽车工况，线上检测变速器的综合指标，包括各档换档过程，载入能力，并能即时监控系统的运行参数，绘出系统的性能曲线。 机械手自动完成对不同型号变速器、不同档位的换档动作。 相关资料链接 应用||汽车ECU车身控制器检测系统 应用||无人汽车CAN总线协议解码 应用||基于嵌入式DAQ的动平衡检测系统 方案:汽车NVH与噪声定位系统 案例：汽车安全气囊高压钢瓶测试系统 案例 ：汽车制动器生产检测系统
68820编辑于 2022-05-31 汽车轮胎损伤缺陷分割数据集labelme格式1957张3类别
数据集格式：labelme格式(不包含mask文件，仅仅包含jpg图片和对应的json文件)
19710编辑于 2025-07-17- 来自专栏智能制造预测性维护与大数据应用
案例：汽车制动器生产检测系统
汽车因速度而生，目前的动力系统其实已经完全可以造出速度快几倍的汽车。但是，为什么没有这么做？不是发动机动力不够强大，而是制动系统的局限。没有制动，就没有速度。汽车极速永远受到制动性能的限制。 汽车制动系统包括主刹车系统、驻车刹车系统、防抱死刹车系统等。 汽车行驶时最常用的是主刹车系统，刹车踏板通过真空助力器将制动力放大，通过制动总泵和制动油管将力加到制动片或鼓式制动器上，产生磨擦作用而使车辆减速或停下。 汽车制动器检测使用精密测量与传感技术，对各种汽车制动设备进行检测，所有检测方法皆运用扭矩传感器和伺服电机进行控制、检查。 处于“风口“的汽车真的要“飞”了？ 2、研华测试与测量解决方案2018.1
42210编辑于 2022-05-31 - 来自专栏智能制造预测性维护与大数据应用
应用||汽车ECU车身控制器检测系统
随着汽车科技与日俱进，越来越多元化的车身设备需要由中控台进行控制以符合行车环境的需求。 2,000伏直流电ESD保护 高压隔离（2500伏直流电） 中断处理能力 输入范围宽广：10~30伏直流电 DI分组+/-电压输入 过电压保护（70伏直流电） 高压隔离（2500伏直流电） 参考资料： 汽车安全气囊高压钢瓶测试系统 汽车制动器生产检测系统 汽车NVH与噪声定位系统 应用案例：PCIE-1802刹车盘固有频率检测系统
76650编辑于 2022-05-31 外部墙体损伤缺陷检测外墙损坏等级检测数据集VOC+YOLO格式4629张4类别
重要说明：数据集里面大约有一般是4张增强数据集图片请仔细查看图片预览，确认符合要求在下载
30210编辑于 2025-07-22- 来自专栏YOLO大作战
基于YOLO11的汽车损伤分割系统（Python源码+数据集+Pyside6界面）
ultralytics/nn/modules/head.py 2.汽车损伤分割系统汽车损伤检测具有多方面的重要意义，主要体现在以下几点：提高保险定损效率快速准确评估：在保险理赔过程中，通过汽车损伤检测技术 而汽车损伤检测技术可以提供客观、量化的数据支持，减少人为误差，提高定损的公正性和准确性。 优化维修流程精准维修方案：维修厂在接收事故车辆时，利用汽车损伤检测技术可以全面了解车辆的损伤情况，包括隐藏损伤和不易察觉的细微损伤，从而制定更加精准的维修方案。 汽车损伤检测技术可以帮助车主及时发现车辆的损伤情况，及时进行修复，避免损伤进一步扩大，影响车辆的外观和性能。 推动智能交通发展事故预防与预警：在智能交通系统中，汽车损伤检测技术可以与车辆的传感器和通信设备相结合，实时监测车辆的损伤状态。
41210编辑于 2025-03-27 - 来自专栏相约机器人
Street Lanes Finder - 检测自动驾驶汽车的车道
在今天的文章中，将使用基本的计算机视觉技术来解决对于自动驾驶汽车至关重要的街道车道检测问题。到本文结束时，将能够使用Python和OpenCV执行实时通道检测。 ? 实时车道检测 履行 可以在GitHub上找到这个项目的完整代码库 https://github.com/gsurma/street_lanes_finder? Canny（边缘检测） 这是有趣的部分开始的地方。现在有了平滑的灰度图像，需要检测其中的边缘。 仅供参考，它被称为'canny'，因为它是由John Canny发明的。 在没有涉及太多细节的情况下，canny边缘检测器的核心部分基于扫描图像并计算相邻像素值的导数（梯度）。渐变越高，边缘越可能。 ? 实时检测 拥有可以检测单个帧的线路的管道，可以在每个帧上执行检测的视频流上实时运行它。 ? 下一步是什么？ 在这个项目中，学会了如何使用基本的计算机视觉技术来解决现实问题。
91831发布于 2019-08-01 - 来自专栏思影科技
新英格兰医学：EEG机器学习：急性脑损伤临床无反应患者脑激活的检测
(文末点击浏览） 采用EEG可以检测到临床无反应患者对口头动作指令的EEG响应。但患者脑损伤后不久，对口头动作指令的行为反应与脑激活之间的分离的发生率和预后的重要性尚不清楚。 该研究招募由于多种原因导致急性脑损伤、并且对口头指令无反应的患者（包括一些有能力定位疼痛刺激或追踪视觉刺激的患者）。对EEG进行机器学习分析，来检测口头动作指令（如要求“被试移动手部”）的脑激活。 结果发现，104名无反应患者中有16名患者在脑损伤4天后（中位数）检测到脑激活，其中8名脑激活患者和23名无脑激活的患者病情得到改善（即在出院前能听从指令）。 在该研究中，这种分离状态在外伤或脑出血患者中比在缺血性损伤患者中更为常见，但在其他急性脑损伤患者或使用轻度镇定剂的患者中也可检测到这种分离状态。 3）在急性脑损伤患者（患病率约为14%）的ICU早期可检测到认知-动作分离。使用诸如fMRI之类的方法来检测认知-动作分离可能导致比EEG更频繁的检测。
83420发布于 2019-07-22 - 来自专栏相约机器人
线路检测：让自动驾驶汽车查看路线
作为驾驶员，人类的本能是第一个本能，那就是朝我们前方看，并确定汽车应向何处移动。每辆自动驾驶汽车的前方都装有摄像头，这是一项非常重要的任务，它决定了汽车在其间移动的边界。对于人类，在道路上画线。 现在，将教一辆自动驾驶汽车看这些线。保证这会很有趣的:) 议程 将逐步设计井眼管线，并在其中激励这样做的动机。 灰度变换 高斯模糊 Canny边缘检测 遮盖感兴趣的区域 Hough线检测器 查找道路线 完整的代码: https://github.com/ioangatop/AutonomousCar 在这里，将逐步介绍它 Edge Detection提供了一种检测图像边界的方法。 随意使用参数，并提出检测路线的新方法。 https://github.com/ioangatop/AutonomousCar
85630发布于 2019-10-15 建筑墙壁损伤缺陷检测数据集VOC+YOLO格式6872张19类别
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)
55110编辑于 2025-07-17
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号