JJHan7016/yolo11n-custom-aoi-detection

YOLO11n - NEU Steel Surface Defect Detection

1. 模型描述 (Model Description)

本模型基於 Ultralytics YOLO11n 架構，針對工業用的 NEU 鋼材表面缺陷數據集 (NEU Surface Defect Database) 進行微調訓練。該模型旨在自動辨識與定位金屬表面的六種常見物理缺陷。

2. 辨識類別 (Classes)

模型可偵測以下 6 種缺陷：

• crazing (網狀裂紋)
• inclusion (夾雜物)
• patches (斑塊)
• pitted_surface (麻點表面)
• rolled-in_scale (氧化鐵皮壓入)
• scratches (刮痕)

3. 訓練配置 (Training Configuration)

• Framework: Ultralytics YOLO11
• Base Model: yolo11n.pt (Nano version for Edge deployment)
• Image Size: 200x200 (Matched to NEU original dataset)
• Epochs: 50
• Batch Size: 16
• Device: NVIDIA GPU (Kaggle/Colab)

4. 數據處理 (Data Processing)

原始 XML 標籤已轉換為 YOLO 格式，並將數據集按照 8:2 的比例隨機劃分為訓練集與驗證集。

• Train Images: 1440 張
• Val Images: 360 張

5. 使用方法 (How to Use)

你可以透過以下 Python 代碼直接載入並使用此模型：

from ultralytics import YOLO

# 從 Hugging Face 下載後載入 (假設檔名為 best.pt)
model = YOLO("best.pt")

# 進行推理
results = model.predict(source="test_image.jpg", conf=0.25)

# 顯示結果
results[0].show()