本系统针对工业焊接质量检测场景在 YOLOv8 基础上进行算法改进实现焊接缺陷的智能识别与检测并提供完整的桌面端可视化界面。一、数据集1.1 基本信息项目内容数据集名称The Welding Defect Dataset - v2任务类型目标检测标注格式YOLO 格式.txt归一化坐标图片格式JPEG.jpg图片总数2,028 张标注框总数5,686 个1.2 检测类别3 类类别 ID类别名称描述0Bad Weld劣质焊缝夹渣、气孔、咬边等1Good Weld合格焊缝2Defect缺陷区域裂纹、未熔合、飞溅等1.3 数据划分子集图片数标注框数比例训练集1,6194,58379.8%验证集28380214.0%测试集1263016.2%1.4 目录结构The Welding Defect Dataset - v2/ └── The Welding Defect Dataset - v2/ ├── data.yaml ├── train/images、train/labels ├── valid/images、valid/labels └── test/images、test/labels二、训练过程2.1 训练脚本基础版train.py改进版train_improved.py启用 WIoU 等算法改进2.2 训练参数参数默认值说明模型yolov8n.pt预训练权重nanoepochs100训练轮次batch16批次大小imgsz640输入尺寸workers4数据加载线程数2.3 输出目录基础版train_result/exp/改进版train_result/exp_improved/训练产物包括weights/best.pt、weights/last.pt、results.csv、args.yaml等。三、可视化图含义训练完成后运行visualize_results.py可生成以下图表图表文件含义loss_curves.png训练与验证损失曲线。Box Loss边界框回归损失Cls Loss分类损失DFL Loss分布聚焦损失。曲线下降表示模型收敛。metrics.png评估指标随 epoch 变化。Precision精确率Recall召回率mAP50IoU0.5 时的平均精度mAP50-95IoU 0.5~0.95 的平均精度。learning_rate.png学习率调度曲线反映训练过程中的学习率变化。summary.png训练结果汇总包含 Box Loss、Cls Loss、Precision/Recall/mAP50、mAP50-95 的综合展示。界面【指标展示】页可读取train_result下的results.csv以深色主题展示训练曲线与指标汇总。四、系统功能功能模块说明图片识别上传焊接图片执行检测展示统计摘要、详细数据、置信度分布支持导出图片与 CSV视频识别打开视频文件逐帧检测并显示实时统计可导出关键帧摄像头识别接入本地摄像头实时检测支持检测开关、截图保存、会话记录检测历史查看、筛选、搜索、导出检测记录支持按类型与关键词筛选模型管理加载模型、验证、调节置信度/IoU/最大检测数等参数指标展示可视化训练曲线、mAP、Precision、Recall 等指标五、项目技术栈类别技术深度学习PyTorch、Ultralytics YOLOv8模型改进WIoU 损失、DCNv2 可变形卷积、EFP 增强特征金字塔界面PyQt6可视化Matplotlib数据处理OpenCV、Pandas、NumPy六、项目结构c153/ ├── main.py # 程序入口 ├── train.py # 基础版训练 ├── train_improved.py # 改进版训练WIoU 等 ├── visualize_results.py # 训练结果可视化 ├── config/ # 配置 │ ├── train_config.py # 训练参数 │ └── app_config.py # 应用路径 ├── core/ # 核心逻辑 │ ├── detector.py # YOLOv8 检测器 │ ├── workers.py # 后台检测线程 │ ├── history_manager.py │ ├── settings_manager.py │ └── auth_manager.py ├── models/ # 算法改进模块 │ ├── wiou.py # WIoU 损失函数 │ ├── dcn_blocks.py # DCNv2 可变形卷积 │ └── efp.py # EFP 增强特征金字塔 ├── ui/ # 界面 │ ├── login_window.py │ ├── main_window.py │ └── pages/ # 各功能页 ├── utils/ # 工具 │ ├── styles.py # QSS 样式 │ └── path_utils.py ├── visualize/ # 可视化模块 ├── train_result/ # 训练结果输出 ├── data/ # 运行时数据 └── The Welding Defect Dataset - v2/ # 数据集七、运行说明安装依赖pipinstall-rrequirements.txt启动界面python main.py默认账号admin/admin训练模型python train_improved.py生成可视化图python visualize_results.py八、相关文档算法创新文档.mdWIoU、DCNv2、EFP 等算法改进说明数据集介绍.md数据集详细说明本项目为个人原创结构清晰功能完整适合计算机视觉方向课程设计、毕业设计和项目演示使用。有定制化需求可以评论或私信作者。作者原创项目地址michael-jay.pages.dev/projects.html