焊接缺陷检测系统-YOLOv8+PyQt5
本项目为前几天收费帮学妹做的一个项目，在工作环境中基本使用不到，但是很多学校把这个当作编程入门的项目来做，故分享出本项目供初学者参考
一、项目描述
基于YOLOv8的焊接缺陷检测系统
本项目设计并实现了一套基于YOLOv8深度学习模型的焊接缺陷自动检测系统，旨在提升焊接质量检测的效率与准确性。系统集成了图像与视频的检测功能，支持单张与批量处理，并通过图形化界面提供良好的用户体验。
二、项目功能
1.图像检测
单张图片检测：支持用户上传单张图片进行缺陷识别。
批量图片检测：支持一次性处理多张图片，提高检测效率。
结果展示与保存：检测结果可视化展示，支持保存检测后的图像及标注信息。
2. 视频检测
视频文件检测：支持上传本地视频文件进行逐帧检测。
实时摄像头检测：连接摄像头进行实时缺陷检测。
检测视频保存：可将检测结果以视频形式保存，便于后续查看与分析。
3.用户界面功能
检测参数调整：用户可自定义置信度阈值、IOU阈值等关键参数。
进度显示：实时显示检测进度，提升用户体验。
结果表格展示：以表格形式展示检测到的缺陷类型、位置、置信度等信息，便于分析。
技术特点
- 使用YOLOv8作为检测模型，具有较高的检测精度和速度
- 采用PyQt5构建图形界面，提供友好的用户交互
- 支持多种检测模式（图片、视频、摄像头）
- 提供批量处理功能
- 支持检测结果的可视化展示和保存
系统依赖
– Python 3.x – PyQt5 – OpenCV – YOLOv8 – Pillow – NumPy – PyTorch
使用说明
- 安装依赖包：运行
installPackages.py或使用pip install -r requirements.txt - 运行主程序：执行
MainProgram.py - 选择检测模式（图片/视频/摄像头）
- 选择模型和调整参数
- 开始检测并查看结果
三、运行环境
运行环境开发工具:PyCharm 2022.1.4
(此配置为本人调试所用，仅供参考)
四、项目技术
软件开发环境:python3.9
系统界面开发：pyqt5
———项目文件说明： 见目录中的【目录文件说明.png】图片。
环境配置步骤【共两步】： 【注意：软件存放路径最好不要有中文。】
———【第一步：安装python3.9】——— 方法一【推荐】： 先安装ananconda软件，官网地址：www.anaconda.com/download 安装完成后，在conda命令窗口，使用命令”conda create -n py39 python=3.9″创建3.9的虚拟环境 然后激活虚拟环境“conda activate py39”,然后再进行第二步依赖库的安装。 方法二： 直接在python官网下载pyhon3.9的exe文件，安装即可。
———【第二步：安装软件所需的依赖库】——— （注意：输入命令前，命令行需先进入项目目录的路径下，不然会提示找不到文件） 方法一：【推荐】 直接运行installPackages.py一键安装第三方库的脚本。命令为：python installPackages.py 方法二: 运行下方命令 pip install -r requirements.txt -i pypi.tuna.tsinghua.edu.cn/simple
———【运行程序】——— 按照以上两步环境配置完成后，直接运行MainProgram.py文件即可打开程序。 命令为：python MainProgram.py
———【模型训练】——— 将文件【datasets/CarPersonData/data.yaml】中train,val数据集的绝对路径改为自己项目数据集的绝对路径 train: E:\MyCVProgram\CarPersonDetection\datasets\CarPersonData\images\train val: E:\MyCVProgram\CarPersonDetection\datasets\CarPersonData\images\val
然后运行train.py文件即可开始进行模型训练,训练结果会默认保存在runs/detect目录中。 其中runs/train是我已经训练好的结果文件，含模型与所有过程内容。 训练好的模型在runs/train/weights目录下，last.pt表示最后一轮结果的训练模型，best.pt表示训练中最好结果的训练模型。一般我们使用best.pt就行。
以上系统源码经过技术整理与调试，确保能正常运行
