摘要:
本文介绍了一套基于YOLO算法的纺织品缺陷智能检测系统。该系统通过深度学习技术,可精准识别破洞、织线瑕疵等缺陷,支持图片、视频、实时摄像头等多种检测方式,并提供可视化界面、结果导出等功能。系统采用PyQt5开发前端,支持多模型切换(YOLOv5/v8/v11/v12),其中YOLO12n模型精度最高(mAP40.6%),YOLO11n速度最优(56.1ms)。文章详细演示了用户界面操作流程,并分享了模型训练核心代码,实现了从数据集准备到模型生成的全流程自动化。该系统有效解决了传统人工质检效率低、漏检率高的问题。 阅读全文
本文介绍了一套基于YOLO算法的纺织品缺陷智能检测系统。该系统通过深度学习技术,可精准识别破洞、织线瑕疵等缺陷,支持图片、视频、实时摄像头等多种检测方式,并提供可视化界面、结果导出等功能。系统采用PyQt5开发前端,支持多模型切换(YOLOv5/v8/v11/v12),其中YOLO12n模型精度最高(mAP40.6%),YOLO11n速度最优(56.1ms)。文章详细演示了用户界面操作流程,并分享了模型训练核心代码,实现了从数据集准备到模型生成的全流程自动化。该系统有效解决了传统人工质检效率低、漏检率高的问题。 阅读全文
posted @ 2026-01-11 20:25
Coding茶水间
阅读(18)
评论(0)
推荐(0)

浙公网安备 33010602011771号