基于YOLOv8的PCB表面缺陷检测项目-YOLO

项目描述 基于YOLOv8的PCB表面缺陷检测项目
这是一个基于 YOLOv8 的 PCB（印制电路板）表面缺陷检测项目。项目使用深度学习目标检测模型，识别电路板上的六类常见制造缺陷，并提供 PyQt5 图形界面，便于人工操作和复核。项目为完整可运行版本，训练权重与数据集均已包含在代码库中。

项目功能
支持单张图片、文件夹批量、视频文件三种检测方式。文件夹模式下可逐张浏览并手动触发检测，适合抽检复核。检测结果包括带框图像、缺陷分类与置信度，并通过统计表和明细表展示。界面可实时调整置信度、IoU 阈值、输入尺寸和推理设备，结果可自动保存，并支持一键导出 CSV。

运行环境
Windows 系统，Python 3.11。依赖 ultralytics 8.4.18、PyTorch、OpenCV 5.0.0、PyQt5。当前运行在 CPU 环境；如有 NVIDIA 显卡及 CUDA，可切换 GPU 加速。启动命令为`python python代码/pcb_detect_gui.py` 。

项目技术
采用 YOLOv8n 作为检测网络，针对 PCB 小目标缺陷做低分辨率（416×416）与小幅 batch 训练适配，以降低显存占用。数据为 DeepPCB 系列，YOLO 格式标注，共 6 类：open（开路）、short（短路）、mousebite（鼠咬）、spur（毛刺）、copper（铜渣）、pin-hole（针孔）。推理使用 OpenCV 处理中文路径图像，界面层通过 QThread 将推理与主线程分离，避免界面卡顿。

以上系统源码经过技术整理与调试，确保能正常运行