1、本项目主要分为两部分一个是钢卷表面8分类检测，二是吨钢理赔价格预测为理赔模型，钢卷表面缺陷检测主要是对辊印、黑点、麻点、划伤、条纹、锌浪、锈蚀、斑迹此8个缺陷种类进行分类。理赔模型主要从缺陷名称、缺陷程度、合同重量、理赔重量、质量等级、销售价格、货物现存地、品名、厚度、宽度十个维度进行模型的训练。
2、本项目我主要负责全部算法的开发及部署，首先运用yolov5模型对8个缺陷的图片进行模型训练，其次运用机器视觉中SVM.SVR非线性拟合模型进行理赔模型的训练，运用docker容器进行部署，flask进行网络通讯，本次由于麻点和黑点的十分相似，在图片量有限的情况下，用户对于8分类的识别准确率要求是90%以上，理赔模型的单价预测小于30元。
3、此图片的相似程度比较大，因此结合相应的业务人员进行每张图片的分类，将每张图片的缺陷部分找到，在进行标注，这样在图片量有限的情况下对图片进行有质量的标注，同时在用户端上传图片时对图片进行把关，对图片清晰度及反光度进行判定，训练清晰度模型和反光度模型对图片上传进行严格控制，因此从输入端进行控制，这样得到的效果达到了客户的要求。