基于「YOLO目标检测 + 多模态AI分析」的增材制造粉末床熔合缺陷智能检测分析预警系统

一、项目演示视频b站演示视频与部署教程视频(点击这里)https://www.bilibili.com/video/BV1Ckd8BaEou/?share_sourcecopy_webvd_source31c839f46a9a845dd6dd641cbd5c2ac1二、技术栈前端技术栈 (web-vue)核心框架: Vue 3.5.13 (Composition API)UI组件库: Element Plus 2.9.4状态管理: Pinia 2.3.1路由管理: Vue Router 4.5.0HTTP客户端: Axios 1.7.9图表可视化: ECharts 5.6.0构建工具: Vite 6.1.0 TypeScript 5.7.2后端算法端技术栈 (web-flask)核心框架: Flask (Python)数据库: SQLite 3身份认证: JWT图像处理: OpenCV NumPy深度学习: YOLOv8/YOLO11/YOLO12/YOLO26视频处理: OpenCV视频流处理大语言模型: Qwen-VL的API接口三、功能模块核心创新点层缺陷精准检测: 支持凹坑、沟槽、铺粉不足、堆叠等典型 PBF 层缺陷的识别与定位多模态检测方式: 支持图片、视频、实时摄像头三种检测模式YOLO模型集成: 集成YOLOv8/YOLO11/YOLO12/YOLO26等先进目标检测模型智能预警分析: 基于AI的层缺陷检出、严重程度分级与工艺辅助预警分层权限管理: 支持管理员和普通用户的差异化功能访问完整工作流程: 从数据集管理到模型管理再到缺陷检测与预警的完整闭环多模态大模型辅助分析: 使用多模态大模型结合 YOLO 结果与图像进行缺陷解读并生成工艺与质量改进建议(属于图片识别功能模块)模型评估系统: 支持上传YOLO格式标签与模型预测对比自动计算Precision、Recall、mAP50等精度指标生成GT框与预测框的可视化对比图支持用户评分和评语实时预警系统: 支持严重程度分级(可忽略/轻微/中等/严重/紧急)、LLM二次验证、处理状态管理核心功能模块用户管理: 支持用户注册、登录、权限管理、个人信息管理等功能数据集管理: 支持上传ZIP格式YOLO数据集自动验证数据集结构和完整性模型管理: 支持创建模型、上传权重、训练过程图片/文件管理、模型发布等图片检测: 上传粉床/工艺层图片进行缺陷检测支持CLAHE图像增强、多模态AI分析、工艺改进建议生成、导出Word报告视频检测: 上传视频进行逐帧检测支持帧率采样、异步处理、进度查询、关键帧截图、LLM二次验证实时检测: 使用电脑摄像头进行实时检测会话级智能去重、LLM二次验证(过滤YOLO误检)、严重程度五级分级(可忽略/轻微/中等/严重/紧急)、处理状态管理(未处理/已处理)、实时通知预警、多维度筛选(用户/严重程度/处理状态/LLM验证状态)模型评估: 上传图片和标签文件评估模型性能支持精度指标计算、可视化对比、用户评分筛选应用场景增材制造产线: 铺粉/熔融工位层质量巡检与异常预警工艺开发与试制: 参数窗口探索时的缺陷统计与对比质量追溯与报告: 检测记录、分析与 Word 导出支撑评审与存档教学演示: 粉末床缺陷检测与深度学习应用教学四、项目链接链接: https://pan.baidu.com/s/14WAkvXVoNhv_5pP_BAjypA?pwd6z4j 提取码: 6z4j完整系统源码(1)前端源码(web-vue)(2)后端算法端源码(web-flask)(3)模型训练代码(other/model_train/detect)项目介绍文档(1)项目概述(2)项目技术栈(3)项目目录结构(4)系统架构图、功能模块图(5)数据库开发文档项目启动教程(1)环境安装教程(视频文档)(2)系统启动教程(视频文档)粉末床熔合四类缺陷检测数据集默认 ZIP(1)总数据量12385 张训练集 9908验证集 1238测试集 1239(2)训练集9908张图片 (用于模型训练)(3)验证集1238张图片 (用于模型验证和性能调优)(4)测试集1239张图片 (用于模型最终性能评估)(5)检测类别: 4类层缺陷0: Craters - 凹坑1: Ditches - 沟槽2: Insufficient - 铺粉不足3: Stacking - 堆叠已经训练好的模型权重测试集整体精度如下(1)precision (精确率): 0.74(2)recall (召回率): 0.744(3)mAP50 (IoU阈值0.5时的平均精度): 0.751(4)mAP50-95 (IoU阈值0.5-0.95的平均精度): 0.511