基于YOLOv8（10,11,12）的金属表面缺陷检测（可加改进）

演示视频：

基于YOLOv8、v10、v11、v12的金属表面缺陷检测

项目结构：

├── 训练与模型
│   ├── train.py               # 模型训练脚本
│   ├── weights/               # 预训练模型存储
│   └── requirements.txt       # 环境依赖列表

├── 检测系统
│   ├── detect.py              # 推理检测脚本 
│   ├── GUI.py                 # 主界面程序
│   └── icon/                  # UI图标资源

├── 数据集
│   ├── VOCData/               # VOC格式数据集
│   └── GC10-DET.zip           # 原始数据集文件（947.85MB）

└── 辅助资源
    ├── img/                   # 示例图像
    ├── output/                # 检测结果输出
    └── runs/                  # 训练日志

系统功能展示

一、多源数据输入模块

1. ​​输入方式多样性​​

• 支持单张图片检测（选择图片文件）
• 批量图片处理（选择图片文件夹）
• 视频流检测（选择视频文件）
• 实时摄像头检测（选择相机源）

1. ​​模型管理​​

• 支持权重文件选择（选择weights文件）
• 兼容不同场景模型（yam1户外/YAMA等选项）

二、核心检测功能

1. ​​缺陷识别能力​​

• 基于YOLOv8算法实现金属表面缺陷检测
• 可识别划痕、凹陷、裂纹等常见缺陷类型
• 实时显示检测框（xmin/ymin/xmax/ymax坐标）

1. ​​可视化输出​​

• 主显示区展示带检测框的原图
• 缺陷位置高亮标注
• 置信度实时显示（0.45阈值可调）

三、参数配置系统

1. ​​硬件加速选项​​

• GPU/CPU模式切换
• NVIDIA显卡专用加速
• 精度模式选择（Half/Float）

1. ​​检测参数调节​​

• 置信度阈值调节（当前0.45）
• IOU阈值设置（当前0.45）
• 推理尺寸设置（ims参数）

四、结果展示与数据管理

1. ​​结构化数据输出​​

• 表格显示检测记录：
  • 序号、图片名称、录入时间
  • 识别结果、目标数量
  • 保存路径、推理用时

1. ​​数据追溯功能​​

• 历史记录时间戳管理
• 检测结果分类统计
• 支持数据导出（导出数据>按钮）

五、运行控制与监控

1. ​​操作控制​​

• 一键启动/停止检测（开始运行>停止运行>）
• 实时推理状态监控
• 硬件资源占用显示

1. ​​性能指标可视化​​

• 推理时间显示（毫秒级）
• 硬件加速状态指示
• 内存使用情况监控（未显式标注但应包含）

检测示例

如图所示，上传图片进行检测可以显示出缺陷类别并绘制检测框，在下方显示出结果，并支持导出结果。