Абстрактно: С по-задълбоченото прилагане на информационните технологии в областта на промишленото производство, изследването на големите масиви от данни в промишленото производство се превръща в важна референтна основа за реализиране на интелигентно производство и помага на правителството да ръководи трансформацията и модернизацията на производствените предприятия. В традиционната стомана, алуминий и други металообработващи предприятия има проблеми като режим на екстензивно производство и прост производствен процес. Поради това е спешно да се използва новото поколение информационни технологии като изкуствения интелект за подобряване на производствения процес и подобряване на ефективността на производството. При използване на алуминий, повърхността трябва да се провери. Съществуващата откриване на повърхностен алуминий е ограничен от традиционната ръчна визуална проверка, много труден, или въз основа на традиционния алгоритъм машина визия, степента на признаване не е висока, обикновено не може точно да определи повърхностни дефекти своевременно. За решаване на тези проблеми, Convolutional Neural Networks и YOLOv3 се използват за откриване на данните за алуминиеви дефекти, произведени от две целеви алгоритъма за откриване. След това, въз основа на алгоритъма YOLOv3, бяха направени подобрения за подобряване на ефекта на откриване на малки дефекти на алуминиева повърхност. Експериментална проверка се проведе на набора от данни "разпознаване на дефектни алуминиеви профили", предоставени от конкуренцията за иновации на гуандун industrial Intelligence Big Data. Експерименталните резултати показват, че средната средна точност на подобрения алгоритъм (mAP) е с 3.4% по-висок от алгоритъма на YOLOv3 и 1.8% по-висока от алгоритъма Faster R-CNN.
