基于YOLOv8m的木材板材表面缺陷检测项目-YOLOv8m

基于YOLOv8m的木材板材表面缺陷检测项目
项目描述：这是一个木材板材表面缺陷检测项目，基于 YOLOv8m 目标检测模型，识别干节、活节、边节、小节点、裂纹、波纹共 6 类缺陷。

项目功能：使用 3105 张标注图片、16274 个标注框完成 150 轮训练，验证集 mAP@0.5 达到 0.880；提供训练结果指标汇总、中文 PDF 验证报告生成，以及基于 Gradio 的网页推理界面，可上传图片、调节置信度阈值并统计各类缺陷数量。

运行环境：项目原本运行在 Windows 11、Python 3.13、PyTorch 2.12 与 CUDA 12.6 的 NVIDIA GPU 环境中，依赖 ultralytics、reportlab、gradio。当前机器仅有 CPU 环境（torch 2.14.1+cpu），因此推理和报告分析可正常运行，但重新训练因缺少 GPU 和图片数据集无法执行。

项目技术：以 PyTorch 与 Ultralytics 框架为基础，采用 YOLOv8m 预训练权重做迁移学习，使用 AdamW 优化器、余弦退火学习率与 Mosaic、MixUp 等数据增强，输入尺寸 640，数据为 YOLO 格式的归一化检测标签；前端推理页面由 Gradio 构建。

以上系统源码经过技术整理与调试，确保能正常运行