摘要针对钢材焊接过程中常见缺陷检测效率低、人工检测主观性强等问题本文基于YOLOv8目标检测算法构建了一套钢材焊接缺陷自动检测系统。系统涵盖六类焊接缺陷不良焊接Bad Welding、裂纹Crack、余高过大Excess Reinforcement、良好焊接Good Welding、气孔Porosity及飞溅Spatters。实验采用3,037张训练图像、422张验证图像及205张测试图像训练100个周期。模型在验证集上的平均精度均值mAP0.5为0.491mAP0.5-0.95为0.36。引言焊接是钢材加工中的关键工艺广泛应用于建筑、船舶、汽车及管道等工业领域。焊接质量直接决定结构的安全性与使用寿命。然而焊接过程受工艺参数、材料特性、环境条件等多种因素影响极易产生裂纹、气孔、飞溅、余高过大等缺陷。传统焊接质量检测主要依赖人工视觉检查或传统图像处理方法存在效率低、漏检率高、标准不统一等问题难以满足现代智能制造对实时性与准确性的要求。近年来深度学习尤其是目标检测技术的发展为工业缺陷检测提供了新的解决方案。YOLO系列算法因其检测速度快、精度较高、端到端的特性成为工业视觉检测的热门选择。本文采用YOLOv8模型针对钢材焊接图像中的六类常见缺陷进行检测与识别并通过训练曲线、精度-召回率曲线、mAP等指标系统评估模型性能。目录摘要引言功能模块1、用户管理模块2、界面与交互模块3、检测源管理模块4、检测参数配置模块5、YOLO检测核心模块6、结果显示模块7、结果保存模块8、工具栏功能9、辅助功能10、数据校验模块背景数据集介绍训练过程训练结果总体性能评估1. 平均精度 (mAP)2. 各类别AP从PR曲线读取​编辑训练过程分析​编辑常用标注工具功能模块✅用户登录注册支持密码检测密码加密。注册登录✅图片检测可对图片进行检测返回检测框及类别信息。✅参数实时调节置信度和IoU阈值✅支持选择检测目标可以选择一个或者多个类目的目标进行检测✅视频检测支持视频文件输入检测视频中每一帧的情况。✅摄像头实时检测连接USB 摄像头实现实时监测。✅日志记录日志标签页记录操作和错误信息带时间戳✅结果保存模块支持图片/视频/摄像头检测结果保存1、用户管理模块功能描述用户注册用户名、密码、确认密码、邮箱选填注册密码SHA256加密存储用户登录用户名密码验证自动跳转主界面用户数据存储JSON文件存储用户信息密码加密、注册时间、邮箱登录状态主界面显示当前登录用户名2、界面与交互模块功能描述玻璃效果界面半透明毛玻璃背景圆角边框现代化视觉风格无边框窗口自定义标题栏支持窗口拖动、最小化、最大化、关闭响应式布局主窗口三栏布局左侧控制区、中央显示区、右侧信息区状态栏显示设备信息、模型状态、当前用户、实时时间3、检测源管理模块功能描述图片检测支持JPG/JPEG/PNG/BMP格式图片载入视频检测支持MP4/AVI/MOV/MKV格式视频载入摄像头检测实时调用摄像头默认ID 0进行检测检测源切换下拉菜单切换三种检测模式自动更新界面状态4、检测参数配置模块功能描述置信度阈值滑动条调节0-100%步长1%实时显示当前值IoU阈值滑动条调节0-100%步长1%实时显示当前值类别选择动态生成检测类别复选框支持全选/取消全选参数同步参数实时同步到检测器核心5、YOLO检测核心模块功能描述模型加载加载best.pt模型文件自动检测GPU可用性支持CPU/GPU切换多模式检测图片检测、视频检测、摄像头实时检测检测线程基于QThread的多线程处理避免界面卡顿检测结果返回目标类别、置信度、边界框坐标FPS计算实时计算处理帧率进度反馈视频处理进度条实时更新6、结果显示模块功能描述实时画面中央区域显示检测结果图像带标注框统计信息检测状态、目标数量、FPS、处理帧数实时更新检测列表右侧列表显示当前帧所有检测到的目标类别置信度日志记录日志标签页记录操作和错误信息带时间戳占位显示未选择检测源时显示系统LOGO和提示文字7、结果保存模块功能描述保存开关复选框控制是否保存检测结果路径选择自定义保存路径支持图片/视频格式自动识别自动命名保存文件自动添加时间戳detection_result_20240101_120000.jpg视频保存支持检测结果视频录制MP4格式手动保存工具栏保存按钮可随时保存当前画面保存反馈保存成功弹窗提示日志记录保存路径8、工具栏功能功能描述图片按钮快速切换到图片检测模式并打开文件选择器视频按钮快速切换到视频检测模式并打开文件选择器摄像头按钮快速切换到摄像头检测模式保存按钮手动保存当前显示画面9、辅助功能功能描述错误处理统一错误弹窗提示日志记录错误详情资源清理检测停止时自动释放摄像头、视频文件、视频写入器资源时间显示状态栏实时显示系统时间模型状态状态栏显示模型加载状态和当前设备CPU/GPU10、数据校验模块功能描述注册验证用户名长度≥3密码长度≥6密码一致性检查邮箱格式验证协议确认注册前需勾选同意用户协议文件校验模型文件存在性检查文件大小验证≥6MB输入非空登录/注册时必填项非空检查背景焊接缺陷检测是工业质量控制的重点环节。常见的钢材焊接缺陷包括裂纹焊接应力导致的微观或宏观裂缝、气孔熔池中气体未逸出形成的孔洞、飞溅焊接过程中飞出的熔滴附着于母材、余高过大焊缝表面金属堆积过高以及不良焊接如未熔合、咬边等。这些缺陷会显著降低焊接接头的强度与韧性甚至引发结构失效事故。传统的焊接缺陷检测方法主要包括目视检测、渗透检测、磁粉检测、超声检测及射线检测。其中目视检测效率低且依赖经验超声和射线检测虽然准确但设备昂贵、操作复杂、难以实现在线实时检测。随着计算机视觉与深度学习技术的成熟基于卷积神经网络的缺陷自动检测逐渐成为研究热点。YOLOv8作为Ultralytics发布的最新YOLO系列模型在保持实时检测优势的同时进一步提升了检测精度与易用性。因此探索YOLOv8在钢材焊接缺陷检测中的应用对于提升焊接质量检测的自动化水平具有重要意义。数据集介绍数据集图像数量训练集3,037张验证集422张测试集205张数据集共涵盖6类焊接缺陷类别名称及对应含义如下类别英文名中文名称说明Bad Welding不良焊接包括未熔合、咬边、焊瘤等Crack裂纹焊接应力产生的裂缝Excess Reinforcement余高过大焊缝金属堆积过高Good Welding良好焊接无缺陷的正常焊缝负样本Porosity气孔熔池内气体未逸出形成孔洞Spatters飞溅焊接飞溅物附着训练过程训练结果总体性能评估1.平均精度 (mAP)mAP0.5 0.491来自PR曲线mAP0.5-0.95 ≈ 0.36来自results.png最后一行这个性能属于中等水平。对于工业缺陷检测场景mAP0.5通常期望达到0.7以上当前模型仍有较大提升空间。2.各类别AP从PR曲线读取类别AP0.5评价Spatters飞溅0.594最好Bad Welding不良焊接0.576较好Porosity气孔0.570较好Crack裂纹0.544中等Good Welding良好焊接0.423较差Excess Reinforcement余高过大0.242很差训练过程分析指标初始值(epoch0)终值(epoch100)改善train/box_loss1.850.20良好train/cls_loss2.500.90良好val/box_loss2.101.10较高val/cls_loss3.001.80较高常用标注工具假设您现在准备好进行标注。有几种开源工具可以帮助简化数据标注流程。以下是一些有用的开放标注工具Label Studio一个灵活的工具支持各种标注任务并包含用于管理项目和质量控制的功能。 CVAT一个强大的工具支持各种标注格式和可定制的工作流程使其适用于复杂的项目。 Labelme一个简单易用的工具可以快速标注带有多边形的图像非常适合简单的任务。 LabelImg: 一款易于使用的图形图像标注工具特别适合以 YOLO 格式创建边界框标注。这些开源工具经济实惠并提供一系列功能来满足不同的标注需求。界面核心代码