本项目为《基于图像处理的木材表面缺陷检测算法研究》，基于YOLOv8深度学习模型，实现从图像/视频/摄像头输入到缺陷检测、结果展示、历史记录的完整闭环。
适用于：本科生研究生课程设计、毕业设计、答辩演示、作品集展示、交流学习。项目为个人原创，禁止商用！
一、核心亮点
- 多模态检测：支持图片、视频、摄像头三种检测方式，覆盖常见应用场景
- 完整流程：图像输入 → YOLOv8推理 → 结果标注 → 统计展示 → 历史记录 → 数据存储
- 8类缺陷识别：石英质、活节、髓心、树脂、死节、裂纹节、节孔、裂纹，覆盖常见木材缺陷
- 可视化丰富：检测结果图像标注、缺陷统计图表、置信度颜色编码、HTML格式详情展示
- 可直接演示：PyQt6图形界面，登录注册、检测操作、历史查询一键完成
- 用户系统：登录/注册页面 + 密码加密 + 多用户数据隔离（便于答辩展示"系统化"）
- 模型管理：默认最佳模型（mAP: 0.699）+ 自定义模型选择，灵活适配不同需求
二、核心功能清单
- 用户管理：用户注册、登录、密码SHA256加密、多用户数据隔离
- 图片检测：支持jpg/jpeg/png/bmp格式，实时显示检测结果与统计信息
- 视频检测：支持mp4/avi/mov/mkv格式，逐帧检测并汇总统计
- 摄像头检测：多摄像头实时检测，实时显示检测结果
- 结果展示：检测图像标注、缺陷统计、置信度分析、位置信息、HTML美化展示
- 历史记录：自动保存检测记录、历史查询、统计展示、清空功能
- 模型管理：默认模型加载、自定义模型选择、模型信息展示
- 数据存储：JSON格式本地存储，用户数据与历史记录分离管理
三、交付内容
- 全套源码（结构清晰，可二次开发）
- PyQt6界面代码（登录、主窗口、各功能页面）
- YOLOv8检测器封装
- 数据管理模块（用户、历史记录）
- 配置文件与工具类
- 训练产物：最佳模型权重文件（YOLOv8n，100轮训练，mAP: 0.699）
- 可运行演示：完整GUI应用程序 + 项目说明文档 + 依赖包列表
需要定制功能（检测类别扩展/界面优化/性能提升/文档完善/部署打包等）可按需求加，根据工作量和复杂度评估费用。
