1、本项目主要是对边裂进行检测，由于环境复杂，并且要求检测大于等于95%，过检率5%。
2、因此本项目在钢板表面十分复杂的情况下，本次运用多个模型进行组合，首先运用U2NET对摄像机采集的图片进行实例分割，得到钢板区域的图片，对钢板区域的图片进行截图，在对截图的图片进行边裂区域的标注，再一次利用U2NET模型对带钢图片边裂部分进行模型训练，同时求出钢板边缘的坐标信息，上边缘的像素坐标点和上部分的边裂矩形框的左上角相邻最近的点进行求距离，下边缘的像素坐标值和下部分的边裂矩形框右下角相邻最近的点求距离，求出距离在一定的范围之内才判定是边裂，同时运用yolov5s模型对拼接区域的图片进行过滤，主要是拼接的图片拼接周围容易误识别成边裂，因此需要过滤，同时上面2个模型进行组合，这样才得以满足客户的需求。