零件缺陷检测系统：基于YOLOv10的划痕与缺失识别

一、项目背景与研究意义

在现代工业制造中，零件表面质量的自动化检测已成为智能制造的重要环节。传统人工检测不仅效率低下、成本高，而且准确性受主观影响。随着深度学习与计算机视觉技术的发展，基于YOLO（You Only Look Once）系列的缺陷检测算法凭借其端到端、速度快、精度高的特点，成为工业缺陷检测的主流方法之一。

本项目基于最新的 YOLOv10 实现一套用于检测零件表面缺陷（如划痕、裂纹、凹陷或缺失）的系统，结合 PyQT 构建可视化操作界面，实现：

• 零件图像导入与预览；
• 缺陷目标检测结果实时显示；
• 模型预测性能评估；
• 一键推理与导出结果。

---

二、数据集选择与准备

2.1 推荐数据集

我们采用 NEU Surface Defect Database（NEU-CLS）数据集，并扩展自定义数据。

• 数据集地址：https://github.com/abin24/NEU-CLS-Surface-Defect-Database