Анотація: При поглибленому застосуванні інформаційних технологій у сфері промислового виробництва дослідження великих даних у промисловому виробництві стає важливою еталоною для реалізації інтелектуального виробництва та допомоги уряду у напрямі трансформації та модернізації виробничих підприємств. У традиційній сталі, алюмінію та іншій обробній промисловості металу існують такі проблеми, як великий режим виробництва і простий процес виробництва. Тому терміново використовувати нове покоління таких інформаційних технологій, як штучний інтелект, для підвищення виробничого процесу та підвищення ефективності виробництва. При використанні алюмінію поверхню необхідно оглянути. Існуюче виявлення дефектів алюмінієвої поверхні обмежується традиційним ручним візуальним оглядом, дуже трудомістким, або на основі традиційного алгоритму машинного зору, швидкість розпізнавання не висока, зазвичай не може точно визначити дефекти поверхні своєчасно. Для вирішення цих проблем згорткові нейронні мережі та YOLOv3 використовуються для виявлення набору даних про дефект алюмінію, створених двома алгоритмами виявлення цілей. Потім, на основі алгоритму YOLOv3, були зроблені поліпшення для поліпшення виявлення ефекту дрібних дефектів на алюмінієвій поверхні. Експериментальна перевірка була проведена на "алюмінієвому розпізнанні дефектів профілю", наданих Guangdong Industrial Intelligence Big Data Innovation Competition. Експериментальні результати показали, що вдосконалений алгоритм середньої точності (mAP) був на 3,4% вище алгоритму YOLOv3 і на 1,8% вище, ніж алгоритм Faster R-CNN.
