工业缺陷自动识别平台产品系统

本项目面向工业 X 光/CT 质检场景，解决传统人工目检效率低、缺陷漏检风险高、检测结果难以追溯的问题。系统针对生产件内部气孔、气泡等微小缺陷进行识别，适用于工业产线质量检测、缺陷复核、检测数据统计与模型辅助判定等业务场景。

项目主要包含训练端和客户端两部分。训练端支持图像导入、DICOM 图像处理、图像清洗、标注管理、数据集切分、YOLO 模型训练和模型评估；客户端支持手动检测、自动监控目录、模型加载、图像预处理、切片推理、检测结果拼接展示、历史记录保存和检测数据统计。系统可对工业 X 光图像中的气孔、气泡等缺陷进行自动识别，并输出缺陷位置、置信度和检测结果。

项目基于 Python 实现，使用 OpenCV 完成 X 光图像读取、灰度转换、自适应裁剪、图像增强和 640 尺寸切片处理；使用 PyTorch/YOLO 完成缺陷检测模型训练与推理；使用 PyQt 构建桌面端客户端，实现模型选择、图像检测、自动监控、结果展示和数据统计。为适应高分辨率工业图像，系统采用切片检测后再映射回原图的方式，降低小缺陷漏检风险。项目难点主要包括低对比度缺陷增强、小目标检测、训练端与客户端预处理一致性、不同产品结构带来的泛化问题以及 CPU 环境下的推理速度优化。