使用YOLOv13进行钢板表面缺陷检测

前期使用YOLO11和YOLOv12对钢板表面的六种缺陷进行了模型训练，结果可以查看之前的文章：

https://blog.csdn.net/mx9818/article/details/149596196

https://blog.csdn.net/mx9818/article/details/150386302

我们使用同样的数据集，使用YOLOv13模型进行了训练，结果如下。

训练结果

使用YOLOv13n模型训练结果

使用YOLOv13s模型训练结果

简要分析

从结果可以看出，YOLO11的总体检测精度最好，但对其中的裂缝(crazing)这种小目标的检测效果不太好。YOLO13对小目标的检测精度有大幅提升，对各种目标的检测精度，其均衡性比较好，而且训练使用的时间更短，计算资源需求更小。如果考虑计算资源消耗、训练时间和效果等各个方面，YOLO13是更优的选择。

如果你也想使用YOLO13训练自己的计算机视觉模型，可以参考这篇博文安装和使用：“YOLO13：基于超图增强自适应视觉感知的实时目标检测”。如果你想使用钢板表面缺陷数据集，可以从这里下载：钢板表面缺陷检测深度学习训练数据集。