SteelDefectDetector：基于YOLOv10的钢材表面缺陷识别系统

一、项目背景与研究价值

在钢铁制造过程中，表面缺陷如裂纹、锈蚀、划痕等会严重影响产品质量和使用寿命。传统的人工检测方法效率低下，且容易受到主观因素影响。随着深度学习技术的发展，基于计算机视觉的自动化检测方法成为研究热点。

YOLOv10作为最新的目标检测模型，具有高精度和实时性的特点，适用于工业场景中的缺陷检测任务。本文旨在构建一个基于YOLOv10的钢材表面缺陷识别系统，结合PyQt5实现可视化界面，提升检测效率和用户体验。

---

二、数据集准备

2.1 推荐数据集：NEU Surface Defect Database

NEU Surface Defect Database是由东北大学提供的公开数据集，包含六种典型的热轧钢带表面缺陷：Roboflow+3ResearchGate+3Kaggle+3

• Crazing（裂纹）
• Inclusion（夹杂）
• Patches（