摘要:
本文介绍了一个基于YOLO算法的钢材表面缺陷检测系统。系统支持图片、视频、摄像头实时检测等多种模态,能识别6类典型缺陷(龟裂、夹杂物等),并提供可视化标注、数据统计与导出功能。技术栈采用Python3.10+PyQt5+SQLite,对比测试了YOLOv5/8/11/12模型,其中YOLO12n精度最高(mAP40.6%),YOLO11n速度最优(56.1ms)。系统具备用户管理、多模型切换等功能,训练代码支持自动路径修正和批量训练,适合工业质检场景部署应用。 阅读全文
本文介绍了一个基于YOLO算法的钢材表面缺陷检测系统。系统支持图片、视频、摄像头实时检测等多种模态,能识别6类典型缺陷(龟裂、夹杂物等),并提供可视化标注、数据统计与导出功能。技术栈采用Python3.10+PyQt5+SQLite,对比测试了YOLOv5/8/11/12模型,其中YOLO12n精度最高(mAP40.6%),YOLO11n速度最优(56.1ms)。系统具备用户管理、多模型切换等功能,训练代码支持自动路径修正和批量训练,适合工业质检场景部署应用。 阅读全文
posted @ 2026-01-29 20:25
Coding茶水间
阅读(33)
评论(0)
推荐(0)

浙公网安备 33010602011771号