一、作品名称
基于yolov5的钢材表面缺陷检测模型训练、导出和部署方法

二、作品功能
1.训练6种钢材表面缺陷数据集，分别是裂缝(Crazing)、夹杂物(Inclusion)、斑块(Patches)、点蚀表面(Pitted-Surface)、氧化皮(Rolled-in-Scale)和划痕(Scratches)，数据集照片各200张。
2.Yolov5训练出来的模型是Pt模型，我们把它转成Pb模型。（你也可以直接用Pt模型或者转成其他格式的模型）
3.在电脑上部署金属探伤识别模型，在电脑上跑出效果。
4.本模型可以部署到带系统的开发板上使用，比如说K210、树莓派、边缘类开发板等。 注意：由于不同开发板的性能和摄像头的差异，模型部署到开发板上的效果各有不同，建议用好一点的开发板和高清摄像头。（如果你不会的话，我们可以指导你）

三、模型训练结果
裂缝(Crazing)识别率：98.2%
夹杂物(Inclusion)识别率：100%
斑块(Patches)识别率：93.3%
点蚀表面(Pitted-Surface)识别率：100%
氧化皮(Rolled-in-Scale)识别率：96.6%
划痕(Scratches)识别率：100%%

四、模型亲测实际效果展示
1.裂缝(Crazing) 识别效果展示（识别率是100%）

2.夹杂物(Inclusion)识别效果展示（识别率是89%）

3.斑块(Patches)识别效果展示（识别率是100%）

4.点蚀表面(Pitted-Surface)识别效果展示（识别率是100%）

5.氧化皮(Rolled-in-Scale)识别效果展示（识别率是100%）

6.划痕(Scratches)识别效果展示（识别率是100%）

五、作品功能演示

点击下面链接，可以看模型的识别效果视频
基于yolov5的钢材表面缺陷检测模型训练、导出和部署方法

六、作品答疑
1.如果你需要这个模型或者数据集 ，可以联系我发你模型训练的教程，如果你懒的话我就直接发你模型 （拒绝白嫖怪）
2.如果你需要部署到实际的开发板，可以联系我教你。目前作者没有时间去写部署到开发板上的教程，你可以把你的开发板照片发到私信，然后我再手把手教你。
3.如果你对这个模型有疑问，欢迎评论区留言，我会挨个回复的啦。

七、提供资料如下：