显微镜直线缺陷检测系统产品系统

本项目聚焦工业视觉检测领域，针对生产线中直线类工件（如金属板材接缝、电子元件引脚、包装印刷线条等）的缺陷检测场景。立项原因在于：传统人工检测存在效率低、漏检率高、标准不统一的问题；现有视觉检测方案常因光照波动、工件细微形变导致异常值干扰，难以稳定识别直线区域的宽度不均、断裂等缺陷。业务背景是工业产线的自动化质检需求，需实现对实时摄像头、本地图片 / 视频中直线工件的快速缺陷识别，同时记录检测数据与结果，辅助产线质量追溯。

项目包含 3 大核心功能模块，覆盖 “媒体输入 - 缺陷检测 - 数据管理” 全流程：
多媒体输入模块：支持实时摄像头采集、单张图片导入、本地视频解析三种输入方式，适配产线实时检测、离线样本分析等不同场景。
智能缺陷检测模块：
自动对输入帧做灰度化、自定义二值化处理（基于 95% 亮度分位数动态调整阈值）；
提取图像中间 500 行区域，剔除前后 1% 极端值后计算像素差均值，通过 “像素差与均值绝对差＞可调阈值” 判定异常行；
在原始帧、二值图上标记异常区域（紫色框选 + 红线标记），同步展示检测统计信息（二值化阈值、均值、异常行数）。
数据管理模块：支持启动 / 停止视频保存（自动创建 “时间 + 检测结果” 命名的文件夹，存储原始视频与检测结果视频），同时通过表格实时展示中间 500 行的像素差、绝对差数据，异常行标红便于查看。

我负责的具体任务：
核心检测逻辑开发：包括二值化算法、中间区域提取、异常值过滤与均值计算、缺陷判定规则的代码实现；
UI 界面搭建：基于 PyQt5 实现功能按钮（媒体切换、参数调整）、数据表格、参数说明等交互组件；
多线程与资源管理：设计独立弹窗线程避免检测阻塞，实现摄像头 / 视频 / 图片的资源释放、视频写入对象的创建与销毁；
可视化功能开发：完成原始帧、二值图、检测结果图的多窗口展示，以及异常区域的标记与统计信息绘制。
技术栈与架构：
技术栈：Python+OpenCV（视觉处理）、PyQt5（GUI 界面）、NumPy（数据计算）、多线程 QThread（异步弹窗）；
架构：采用 “UI 交互层 - 检测逻辑层 - 资源管理层” 分层架构，UI 层负责用户操作与数据展示，检测逻辑层封装二值化、异常计算等核心算法，资源管理层处理媒体输入 / 输出的资源生命周期；
亮点：通过 “剔除 1% 异常值” 提升均值计算的稳健性，支持多媒体输入适配不同场景，自动分类保存检测数据便于追溯；当异常判断阈值=4，二值化偏移量=40时，准确率大于99%
难点：解决了多线程下的资源竞争（如视频写入对象的线程安全），以及动态二值化阈值在不同光照场景下的适配性问题。