微小异物检测与识别系统

项目简介

本系统是一个基于 Flask Web 框架与 YOLOv8 深度学习模型的工业表面微小异物/缺陷智能检测平台。系统面向钢材等工业产品表面质量检测场景，能够对上传图片中的龟裂、夹杂异物、斑块、点蚀、氧化铁皮、划痕等六类微小缺陷进行自动定位、分类与置信度评估，并提供批量检测、历史记录、统计分析、模型在线训练与报告导出等完整功能。

系统采用 NEU-DET（东北大学钢材表面缺陷）公开数据集进行模型训练，内置已训练好的 YOLOv8n 权重，开箱即用；同时支持管理员在线发起模型重新训练。

---

功能模块

模块	功能说明
用户认证	用户注册、登录、退出；基于 Flask-Login 的会话管理；管理员与普通用户两级角色权限控制
控制台	展示总检测次数、发现异物数、今日检测、系统用户数等核心指标，近 7 天检测趋势折线图，快捷操作入口与最近检测记录列表
单张检测	支持拖拽或点击上传单张图片，实时执行 YOLOv8 推理，返回标注结果图、异物数量、各类别置信度与边界框坐标，并自动保存检测记录
批量检测	一次上传多张图片（最多 20 张）批量处理，展示每张图片的检测结果缩略图与异物数量，支持失败重试提示
检测历史	检测记录分页浏览与关键词搜索，查看检测详情（原图、结果图、检测框列表），删除记录，导出 CSV 与 PDF 报告
统计分析	异物类别分布饼图、月度检测趋势柱状图、总检测/异物/正常/异物率/平均耗时/平均置信度等汇总指标，所有数据按当前用户权限范围统计
数据集管理	展示 NEU-DET 数据集信息（总图片数、训练/验证/测试集划分、类别说明、数据集路径与更新时间），实时统计文件系统中的数据集规模
模型训练	管理员可配置训练轮次、批次大小、图片尺寸并启动 YOLOv8 在线训练，实时查看训练状态与完成后的 mAP50、精确率、召回率等指标，查看训练历史记录
系统设置	管理员可调整检测置信度阈值、NMS IOU 阈值、最大上传大小、自动保存开关、模型路径等系统参数
用户管理	管理员查看所有用户列表，启用/禁用用户账户
操作日志	管理员查看登录、检测、训练、设置变更等操作日志，支持分页
报告导出	一键导出检测记录为 PDF 报告或 CSV 表格

---

缺陷类别

系统支持检测以下六类工业表面微小异物/缺陷（基于 NEU-DET 数据集）：

类别 ID	英文名称	中文名称	说明
0	crazing	龟裂	表面不规则龟壳状裂纹
1	inclusion	夹杂异物	非金属或氧化物夹杂压入表面
2	patches	斑块缺陷	表面局部色差斑块
3	pitted_surface	点蚀	表面密集点状凹坑
4	rolled-in_scale	氧化铁皮	氧化铁皮压入钢材表面
5	scratches	划痕	表面线性划伤痕迹

---

标准版目录结构

python-weixiaoyiwu-jiance-shibie/
├── app.py                         # Flask 应用主入口，页面路由与 API 接口定义
├── config.py                      # 系统配置（密钥、数据库路径、模型路径、类别映射、分页参数）
├── requirements.txt               # Python 依赖包清单
├── mac_run.sh                     # macOS/Linux 一键启动脚本
├── window_run.bat                 # Windows 一键启动脚本
├── 项目说明.md                    # 项目功能与目录结构说明
├── 训练手册.md                    # 模型训练与数据集使用手册
├── README.md                      # 项目简介
├── database/
│   └── models.py                  # SQLite 数据库表结构定义、初始化与操作日志记录
├── ml/
│   ├── detect.py                  # YOLOv8 检测引擎封装（模型加载、单张/批量检测、结果绘制）
│   ├── train.py                   # YOLOv8 模型训练脚本（训练、指标读取、任务状态更新）
│   ├── download_dataset.py        # 数据集准备脚本（本地检测、格式转换、data.yaml 生成）
│   ├── data/
│   │   ├── NEU-DET_Yolo-master/   # NEU-DET 数据集（YOLO 格式）
│   │   │   ├── ImageSets/
│   │   │   │   ├── train/         # 训练集（images + labels）
│   │   │   │   ├── val/           # 验证集（images + labels）
│   │   │   │   └── test/          # 测试集（images + labels）
│   │   │   ├── labels/            # 全量 YOLO 标签文件
│   │   │   └── data.yaml          # 数据集配置文件
│   │   └── neu_yolo.zip           # 数据集压缩包备份
│   └── runs/
│       └── detect/
│           └── train/
│               ├── weights/       # 训练输出的模型权重（best.pt / last.pt）
│               ├── results.csv    # 训练指标记录
│               └── args.yaml      # 训练参数配置
├── templates/                     # Jinja2 HTML 模板
│   ├── base.html                  # 基础模板（导航栏、CDN 引用）
│   ├── index.html                 # 首页
│   ├── login.html                 # 登录页
│   ├── register.html              # 注册页
│   ├── dashboard.html             # 控制台
│   ├── detect.html                # 单张检测页
│   ├── batch_detect.html          # 批量检测页
│   ├── history.html               # 检测历史页
│   ├── statistics.html            # 统计分析页
│   ├── dataset.html               # 数据集管理页
│   ├── training.html              # 模型训练页
│   ├── settings.html              # 系统设置页
│   ├── users.html                 # 用户管理页
│   ├── logs.html                  # 操作日志页
│   └── error.html                 # 错误页
├── static/
│   ├── css/
│   │   └── style.css              # 自定义样式
│   ├── js/
│   │   └── common.js              # 公共工具函数
│   ├── uploads/                   # 上传图片存储目录
│   └── results/                   # 检测结果图存储目录
├── instance/
│   └── foreign_object.db          # SQLite 数据库文件（自动生成）
├── 运行步骤必看/
│   └── window.md                  # Windows 运行步骤说明
├── 演示材料/
│   └── 演示视频.mp4               # 系统演示视频
└── yolov8n.pt                     # YOLOv8n 预训练权重（训练基线模型）

---

技术栈

类别	技术
后端框架	Python 3.12 + Flask 3.0
用户认证	Flask-Login 0.6 + Werkzeug pbkdf2:sha256 密码哈希
数据库	SQLite 3
深度学习	Ultralytics YOLOv8 8.4（目标检测）
图像处理	OpenCV（opencv-python-headless）+ Pillow
数据处理	NumPy + Pandas
前端	HTML5 + Bootstrap 5.3 + Bootstrap Icons + ECharts 5.5
报告生成	ReportLab（PDF 导出）

---

环境要求

项目	要求
Python	3.12
操作系统	Windows / macOS / Linux
内存	建议 4GB 以上（模型推理与训练时使用）
磁盘	约 1GB（含依赖、数据集与模型权重）
GPU	可选，无 GPU 时自动使用 CPU 推理与训练
浏览器	Chrome / Firefox / Safari / Edge 现代版本

---

账号信息

系统初始化时自动创建以下默认账户：

角色	用户名	密码	权限
管理员	admin	admin123	全部功能，含模型训练、系统设置、用户管理、操作日志
普通用户	user	user123	检测、历史、统计、数据集查看

新注册用户默认为普通用户角色，仅能访问自身检测数据；管理员可查看全部用户数据。