基于YOLOv11的工业轴承缺陷检测 产线实时质检系统 基于YOLOv11的工业产线实时质检系统本项目聚焦于在制造产线中部署YOLOv11You Only Look Once第11版实时目标检测系统旨在实现产品缺陷自动识别、合格/不良品分类及智能计数。该系统可直接集成到生产流程中实现质量控制的自动化升级。目录结构项目概述数据集说明技术方案性能指标使用指南演示视频致谢项目概述制造业亟需高效的质检系统来保障产品一致性并减少损耗。本项目采用最先进的YOLOv11目标检测模型主要实现三大功能实时检测产线上的产品自动分类为「合格品」或「不良品」双类别产品自动计数该系统以高速度、高精度和可扩展性为核心设计目标专为工业场景优化。数据集说明采用Kaggle开源工业数据集包含多工况下的产品图像每张图片均标注边界框并分类为不良品Damaged/خراب存在可见缺陷合格品OK/سالم符合质量标准关键参数数据集来源[工业铸件产品真实数据集]图像数量700张标注类型边界框双标签Damaged/OK技术方案模型架构采用YOLO11l与YOLO11s双版本该架构具有以下优势单阶段检测实现毫秒级推理支持多类别分类本项目中为双类别训练流程数据预处理统一缩放至512×512分辨率按8:1:1划分训练集/验证集/测试集模型训练基于预训练权重进行迁移学习定制化微调性能评估核心指标精确率、召回率、mAP、F1分数测试集mAP0.5达95.10%部署方案通过PythonOpenCV在产线模拟环境中实现实时推理。性能指标指标数值精确率95.55%召回率95.65%mAP0.595.10%损失值0.17效果演示点击下载测试视频示例[下载链接]使用指南环境配置通过yml文件快速创建环境基础要求Python 3.10.16安装依赖库pipinstalltorch torchvision opencv-python ultralytics基于YOLOv11的工业轴承缺陷检测 产线实时质检系统