К содержимому
Другое

defect-detector-neu-det

детектор дефектов стали на базе YOLOv8s

2 мин чтенияобновлено

Модель defect-detector-neu-det от автора Aarun-1 находит и классифицирует шесть типов дефектов поверхности горячекатаной стали на черно-белых снимках: трещины (crazing), включения (inclusion), пятна (patches), точечную коррозию (pitted_surface), вкатанную окалину (rolled-in_scale) и царапины (scratches). В основе лежит компактная архитектура Ultralytics YOLOv8s (11 млн параметров), дообученная на исследовательском датасете NEU-DET с разрешением входа 640×640. От простых демо-моделей проект отличается полноценным инженерным пайплайном вокруг весов: здесь есть слой принятия решений на основе стоимости ошибок, мониторинг дрейфа данных и автоматический отбор моделей перед обновлением. Модель не предназначена для реального производства, но отлично подойдет ML-инженерам и студентам как готовый шаблон MLOps-системы компьютерного зрения.

Ключевые особенности

  • Высокая точность на выраженных дефектах: AP50 достигает 0.952 на царапинах (scratches) и 0.877 на пятнах (patches).
  • Встроенная политика принятия решений: детекции маршрутизируются на ручную проверку (human_review) или в алерт с учетом условной стоимости пропуска и ложного срабатывания.
  • Двухуровневый мониторинг дрейфа: система отслеживает сдвиги яркости, контраста, шума и уверенности модели с помощью двухвыборочного теста Колмогорова — Смирнова (KS test).
  • Готовая инфраструктура: в репозитории предусмотрены сервис на FastAPI, интерфейс Gradio и строгий promotion gate для проверки новых версий весов.

Что можно сделать

  • Использовать как эталонный учебный пример для построения end-to-end пайплайна дефектоскопии с логикой эскалации на оператора.
  • Взять за основу FastAPI-обвязку и скрипты проверки дрейфа (KS test с поправкой Холма) для собственных задач промышленного контроля качества.
  • Протестировать гипотезы по улучшению локализации размытых текстурных дефектов вроде сетки трещин (crazing), где модель чаще ошибается с границами рамки, чем с самим фактом наличия дефекта.

Пример

Модель принимает одиночное черно-белое изображение поверхности стали (исходно 200×200 в NEU-DET, приводится к 640×640), возвращает координаты боксов для 6 классов дефектов и пропускает их через пороговую политику: например, уверенность от 0.10 до 0.25 для crazing отправляет снимок на ручную проверку оператору, а значения выше верхнего порога формируют сигнал тревоги (monitor, schedule_service или stop_now).

ПодробнееМетрики на валидации (216 изображений): mAP50 = 0.755 (при conf 0.001) и 0.668 (при conf 0.25), mAP50-95 = 0.430, Precision = 0.725, Recall = 0.713.
Обучение: YOLOv8s (11M параметров), 50 эпох, batch 16, lr0 0.001 на одном GPU Kaggle.
Устойчивость: модель стабильна к изменениям яркости, но заметно теряет качество при размытии (до -0.53 mAP50), шуме (до -0.73) и сильном JPEG-сжатии.
Ограничения: обучена только на 1800 лабораторных снимках без примеров здоровой стали без дефектов; лицензия весов AGPL-3.0, лицензия датасета NEU-DET не определена.
Обсудить Telegram 0 64

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.0 GB · готовые файлы0.5 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB0.5 GB
  • 4-bitвеса 0.0 GB0.5 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # Aarun-1/defect-detector-neu-det
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download Aarun-1/defect-detector-neu-det --local-dir ~/models/defect-detector-neu-det
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к defect-detector-neu-det
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии defect-detector-neu-det — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

Aarun-1/defect-detector-neu-det
Автор
Aarun-1
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

640

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии