摘要:木材表面缺陷（如节疤、裂纹、虫孔、腐朽、树脂囊与压痕等）的快速、稳定检测是提升分级一致性与产线自动化水平的关键环节。本文围绕基于深度学习的木材表面缺陷检测系统展开，构建了从数据采集与标注、模型训练与评估到工程部署与可视化交互的完整技术路线：在算法侧，以目标检测为核心框架，引入多尺度特征融合与注意力增强以提升对小目标与低对比缺陷的检出率，并结合数据增强与迁移学习缓解样本不均衡与场景域偏移问题；在系统侧，提供面向工业场景的推理与展示模块，支持图片/视频/相机多源输入，输出缺陷类别、置信度与位置框并生成统计报表，同时开放阈值调节、结果保存与日志追溯等功能，以满足在线检测的可用性与可维护性需求。实验结果表明，该系统能够在复杂纹理与光照变化条件下保持较高的检测精度与实时性，为木材加工过程的质量控制与智能分拣提供了可落地的技术支撑。
文章目录
- [1. 前言综述](#1. 前言综述)
- [2. 数据集介绍](#2. 数据集介绍)
- [3. 模型设计与实现](#3. 模型设计与实现)
- [4. 训练策略与模型优化](#4. 训练策略与模型优化)
- [5. 实验与结果分析](#5. 实验与结果分析)
- 6.系统设计与实现
-
- [6.1 系统设计思路](#6.1 系统设计思路)
- [6.2 登录与账户管理 --- 流程图](#6.2 登录与账户管理 — 流程图)
- [7. 下载链接](#7. 下载链接)
- 8.参考文献
1. 前言综述
木材作为典型的天然各向异性材料，其表面纹理具有强随机性与强类内差异，而节疤、裂纹、虫孔、腐朽、树脂囊与压痕等缺陷又往往呈现尺度小、形态细碎、边界模糊、与背景纹理相似等特征，使得"在高速产线下稳定、可解释地完成缺陷定位与分型"长期是木材加工质检环节的技术瓶颈之一1。传统人工检验依赖经验、主观性强且难以支撑连续化产线的节拍要求，因此业界持续尝试以机器视觉替代人工，并围绕光照控制、线阵采集与图像算法构建自动化检测方案2。在早期研究中，阈值分割、边缘检测与纹理统计特征是最常见的思路，例如最大类间方差阈值（Otsu）能够在一定程度上实现前景/背景分离，但对木材表面复杂纹理与不均匀光照的适应性有限3；Canny 等边缘算子在细长裂纹等结构化缺陷上表现较好，但在节疤或腐朽等低对比区域易产生断裂与伪边缘4；基于灰度共生矩阵的 Haralick 纹理特征可刻画粗糙度、方向性等统计属性，却往往需要针对树种、涂饰与拍摄条件做强依赖性的特征工程与阈值调参5。随后，HOG、SIFT 等局部描述子与分类器（SVM、随机森林）结合的路线在"特征可解释性"上具有优势，但在多尺度缺陷、密集小目标与复杂成像噪声下仍面临泛化不足与维护成本高的问题6。(会津大学 - University of Aizu)
近十余年，深度学习以端到端表征学习替代人工特征设计，显著降低了木材缺陷识别对复杂特征工程的依赖，并使跨树种、跨光照、跨工况的鲁棒性成为可优化的学习目标8。从任务形态看，木材缺陷检测既包含"是否存在缺陷/缺陷类型"的分类需求，也包含"缺陷位置与范围"的定位需求，因此语义分割、两阶段检测与单阶段检测均被用于该领域；其中，面向工业实时性的研究更倾向于将定位与分类统一到单网络推理框架中，以在精度与速度之间取得可部署的平衡9。例如，He 等在 IEEE Access 提出了将缺陷定位与识别融合的全卷积网络（Mix-FCN），体现了用深层特征替代手工纹理的趋势10；而在以检测为核心的路线中，研究者也开始围绕轻量化骨干、注意力与特征融合策略来提升对小缺陷与复杂纹理的检出能力，并降低模型参数量以适配边缘端部署11。(ResearchGate)
就国内外研究现状而言，国际上对木材缺陷的深度学习研究一方面沿着"通用目标检测器的任务迁移"快速推进，另一方面更强调面向木材纹理特性的结构改造与数据体系建设。以工程可复现的公开出版成果为例，Li 等在 Measurement 中围绕板材表面缺陷检测对检测器的特征融合与损失设计进行改造，说明在缺陷尺度分布极不均衡的场景下，特征融合与回归损失往往是性能瓶颈所在12；Zheng 等在 IEEE Access 提出的轻量化实时模型进一步强调了Ghost类结构、颈部特征交互与速度指标对产线落地的重要性13。在更贴近木材表面缺陷的专项研究中，Ge 等在 Springer 旗下 Signal, Image and Video Processing 提出面向木材缺陷的 YOLOv8 改进模型（引入注意力卷积、多尺度注意力融合与解耦检测头），展示了"以结构化模块增强小目标与复杂缺陷定位"的代表性思路14；国内方面，刘振等在《木材科学与工程》构建多树种、多缺陷类型数据集，并通过改造 YOLOv8 的骨干与检测头获得精度与轻量化的同步收益，体现了面向产业场景的数据构建与模型定制正在成为研究主线之一15。(ScienceDirect)
尽管如此，老思在梳理相关工作后认为，木材表面缺陷检测在工程落地上仍存在几类共性难点：其一，缺陷与背景纹理高度同质导致"可分性不足"，模型容易产生误检与漏检，且在跨树种/跨涂饰时域偏移明显；其二，小目标缺陷与密集缺陷导致标注噪声对训练更敏感，检测头的正负样本分配与回归损失设计会显著影响收敛稳定性；其三，产线对吞吐、延迟与可维护性有硬约束，使得"高精度但大模型"的方案很难直接部署，必须在精度、速度、显存与工程复杂度之间进行系统级权衡。围绕这些问题，本文将面向实际应用构建基于深度学习的木材表面缺陷检测系统：在算法侧，以 YOLO 系列单阶段检测器作为主干，系统性对比 YOLOv5--YOLOv12 等不同代际模型在同一数据集上的性能差异，并结合任务特点对网络结构与训练策略做针对性优化；在数据侧，建立并规范化木材表面缺陷数据集的标注、预处理与划分流程，尽可能降低数据偏置对评估结论的干扰；在系统侧，以 PySide6 构建可交互的检测界面与结果管理机制，提供多源输入、阈值调节、可视化与导出能力，形成从训练到推理再到使用闭环的工程化落地方案。(CV Foundation)
主要功能演示：
系统的主要功能演示可以沿着"先完成账户身份建立，再进入主界面完成检测工作流"的叙事来组织。用户首次使用时从注册界面进入，系统基于 SQLite 完成账号信息写入与基本校验，包括用户名唯一性、密码强度与二次确认一致性等逻辑；注册成功后回到登录页，输入账号密码即可完成鉴权，随后自动加载该用户的个性化配置与历史记录（如最近使用的模型、阈值参数、主题样式与导出路径等），从而把"身份"与"配置/数据空间"绑定起来，保证不同操作者在同一台设备上的使用体验彼此隔离、可追溯且便于交接。注册与登录完成后，界面会在状态栏显示当前登录用户与会话状态，并在必要操作（注销、切换账号、清空历史）时弹出确认提示，以避免误操作造成的数据丢失或权限混用。
进入主界面后，页面布局以"左侧控制区---中部可视化区---右侧信息区/底部状态区"的结构组织，强调操作流与信息流的一致性：左侧控制区集中放置输入源选择与运行控制按钮，支持单张图片、文件夹批量、视频文件以及摄像头实时流的切换；中部区域用于显示推理结果的主画面，包含原始图与检测叠加图的对照或切换显示，检测框、类别标签与置信度在画面中以统一样式渲染；右侧信息区则呈现结构化结果，例如当前帧/当前图像的缺陷数量统计、各类别计数、置信度阈值与 IoU 阈值的实时参数，以及可选的日志输出与导出预览；底部状态区承担运行反馈，包括当前输入源、帧率（FPS）、推理耗时、GPU/CPU 推理模式、保存路径与数据库写入状态等，使得用户能够在不离开主界面的情况下完成"选择输入---启动检测---查看结果---导出留存"的闭环操作。
在模型选择方面，系统将检测器封装为独立的 Detector 模块，并在界面层提供模型下拉框或单选按钮组，默认加载轻量化的 YOLO 系列模型用于实时检测，同时允许导入其它权重文件实现快速替换。用户在不更改主流程的情况下即可切换不同规模与不同版本的 YOLO 检测器，以对比其在同一输入样本上的误检/漏检表现与推理速度差异；切换模型时系统会自动完成权重加载、类别映射校验与输入尺寸适配，并在状态栏提示加载结果与耗时，避免"模型与类别不一致"导致的运行错误。为了便于实验与演示，系统也支持将多模型推理结果在同一张图上进行快速切换显示，或将关键指标（如 mAP、F1、速度、参数量）在信息区以表格方式呈现，从而把模型对比从"离线实验"延伸到"可交互演示"，更贴近工程评审与使用者决策的实际场景。
主题修改功能面向长时间使用与不同环境光照条件下的可读性需求，支持在浅色/深色等主题之间切换，并允许用户自定义主色调、背景图、按钮图标与字体大小等视觉元素。系统通过 Qt 的样式表（QSS）与资源管理机制统一控制控件外观，使得主题切换不会破坏控件布局与交互逻辑；同时，主题配置与界面偏好会随用户账号写入本地数据库或配置文件，在下次登录时自动恢复，保证"不同操作者拥有不同界面风格与习惯参数"的个性化体验。对于演示场景，主题切换还可与模型选择联动，例如在切换到实时摄像头检测时自动启用高对比主题以提升缺陷框可视性，从而在不同演示条件下保持稳定、清晰的呈现效果。
2. 数据集介绍
本文面向木材表面缺陷的目标检测任务构建了专用数据集，样本以板材表面近距离拍摄图像为主，从你提供的训练批次可视化结果可以看出，图像中普遍存在木纹方向性强、亮度梯度与局部反光明显、以及背景结构（如拼接缝/遮挡条）对缺陷外观产生干扰等现象；缺陷目标多表现为小尺度斑点、细长条状纹理异常或局部孔洞/压痕，属于典型的"低对比、小目标、形态多样"的工业缺陷检测场景。标注采用 YOLO 系列常用的归一化边界框（TXT）格式，类别层面当前为单类检测任务，类别名称为 "Wood Defect（木材缺陷）"。从标签统计图可以观察到，数据集中目标实例数约为 1.8 × 10 4 1.8\times 10^4 1.8×104 量级，且边界框的宽高分布呈现明显的长尾特性：大量框的 w , h w,h w,h 落在较小区间，同时存在少量细长框（裂纹/划痕类外观）与较大框（块状缺陷或成片纹理异常），这意味着训练时需要关注小目标召回与长宽比变化带来的回归难度，并在增强策略与正负样本匹配上保持稳定。
在数据划分方面，数据集共包含 8,249 张图像，其中训练集 7,124 张、验证集 752 张、测试集 373 张，对应占比分别约为 86.36%、9.12%、4.52%。预处理流程建议与 YOLO 系列训练范式保持一致：首先对输入统一进行尺寸归一（如 640 × 640 640\times 640 640×640 的 letterbox 等比缩放填充），并进行像素归一化与必要的颜色空间扰动；其次在训练阶段引入适度的数据增强（随机翻转、随机缩放/平移、HSV 抖动、Mosaic/Copy-Paste 等）以提升模型对光照变化、纹理干扰与缺陷尺度变化的鲁棒性；最后在划分策略上保证验证集与测试集覆盖不同纹理背景与缺陷形态，以避免指标被"相似背景重复"所高估。由于本任务为单类缺陷检测，评价重点将落在小目标召回、误检控制与跨背景泛化能力上，后续实验部分将结合 mAP、PR 曲线与混淆/误检样例对该数据集的学习难点进行更细致的讨论。
📊 数据集规格说明 (Dataset Specification)
| 维度 | 参数项 | 详细数据 |
|---|---|---|
| 基础信息 | 标注软件 | LabelImg（若实际使用为其它工具，如 Labelme/Roboflow，请以项目为准替换） |
| 标注格式 | YOLO TXT (Normalized) | |
| 数量统计 | 训练集 (Train) | 7,124 张 (86.36%) |
| 验证集 (Val) | 752 张 (9.12%) | |
| 测试集 (Test) | 373 张 (4.52%) | |
| 总计 (Total) | 8,249 张 | |
| 类别清单 | Class ID: 0 | Wood Defect（木材缺陷） |
| 图像规格 | 输入尺寸 | 640 * 640（建议训练/推理统一，采用 letterbox 保持比例） |
| 数据来源 | 实地采集木材板面图像（含不同纹理/光照/背景结构），并进行人工筛选与清洗 |
3. 模型设计与实现
面向木材表面缺陷这类"低对比纹理背景 + 小目标为主 + 长宽比变化大（细长裂纹与点状缺陷并存）"的检测任务，老思在模型设计上优先选择单阶段检测框架作为工程基线，其原因并不在于"追求极致速度"，而是单阶段密集预测范式能够在统一前向过程中同时完成分类与定位，便于在产线节拍约束下稳定部署，并且更容易通过结构与损失函数调优来提升小目标召回。本文默认以 YOLOv12n 作为主模型（同时兼容 YOLOv5--YOLOv12 全系列权重切换），其核心思想是在保持 YOLO 端到端密集预测范式的前提下，将更强的注意力建模引入骨干特征学习与跨尺度交互，以增强对复杂纹理场景中"有效缺陷线索"的聚焦能力；从 Ultralytics 的官方说明看，YOLO12 强调 area attention、R-ELAN 以及更高效的注意力实现，并指出相较早期模型在精度上具有优势，但在训练稳定性、显存占用与 CPU 吞吐方面可能存在代价，因此在工程上需要在模型规模（n/s/m）与部署平台之间做权衡。 (Ultralytics Docs)
从网络结构组织上看，YOLO 系列的整体范式可以抽象为"Backbone--Neck--Head"的三段式结构：骨干网络负责从输入图像中逐级提取语义与纹理特征；颈部网络在多尺度特征之间进行融合与路径聚合，使浅层的细节信息与深层的语义信息能够在不同分辨率上形成互补；检测头将融合后的特征映射为密集预测，输出边界框回归、目标存在性与类别概率等结果。对于木材缺陷而言，缺陷目标往往在高分辨率层级才具有可辨识的局部纹理差异，而裂纹类缺陷又依赖更大的感受野去区分"真实裂纹"与"木纹方向性纹理"，因此颈部的多尺度融合质量常常直接决定漏检率与误检率的下界。为了在文字层面更直观地对应这一结构，下面给出一张经典 YOLO 架构示意图（以 YOLOv5 为例，便于说明 Backbone/Neck/Head 的连接关系与多尺度输出形式），读者可将其作为理解 YOLOv12 结构组织方式的参照。
在本文的实现中，模型侧并不"重写网络"，而是采用 Ultralytics 的模型 YAML 与权重加载机制完成结构实例化，使得 YOLOv12n 与 YOLOv5/8/11 等版本能够以统一接口完成训练与推理；在此基础上，针对木材缺陷的关键难点，老思更关注三个可控环节：其一是特征表达的有效性（尤其是小目标与低对比缺陷），对应骨干与颈部的多尺度信息流；其二是检测头的解耦与回归质量，对应分类分支与回归分支的梯度干扰控制；其三是损失函数对小框、细长框的回归约束强度。YOLO 系列在近几代中普遍采用更稳定的回归损失与更细粒度的分布式回归思想来提升定位精度，尤其在高 IoU 阈值下对性能提升明显；对于木材缺陷这种"目标框尺寸小且标注噪声敏感"的任务，这种改进往往比单纯堆叠网络深度更有效。
损失函数的建模上，本文以检测任务的三项基本误差为核心：分类误差、目标存在性误差与定位误差。设第 i i i 个预测对应的分类概率为 p i p_i pi、真实标签为 y i y_i yi，则分类与置信度（objectness）通常以二元交叉熵为主（工程上常以 BCEWithLogits 实现数值稳定）：
L ∗ c l s = − ∑ i [ y i log p i + ( 1 − y i ) log ( 1 − p i ) ] . \mathcal{L}*{cls} = -\sum_i\left[y_i\log p_i + (1-y_i)\log(1-p_i)\right]. L∗cls=−i∑[yilogpi+(1−yi)log(1−pi)].
定位部分通常由 IoU 系列损失刻画预测框与真实框的重叠质量，记预测框为 B B B、真实框为 B ∗ B^* B∗，则可写为
L ∗ b o x = 1 − IoU ( B , B ∗ ) ( 或采用 GIoU/DIoU/CIoU 等变体 ) . \mathcal{L}*{box} = 1-\operatorname{IoU}(B,B^*) \quad (\text{或采用 GIoU/DIoU/CIoU 等变体}). L∗box=1−IoU(B,B∗)(或采用 GIoU/DIoU/CIoU 等变体).
当采用分布式边界框回归（Distribution Focal Loss, DFL）时，回归不再直接预测连续边界距离，而是预测离散分布并取期望得到连续值，从而在量化精度上更有利于小目标定位；其损失可概念性写为
L ∗ d f l = − ∑ ∗ k ∑ n q k , n log q ^ ∗ k , n , \mathcal{L}*{dfl} = -\sum*{k}\sum_{n} q_{k,n}\log \hat{q}*{k,n}, L∗dfl=−∑∗kn∑qk,nlogq^∗k,n,
其中 q ∗ k , n q*{k,n} q∗k,n 表示第 k k k 个边界（左/上/右/下）在离散 bin 上的真实分布， q ^ ∗ k , n \hat{q}*{k,n} q^∗k,n 为预测分布。最终总损失采用加权求和：
L = λ ∗ b o x L ∗ b o x + λ ∗ d f l L ∗ d f l + λ ∗ c l s L ∗ c l s . \mathcal{L} = \lambda*{box}\mathcal{L}*{box}+\lambda*{dfl}\mathcal{L}*{dfl}+\lambda*{cls}\mathcal{L}*{cls}. L=λ∗boxL∗box+λ∗dflL∗dfl+λ∗clsL∗cls.
在木材缺陷场景中， λ ∗ b o x \lambda*{box} λ∗box 与 λ d f l \lambda_{dfl} λdfl 的相对权重通常会影响"细长裂纹框的稳定回归"与"小斑点缺陷的抖动"，因此后续训练策略章节将结合验证集曲线说明权重与阈值设置的经验选择。
最后，在工程推理链路中，Detector 模块负责完成"权重加载---前处理---推理---后处理"的闭环：前处理将原图按训练输入尺寸进行 letterbox 等比缩放并归一化；推理阶段输出密集预测张量；后处理阶段采用置信度阈值筛选并以 NMS 抑制重叠框，输出最终缺陷框、类别与置信度，同时将结果回传 UI 层完成可视化叠加与统计。为了直观理解注意力机制在特征响应上的差异，下面给出 Ultralytics 文档中引用的 YOLO10/11/12 热力图对比图（示例图用于说明注意力增强带来的显著性聚焦趋势，具体效果仍以本文数据集实验为准）。
4. 训练策略与模型优化
在木材表面缺陷检测任务中，训练策略的作用往往不亚于结构改动本身。其根本原因在于该类数据呈现出典型的工业视觉特征：缺陷目标多数为小尺度实例，且与木纹背景的统计特性高度耦合；同时，细长裂纹与点状缺陷并存带来显著的长宽比分布差异，你提供的标签分布图亦显示边界框宽高呈长尾特性。若直接采用默认训练配置，模型容易在早期被"易样本"（纹理明显、对比强的缺陷）主导，导致对低对比、靠近拼接缝或反光区域的缺陷产生稳定漏检；因此本文训练策略的核心目标是：在不显著增加推理成本的前提下，提高小目标召回与跨光照/纹理背景的泛化能力，并控制误检率使其满足上线使用的可维护性要求。
训练流程上，本文采用 Ultralytics YOLO 的标准范式进行端到端训练，输入尺寸统一为 640 × 640 640\times 640 640×640，以 letterbox 等比缩放填充保证几何比例不被破坏；这一点对裂纹类细长框尤为重要，因为非等比缩放会改变目标长宽比，使回归难度上升并引入系统性误差。优化器使用框架的 auto 策略（工程上通常会在 SGD 与 AdamW 之间根据模型规模、Batch 与数据特性自动选择），初始学习率设为 l r 0 = 0.01 lr_0=0.01 lr0=0.01，并采用 warmup 预热（例如 3 个 epoch）减小训练初期梯度震荡；随后使用余弦退火或多段衰减将学习率平滑下降至 l r f = 0.01 ⋅ l r 0 lr_f=0.01\cdot lr_0 lrf=0.01⋅lr0 的量级，从而在训练后期提升收敛稳定性并降低过拟合风险。针对工业数据常见的"验证集指标波动"现象，引入早停机制（patience=50）用于在验证指标长期无提升时终止训练，避免在后期因噪声标注或样本稀缺而产生性能回退。硬件侧默认以 RTX 4090 作为训练 GPU，batch size 取 16 能在保证梯度估计稳定性的同时兼顾显存占用与吞吐效率，训练轮数设置为 120 作为上限，实际由早停共同决定最终停止点。
迁移学习与微调策略是本文提升泛化能力的关键手段。由于木材缺陷数据集规模虽然达到 8,249 张，但缺陷形态与背景纹理多样性带来的"有效复杂度"很高，直接从头训练容易在较长时间内处于欠拟合与不稳定回归状态；因此本文默认加载 COCO 等大规模数据上预训练的 backbone/neck 权重作为初始化，使低层纹理与边缘特征具备更好的起点，并通过较小学习率与 warmup 控制参数更新幅度。在微调阶段，若发现验证集误检偏高且主要集中在木纹强方向性区域，通常会优先降低增强强度、适度提高分类/置信度分支的正则约束，并在训练后期关闭 Mosaic（例如 close_mosaic=10）以减少强拼接带来的分布偏移，使模型在更接近真实产线成像的样本上完成收敛；相反，若漏检主要集中在小缺陷与低对比缺陷，则更倾向于保留一定比例的 Mosaic/Copy-Paste，并通过提高输入分辨率或采用多尺度训练（保持推理分辨率不变）增强对细粒度纹理差异的敏感性。
数据增强的设计需要围绕"木材纹理背景的真实性"展开，而不是追求增强种类越多越好。本文训练阶段采用适度的几何与颜色增强：随机水平翻转用于模拟板材方向变化，随机缩放/平移用于提高定位鲁棒性，HSV 抖动用于覆盖光照色温与曝光差异；Mosaic 设置为 1.0 并在后期关闭用于兼顾小目标增益与分布回归。需要强调的是，木材缺陷对局部纹理统计极其敏感，过强的锐化、过度的噪声注入或不符合相机成像机理的颜色扰动，可能导致模型学到"伪纹理线索"，从而在测试集与真实产线场景中出现误检抬升；因此本文更推荐使用与工业相机一致的亮度/对比度扰动范围，并用验证集误检样例反向约束增强强度。
在模型优化层面，本文不以"堆模块"为目标，而是通过可控且可解释的手段改善收敛与部署表现。首先，在后处理层面对 NMS 与阈值进行任务化设置：缺陷检测更关注漏检成本，因此通常将置信度阈值设为偏低（如 0.25 附近）以提高召回，再结合 IoU 阈值（如 0.45）抑制密集重叠框造成的重复报缺陷；同时在 UI 侧提供 Conf/IoU 可调，使得在"严检/宽检"两类应用场景下能够快速切换策略。其次，为了增强小目标定位稳定性，可以在训练中启用更严格的多尺度特征学习（保持 i m g s z = 640 imgsz=640 imgsz=640 的同时进行随机尺度扰动），并在评估时观察 PR 曲线在高召回区域的精度下滑是否得到缓解；若仍存在明显抖动，常见的工程处理是适度提高回归分支权重或采用更细粒度的分布回归设置，以增强对小框的梯度贡献。最后，在部署侧若需要进一步降低延迟，可在不改变训练指标的前提下进行推理优化，例如导出 ONNX/TensorRT 并采用 FP16 推理；此时需要用同一验证集重新评估 mAP 与漏检样例，确保量化与图优化不会引入不可接受的误差漂移。
总体而言，本文训练策略强调"以数据分布为中心"的工程化优化：通过预训练初始化与稳定的学习率策略获得可靠收敛，通过增强与后期关闭策略平衡小目标收益与分布一致性，通过阈值与 NMS 参数化控制误检-漏检权衡，并将这些关键参数在 PySide6 界面中可视化与可调化，以便后续实验章节能够对不同 YOLO 版本在同一数据集上的表现进行公平对比与可重复复现。
5. 实验与结果分析
本文在自建 WoodDefect 数据集上对 YOLO 系列的轻量化模型进行了统一对比实验，重点关注单类缺陷检测在工业场景中的三项核心诉求：其一是检测质量（Precision/Recall、F1、mAP@0.5 与 mAP@0.5:0.95），其二是推理时延（前处理、推理、后处理的耗时），其三是训练稳定性（mAP 随 epoch 的收敛形态与异常波动）。实验在 NVIDIA GeForce RTX 3070 Laptop GPU（8GB）上完成，所有模型均在相同数据划分与一致评估协议下测试，以保证横向对比的公平性。
从整体性能看，n 型（nano/tiny 级）模型中，YOLOv8n 在精度指标上表现最稳健：mAP50 达到 0.8934，F1 为 0.8728，同时推理端延迟也维持在可部署区间；YOLOv5nu、YOLOv11n 与 YOLOv6n 的 mAP50 均在 0.8889--0.8902 区间，差距很小，但在 mAP50-95 上 YOLOv11n 略占优势（0.4724），说明其在更严格 IoU 阈值下的定位质量更稳定。相较之下，YOLOv9t 的 Precision 与 Recall 同时偏低（Precision=0.8249，Recall=0.7429，mAP50=0.8201），更像是"速度与精度都不占优"的配置，需要结合其训练策略与实现版本进一步排查。更关键的是，YOLOv12n 的各项指标几乎为零（Precision≈0.0003，mAP50≈0.00016），并在 PR 曲线与 mAP 曲线中呈现"训练中途坍塌为 0 并长时间保持"的异常现象，如下图所示（图 WoodDefect - n_type - mAP50(B)、图 Average PR Curves - WoodDefect (n_type)），这更符合工程层面的训练失败或评估配置不一致，而非模型能力不足。
在 s 型（small 级）模型对比中，性能差异更能反映模型结构迭代与规模提升带来的收益。YOLOv11s 在 mAP50 上取得本组最佳（0.9004），同时 F1 也达到 0.8791，说明其在精度与召回之间取得了更均衡的折中；YOLOv9s 的 mAP50-95 达到 0.4772，是本组最高，通常意味着其在更严格的定位评估下优势更明显；YOLOv5su 与 YOLOv12s 的综合指标接近（mAP50 分别为 0.8909 与 0.8889，mAP50-95 均约 0.4749），属于"指标差距不大、可按速度与部署偏好选型"的情况。相对而言，YOLOv7（非 tiny）与 YOLOv10s 的精度明显落后：YOLOv7 的 InfTime 高达 23.62ms 且 mAP50 仅 0.8086，YOLOv10s 的 mAP50 为 0.7771、F1 为 0.7363，呈现出"定位与分类均偏弱"的特征，这与其 PR 曲线在中高召回区域精度下滑更快的现象一致（图 Average PR Curves - WoodDefect (s_type)）。
在推理效率方面，本文采用 PreTime + InfTime + PostTime 作为端到端单帧时延的近似衡量。n 型中，YOLOv8n 的总时延约为 10.17ms（1.95 + 6.83 + 1.39），YOLOv6n 约为 10.34ms，YOLOv5nu 约为 10.94ms，三者均可支撑实时或准实时检测；YOLOv11n 约为 12.97ms，仍具备较强工程可用性。s 型中，YOLOv8s 的总时延约为 11.39ms，YOLOv5su 约为 12.24ms，YOLOv11s 约为 13.47ms，均属于"性能更强但延迟略增"的典型规律；YOLOv9s 的推理耗时明显偏高（总时延约 22.17ms），其精度优势需要以更高的延迟成本交换，因此更适合对实时性要求不苛刻、但对定位质量更敏感的质检环节。综合精度与时延，老思更倾向于将 YOLOv8n/YOLOv11n 作为轻量实时基线，将 YOLOv11s（或 YOLOv9s）作为精度优先的离线复核/高精分拣选项。
结合训练过程可视化曲线可以进一步解释模型表现差异。以结果汇总图（results.png）为例，train/box_loss、train/cls_loss 与 train/dfl_loss 均呈稳定下降趋势，验证集 loss 在早期快速下降后趋于平稳，mAP50 与 mAP50-95 在约 20--40 epoch 后进入平台期并保持小幅增长，说明训练总体收敛正常且不存在明显过拟合失控。
与此同时，F1--Confidence 曲线显示当置信度阈值约为 0.411 时取得峰值 F1≈0.87（图 F1-Confidence Curve），这与单类缺陷检测"宁可多报少漏、后续再通过阈值与人工复核过滤"的工程逻辑一致：若阈值设得过高，Recall 会迅速下降并导致漏检增加；阈值过低则会引入更多背景纹理误检，Precision 下滑，最终同样拉低 F1。
PR 曲线图（图 Precision-Recall Curve）也呈现出高召回段精度开始快速下降的拐点区域，提示该任务的主要难点集中在"高召回要求下的误检控制"，尤其是木纹强方向性区域、拼接缝与局部反光区域容易产生伪缺陷响应。
最后，需要单独讨论 YOLOv12n 在本实验中的异常结果。其 mAP 曲线在训练早期出现波动后迅速跌为 0 并长期维持，PR 曲线对应的 mAP 也接近 0（图 Average PR Curves - WoodDefect (n_type)）。在单类检测任务里，这类现象通常优先怀疑"配置或数据流不一致"，而不是模型本身能力问题。更常见的触发原因包括：类别数 nc 与标签类别 ID 不一致（例如标签仍包含非 0 的类别号）、训练与验证使用了不同的 data.yaml 或 class name 映射、导入权重与模型结构版本不匹配、或训练中断后加载了错误的 best/last 权重参与评估。工程上建议先做三项快速自检：一是随机抽检若干 label 文件确保类别 ID 全为 0；二是用同一条命令对 YOLOv12n 进行 "train→val" 端到端复现实验，确认评估脚本未被其它模型的缓存/路径覆盖；三是对比 Ultralytics 版本与模型权重来源，确保 YOLOv12n 的权重与代码版本匹配。只要排除这些非算法因素，YOLOv12n 的 n 型模型通常不应在单类任务上出现"全零指标"的极端现象；因此，本文在后续系统部署的默认模型选择上，将优先采用训练稳定且综合指标最优的 YOLOv8n/YOLOv11n 与 YOLOv11s 作为候选，并把 YOLOv12n 的异常作为单独的复现实验问题保留到工程排查环节处理。
6.系统设计与实现
6.1 系统设计思路
本文系统以"界面交互稳定、推理链路可复现、结果管理可追溯"为设计目标，整体采用 PySide6 + SQLite 的桌面端工程形态。老思在实现时将系统拆分为界面层、控制层与处理层三类核心角色：Ui_MainWindow 负责布局与控件呈现，MainWindow 负责业务编排与状态管理（包括槽函数、参数校验、运行态切换与异常提示），Detector 则作为推理与后处理的计算单元，承接模型加载、图像预处理、YOLO 推理、NMS/阈值过滤与结果结构化输出。这样拆分的直接收益是把"可变的交互逻辑"与"可复用的推理逻辑"解耦，既便于在不触碰核心推理代码的情况下迭代 UI，也便于在不改 UI 的情况下替换 YOLO 系列不同版本的权重与推理后端。
在运行机制上，系统遵循 Qt 的信号-槽通信范式：界面侧所有按钮、滑条与下拉框只负责发出意图信号（开始/暂停、输入源切换、Conf/IoU 调节、模型切换等），控制层接收信号后进行状态机判断，并把当前配置与输入帧交给 Detector 处理；Detector 处理完成后以结构化结果（bbox、类别、置信度、统计信息与可选的热力图数据）回传主线程，由界面层完成渲染与展示。为了避免推理阻塞 UI，工程上可将推理置于 QThread 或 QRunnable 线程池中，使视频/摄像头的持续推理与界面响应并行，从而保证在高帧率输入下仍能保持可交互性与稳定性。
在结果管理上，系统将"可视化结果"和"可持久化结果"分开处理：前者用于实时显示（叠加框、类别标签、FPS、缺陷计数等），后者通过导出文件（图片/视频帧、CSV/JSON 统计）与写入 SQLite（按用户隔离的历史记录、参数配置与导出路径）实现可追溯性。该策略使系统既能满足现场快速判定，也能在后续质量复核、工艺回溯或模型再训练时提供结构化数据支撑，并自然衔接后续的账户体系与个性化空间设计。
图 系统流程图
图注：系统从初始化到多源输入，完成预处理、推理与界面联动，并通过交互形成闭环。
6.2 登录与账户管理 --- 流程图
登录与账户管理模块以 PySide6 的界面交互为入口、以 SQLite 的本地持久化为落点，把"身份鉴别"与"个性化配置空间"绑定起来：用户首次进入时可在注册流程中完成用户名唯一性校验与密码规则约束，并以盐值哈希方式写入 SQLite，避免明文存储带来的安全风险；登录成功后系统立即加载该用户的历史检测记录与偏好参数（包括主题样式、Conf/IoU 阈值、最近使用的模型权重与导出路径等），使用户进入主界面后能够以一致的工作态开展检测任务，同时保证多用户共用设备时配置与结果互不干扰。在主界面运行期间，资料修改（头像/密码/偏好）通过数据库更新实现即时生效与重启后恢复，注销/切换账号则通过清理会话状态并回到登录页完成闭环衔接，从而在不改变主检测流程的情况下，实现结果追溯、设置持久化与更符合实际产线协作的使用体验。
7. 下载链接
若您想获得博文中涉及的实现完整全部资源文件 （包括测试图片、视频，py, UI文件，训练数据集、训练代码、界面代码等），这里见可参考博客与视频，已将所有涉及的文件同时打包到里面，点击即可运行，完整文件截图如下：
完整资源中包含数据集及训练代码，环境配置与界面中文字、图片、logo等的修改方法请见视频，项目完整文件请见项目介绍及功能演示视频处给出：➷➷➷
详细介绍文档博客 ：YOLOv5至YOLOv12升级：木材表面缺陷检测系统的设计与实现（完整代码+界面+数据集项目）
环境配置博客教程：（1）Pycharm软件安装教程；（2）Anaconda软件安装教程；（3）Python环境配置教程；
或者环境配置视频教程：（1）Pycharm软件安装教程；（2）Anaconda软件安装教程；（3）Python环境依赖配置教程
数据集标注教程（如需自行标注数据）：数据标注合集
8.参考文献
1 OTSU N. A threshold selection method from gray-level histograms[J]. IEEE Transactions on Systems, Man, and Cybernetics , 1979, 9(1): 62-66. doi:10.1109/TSMC.1979.4310076. (Amanote Research)
2 CANNY J. A computational approach to edge detection[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence , 1986, PAMI-8(6): 679-698. (IEEE Computer Society)
3 HARALICK R M, SHANMUGAM K, DINSTEIN I. Textural features for image classification[J]. IEEE Transactions on Systems, Man, and Cybernetics , 1973, SMC-3(6): 610-621. doi:10.1109/TSMC.1973.4309314. (SciSpace)
4 DALAL N, TRIGGS B. Histograms of oriented gradients for human detection[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR) . San Diego, 2005: 886-893. doi:10.1109/CVPR.2005.177. (Thoth)
5 LOWE D G. Distinctive image features from scale-invariant keypoints[J]. International Journal of Computer Vision , 2004, 60(2): 91-110. (Springer)
6 HE T, LIU Y, YU Y, et al. Application of deep convolutional neural network on feature extraction and detection of wood defects[J]. Measurement , 2020, 152: 107357. doi:10.1016/j.measurement.2019.107357. (ScienceDirect)
7 HE T, LIU Y, XU C, et al. A fully convolutional neural network for wood defect location and identification[J]. IEEE Access , 2019, 7: 123453-123462. (ResearchGate)
8 LI D, ZHANG Z, WANG B, et al. Detection method of timber defects based on target detection algorithm[J]. Measurement , 2022, 203: 111937. doi:10.1016/j.measurement.2022.111937. (Peeref)
9 ZHENG Y, WANG M, ZHANG B, et al. GBCD-YOLO: A high-precision and real-time lightweight model for wood defect detection[J]. IEEE Access , 2024, 12: 12853-12868. (dblp)
10 GE Y, JI H, LIU X. Wood surface defect detection based on improved YOLOv8[J]. Signal, Image and Video Processing , 2025, 19: 663. (Springer)
11 刘振, 张澎涛, 管雪梅, 等. 基于改进型YOLOv8的木材缺陷检测及分类[J]. 木材科学与工程 , 2025. doi:10.7525/j.issn.1006-8023.2025.04.011. (slgc.nefu.edu.cn)
12 GIRSHICK R, DONAHUE J, DARRELL T, et al. Rich feature hierarchies for accurate object detection and semantic segmentation[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR) . 2014: 580-587.
13 REN S, HE K, GIRSHICK R, et al. Faster R-CNN: Towards real-time object detection with region proposal networks[C]//Advances in Neural Information Processing Systems (NeurIPS) . 2015. (arXiv)
14 REDMON J, DIVVALA S, GIRSHICK R, et al. You only look once: Unified, real-time object detection[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR) . 2016: 779-788. (CV Foundation)
15 WANG C Y, BOCHKOVSKIY A, LIAO H Y M. YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object detectors[EB/OL]. arXiv:2207.02696, 2022. (arXiv)