FabricDefectDetector：基于YOLOv10的纺织物瑕疵检测系统

一、项目背景与研究价值

在现代纺织工业中，布料的质量直接影响产品的市场竞争力。传统的人工检测方法效率低下，且容易受到疲劳和主观因素的影响，导致漏检和误检。随着深度学习技术的发展，基于视觉的瑕疵检测方法逐渐成为主流。本文将介绍如何使用YOLOv10模型结合PyQt5界面，构建一个纺织物瑕疵检测系统，实现对布料上污渍、破洞、织造缺陷等的实时检测。

---

二、数据集准备

2.1 推荐数据集来源

为了训练和评估纺织物瑕疵检测模型，需要准备包含各种瑕疵的布料图像数据集，并标注其位置。以下是一些公开可用的数据集：

1）Fabric Defect Dataset - Kaggle

• 包含3类瑕疵图像：horizontal、vertical和holes，每个瑕疵图像都有对应的掩码图像。
• 数据集链接：Fabric Defect Dataset - Kaggle

2）Textile Defect Detection - Kaggle

• 包含32x32的图像块