罐体缺陷检测，可识别严重缺陷，重大缺陷，轻微缺陷，无缺陷，8096张图片，支持YOLO，PASICAL VOC XML，COCO JSON格式的标注，平均准确识别率可以达到99.2％
以下是该项目的一些用例：
- 食品包装行业的质量控制：该模型可用于在罐装食品到达消费者手中之前对其进行自动检查，识别制造过程中可能造成的罐头表面缺陷。因此，它有助于消除潜在危害并保持高质量标准。
- 供应链监控：物流和零售行业的公司可以使用该模型来评估仓库或零售店收到的罐头食品的状况，确保只有无缺陷的产品才能上架。
- 食品安全合规性：监管机构可以在食品生产设施的例行检查中采用该模型，以确保符合食品安全和包装指南。
- 面向消费者的应用程序：开发人员可以创建移动应用程序，让消费者在从商店购买罐头食品或送货上门之前使用智能手机摄像头检查是否有缺陷。
- 回收过程：回收设施可以实施该模型来识别和分离具有重大和严重表面缺陷的潜在危险罐，从而有助于实现更安全、更高效的回收过程。
数据集分割
训练组70％ 5658图片
有效集20％ 1609图片
测试集10％ 829图片
预处理
没有采用任何预处理步骤。
增强
未应用任何增强。
标签
严重缺陷 （Critical Defect）
重大缺陷 （Major Defect）
轻微缺陷 （Minor Defect）
无缺陷 （No defect）
轻微缺陷
严重缺陷
无缺陷
重大缺陷
