AI時代的工業管理趨勢和挑戰

塑膠製品的質量抽檢檢測是工廠重要的環節，傳統人工檢測存在效率低、主觀性强且費時，對現代化生産實在落伍。本研究提出深度學習的視覺辨視來對塑膠產品在產線上的抽查檢驗的缺陷高效能辨識方法。本研究用YOLOv8實時性和高效性，並通過改進的特徵提取辨識，對檢測精度與速度的效率做提升, 研究方面先構建了一種常見塑膠產品缺陷,定位柱斷裂是常見缺陷的數據集，針對其進行標注和預處理。使用機器學習，對預訓練的YOLOv8模型對該數據集進行訓練，得到塑膠定位柱斷裂檢測的專用模型。實驗結果，模型在測試數據集上取得了mAP（mean Average Precision）超過85%的檢測精度不僅之後能夠添加其他塑膠缺陷,並研究能否有效識別多種不同類型的塑膠缺陷，還能確定位缺陷位置，爲優化質量控制。研究方向將優化模型結構，提升細微缺陷的檢測能力，並推廣至更多工業零件品檢抽查或委外加工抽檢驗應用場景。

關鍵字：塑膠缺陷檢測、深度學習、機器視覺辨視