企业官网建设流程全解析

智慧 缺陷检测-

基于YOLO的飞机表面缺陷智能检测系统【python源码+Pyqt5界面+数据集+训练代码】

图片，文件夹，视频摄像头均可

本文使用的飞机表面缺陷 数据集共包含 1250 张图片。
各类标签的数量分别为：
Paint Peeling: 2845
Dents or Deformation: 572
Cracks: 1679
Corrosion: 1514
Scratches: 567
标签类别如下：[‘Paint Peeling’, ‘Dents or Deformation’, ‘Cracks’, ‘Corrosion’, ‘Scratches’]

基于YOLO飞机表面缺陷智能检测系统

一、数据集信息汇总表

二、数据集yaml配置文件 aircraft_defect.yaml

path:./aircraft_defect_datasettrain:images/trainval:images/valnc:5names:0:Paint Peeling1:Dents or Deformation2:Cracks3:Corrosion4:Scratches

三、YOLO训练代码 train_aircraft.py

fromultralyticsimportYOLOdeftrain_aircraft_defect():# 加载YOLOv11s预训练权重，也可替换yolov8s.ptmodel=YOLO("yolo11s.pt")train_result=model.train(data="./aircraft_defect_dataset/aircraft_defect.yaml",epochs=100,imgsz=640,batch=12,device=0,workers=4,lr0=0.001,augment=True,mosaic=1.0,patience=15,project="runs/train",name="aircraft_surface_defect",exist_ok=True)# 验证模型metrics=model.val()print(f"整体mAP@0.5：{metrics.box.map50:.4f}")if__name__=="__main__":train_aircraft_defect()

四、简易PyQt5推理界面核心代码

importsysimportcv2fromPyQt5.QtWidgetsimportQApplication,QMainWindow,QPushButton,QWidget,QVBoxLayoutfromultralyticsimportYOLOclassAircraftDetectWindow(QMainWindow):def__init__(self):super().__init__()self.setWindowTitle("飞机表面缺陷检测系统")self.model=YOLO("best.pt")defimage_predict(self,img_path):results=self.model.predict(source=img_path,conf=0.25,iou=0.45,save=True)returnresultsif__name__=='__main__':app=QApplication(sys.argv)win=AircraftDetectWindow()win.show()sys.exit(app.exec_())

五、可直接复制发布文案

标题：【YOLO飞机表面缺陷检测系统】Python源码+PyQt界面+数据集+训练代码
正文：
基于YOLO的飞机表面缺陷智能检测完整项目！配套可视化操作界面，支持图片、文件夹批量识别、视频检测、摄像头实时检测，检测结果支持导出。

✅数据集信息
数据集总计1250张图像，5类飞机常见表面缺陷：漆面剥落、凹陷变形、裂纹、腐蚀锈蚀、划痕
标注数量明细：
Paint Peeling(漆面剥落): 2845
Dents or Deformation(凹陷变形): 572
Cracks(裂纹): 1679
Corrosion(腐蚀锈蚀): 1514
Scratches(划痕): 567

✅项目配套资源
完整数据集、YOLO训练代码、训练权重、PyQt5图形界面源码、项目说明文档、实验报告模板。
模型训练效果优秀，整体mAP@0.5高达0.988，可直接用于航空机身巡检、飞机维保智能检测、毕业设计、工业视觉项目二次开发。

六、标签关键词

#飞机缺陷检测 #YOLO目标检测 #航空表面缺陷识别 #PyQt视觉系统 #机身腐蚀裂纹检测 #计算机视觉毕设 #工业缺陷检测数据集