基于YOLO11的工件缺陷检测系统（Python源码+数据集+Pyside6界面）

AI小怪兽

已于 2024-12-21 17:23:00 修改

阅读量1.7k

点赞数 29

分类专栏：深度学习实战应用案列108篇文章标签： python 人工智能大数据 YOLO 深度学习计算机视觉

于 2024-12-20 08:32:54 首次发布

本文链接：https://blog.csdn.net/m0_63774211/article/details/144588491

版权

深度学习实战应用案列108篇专栏收录该内容

125 篇文章

订阅专栏

💡💡💡本文摘要：基于YOLO11的工件表面缺陷智能检测系统，阐述了整个数据制作和训练可视化过程

博主简介

AI小怪兽，YOLO骨灰级玩家，1）YOLOv5、v7、v8、v9、v10、11优化创新，轻松涨点和模型轻量化；2）目标检测、语义分割、OCR、分类等技术孵化，赋能智能制造，工业项目落地经验丰富；

1.YOLO11介绍

Ultralytics YOLO11是一款尖端的、最先进的模型，它在之前YOLO版本成功的基础上进行了构建，并引入了新功能和改进，以进一步提升性能和灵活性。YOLO11设计快速、准确且易于使用，使其成为各种物体检测和跟踪、实例分割、图像分类以及姿态估计任务的绝佳选择。

结构图如下：

1.1 C3k2

C3k2，结构图如下

C3k2，继承自类C2f，其中通过c3k设置False或者Ture来决定选择使用C3k还是Bottleneck

实现代码ultralytics/nn/modules/block.py

1.2 C2PSA介绍

借鉴V10 PSA结构，实现了C2PSA和C2fPSA，最终选择了基于C2的C2PSA（可能涨点更好？）

实现代码ultralytics/nn/modules/block.py

1.3 11 Detect介绍

分类检测头引入了DWConv（更加轻量级，为后续二次创新提供了改进点），结构图如下（和V8的区别）：

实现代码ultralytics/nn/modules/head.py

2.如何训练工件缺陷数据集

2.1 工件缺陷数据集介绍

工件数据集大小1400张，缺陷类型一共四种：zhen_kong、ca_shang、 zang_wu、 zhe_zhou

（针孔、擦伤、脏污、褶皱）

标签可视化分析

2.2 超参数修改

位置如下default.yaml

2.3 配置aluminum.yaml

ps:建议填写绝对路径

train: D:/YOLOv11/data/aluminum/train.txt
val: D:/YOLOv11/data/aluminum/val.txt

# number of classes
nc: 4

# class names
names: ["zhen_kong","ca_shang","zang_wu","zhe_zhou"]

2.4 如何训练

import warnings
warnings.filterwarnings('ignore')
from ultralytics import YOLO

if __name__ == '__main__':
    model = YOLO('ultralytics/cfg/models/11/yolo11.yaml')
    model.train(data='data/aluminum.yaml',
                cache=False,
                imgsz=640,
                epochs=200,
                batch=8,
                close_mosaic=10,
                device='0',
                optimizer='SGD', # using SGD
                project='runs/train',
                name='exp',
                )

2.5 训练结果可视化结果

YOLO11n summary (fused): 238 layers, 2,582,932 parameters, 0 gradients, 6.3 GFLOPs
                 Class     Images  Instances      Box(P          R      mAP50  mAP50-95): 100%|██████████| 11/11 [00:08<00:00,  1.27it/s]
                   all        336        822      0.961      0.964      0.974      0.574
             zhen_kong        121        180      0.948       0.95      0.948      0.353
              ca_shang        161        241      0.912      0.907      0.956      0.559
               zang_wu        225        307      0.999          1      0.995      0.667
              zhe_zhou         94         94      0.983          1      0.995      0.714

预测结果：

3. 工件缺陷智能检测系统设计

3.1 PySide6介绍

受益于人工智能的崛起，Python语言几乎以压倒性优势在众多编程语言中异军突起，成为AI时代的首选语言。在很多情况下，我们想要以图形化方式将我们的人工智能算法打包提供给用户使用，这时候选择以python为主的GUI框架就非常合适了。

PySide是Qt公司的产品，PyQt是第三方公司的产品，二者用法基本相同，不过在使用协议上却有很大差别。PySide可以在LGPL协议下使用，PyQt则在GPL协议下使用。

PySide目前常见的有两个版本：PySide2和PySide6。PySide2由C++版的Qt5开发而来.，而PySide6对应的则是C++版的Qt6。从PySide6开始，PySide的命名也会与Qt的大版本号保持一致，不会再出现类似PySide2对应Qt5这种容易混淆的情况。

3.2 安装PySide6

pip install --upgrade pip
pip install pyside6 -i https://mirror.baidu.com/pypi/simple

基于PySide6开发GUI程序包含下面三个基本步骤：

设计GUI，图形化拖拽或手撸；
响应UI的操作（如点击按钮、输入数据、服务器更新），使用信号与Slot连接界面和业务；
打包发布；