الملخص: مع التطبيق المتعمق لتكنولوجيا المعلومات في مجال التصنيع الصناعي ، أصبح البحث عن البيانات الضخمة في التصنيع الصناعي أساسًا مرجعيًا مهمًا لتحقيق التصنيع الذكي ومساعدة الحكومة في توجيه التحول والارتقاء بمؤسسات التصنيع. صناعة الصلب والألومنيوم وغيرها من المعادن التقليدية ، هناك مشاكل مثل وضع الإنتاج الشامل وعملية الإنتاج البسيطة ، لذلك من الضروري استخدام الجيل الجديد من تكنولوجيا المعلومات مثل الذكاء الاصطناعي لتحسين عملية الإنتاج وتحسين كفاءة الإنتاج .عند استخدام الألومنيوم ، يجب فحص السطح. يكون الكشف عن عيوب سطح الألومنيوم الحالية محدودًا من خلال الفحص البصري اليدوي التقليدي ، أو شاقة للغاية ، أو بناءً على خوارزمية رؤية الجهاز التقليدية ، فإن معدل التعرف ليس مرتفعًا ، وعادة لا يمكن تحديده بدقة عيوب السطح في الوقت المناسب أماه لحل هذه المشكلات ، يتم استخدام الشبكات العصبية التلافيفية و YOLOv3 للكشف عن مجموعة بيانات عيوب الألومنيوم التي تنتجها خوارزميتان للكشف عن الهدف ، ثم بناءً على خوارزمية YOLOv3 ، تم إجراء تحسينات لتحسين تأثير الكشف عن العيوب الصغيرة على سطح الألومنيوم. تم إجراء التحقق التجريبي على" ؛ التعرف على عيوب قطاعات الألومنيوم" ؛ مجموعة البيانات المقدمة من مسابقة ابتكار البيانات الضخمة للاستخبارات الصناعية في قوانغدونغ. أظهرت النتائج التجريبية أن الخوارزمية المحسّنة&# 39 ؛ متوسط الدقة (mAP) كان أعلى بنسبة 3.4٪ من خوارزمية YOLOv3 و 1.8٪ أعلى من خوارزمية R-CNN الأسرع.
