AI质检脚本
频道 @huqweqa
You can view and join @huqweqa right away.
评分(满分 10) 4.8 评分(满分 10) 4.8 /10 系统评分 · 评分说明
- 订阅者
- 355
- 最近发帖
- 2 个月前
资料采集于 2026-11-21 · 非实时
简介
You can view and join @huqweqa right away.
查看 Telegram 上的原始简介
You can view and join @huqweqa right away.
评分构成
算法 v1 · 评分说明系统基础分 4.8(1 + 维度贡献 3.83) · 最终 4.8
维度 输入 维度值 权重 贡献
内容质量 未经判官审核 (按中性值 0.5 计) · 40% 0.50 40% +1.80
安全风险 未经判官审核 (按中性值 0.5 计) · 30% 0.50 30% +1.35
受众规模 355 订阅者 · 12% 0.30 12% +0.32
近期活跃 最近发帖 2 个月前 · 10% 0.40 10% +0.36
Telegram 认证 无认证 · 4% 0.00 4% —
官网互链 无关联工具 · 4% 0.00 4% —
近期动态
在 Telegram 查看全部标注图像:
对于无缺陷的图像,在标注工具栏,单击 OK 标签工具 将其标注为 OK。
对于有缺陷的图像,右键单击 后,单击画笔工具 ,标注出具体的缺陷位置。在标注时确保画笔紧贴缺陷边缘标注,避免包含大量非缺陷区域。针对不同的标注场景,还可以使用掩膜工具、橡皮工具及网格工具。单击此处 查看标注工具使用详解。
咨询:@DragonGodi
4 次浏览 图片/视频
导入并标注图像
导入图像数据:在图像列表上方选择 导入/导出 导入文件夹,导入准备好的网口图像;
截取 ROI:
在标注工具栏,单击 ROI 工具 icon roi,框选目标图像区域。框选 ROI 应去除部分无意义背景,覆盖待识别物体会出现的区域,且保留一定冗余。
单击 ROI 边框右下角的 icon OK 应用当前 ROI。同一 ROI 设定将应用于所有图片,检查网口是否始终在 ROI 范围内,如果有网口超出 ROI 范围,则应重新调整 ROI。
咨询:@DragonGodi
2 次浏览 图片/视频
训练缺陷分割模型的流程如下:
咨询:@DragonGodi
2 次浏览 图片/视频
训练缺陷分割模型
缺陷分割模型可判断当前物体是否有缺陷,并精确定位缺陷位置,本文以网口为例,介绍如何训练一个可以判断网口是否有缺陷、并能输出精确缺陷位置的缺陷分割模型。
咨询:@DragonGodi
2 次浏览 图片/视频
验证和导出模型
模型训练完成后,进入验证页面,点击验证按钮,Mech-DLK 会使用当前图像数据对模型进行验证。
验证结束后,检查验证结果无误,此时一个用于转子定位和计数的目标检测模型就训练完成了。
咨询:@DragonGodi
2 次浏览 图片/视频