R^2 score del predittore: 0.97

GrapheDefectDetector

Trasformazione dataset .xyz in .png ✔️
Object Detection sui difetti ✔️
Analisi dei difetti con OpenCV per estrapolazione feature geometriche ✔️
Correlazione feature geometriche dei difetti con propietà fisiche del campione ✔️
Modello predittivo per total_energy a partire dalle feature geomtriche dei campioni ✔️

E' possibile lanciare una demo passo passo da main_playground.ipynb

Traformazione campioni in formato .xyz in immagini:

Il training di YOLO è stato fatto con 100 immagini su colab. Il test del preditorre è stato fatto con 1000 inferenze di YOLO.

Name		Name	Last commit message	Last commit date
Latest commit History 66 Commits
.conda		.conda
__pycache__		__pycache__
cartellaCrop		cartellaCrop
cartellaTrash		cartellaTrash
contours		contours
data.xyz/subset_xyz		data.xyz/subset_xyz
data_yolo_labeled		data_yolo_labeled
data_yolo_labeled_splitted		data_yolo_labeled_splitted
dataframes		dataframes
debug		debug
immPerInferenza		immPerInferenza
lib		lib
real_images_demo		real_images_demo
train_yolo		train_yolo
README.md		README.md
best_100_campioni_new.pt		best_100_campioni_new.pt
defect_analysis.py		defect_analysis.py
demo_real_images.ipynb		demo_real_images.ipynb
demo_real_images.py		demo_real_images.py
environment.yml		environment.yml
lib_fetaure_analysis.py		lib_fetaure_analysis.py
main_playground.ipynb		main_playground.ipynb