基于YOLO26+大模态AI分析的PCB缺陷智能检测系统。系统接入了deepseek,千问，kimi，设置好api_key就可使用。
本项目是一款基于深度学习的PCB电路板表面缺陷智能检测系统，采用YOLO系列目标检测模型，实现PCB缺陷的自动识别、定位、统计分析和 AI 智能问答。
系统支持YOLO26、YOLO11以及自训练YOLO模型扩展，可通过界面下拉框自由切换.pt权重文件。整体采用深色工业蓝风格界面，集缺陷检测、批量识别、视频检测、摄像头实时检测、历史分析、训练效果展示、AI智能分析于一体。
数据集情况：
支持6类PCB常见缺陷检测，包括：漏孔、鼠咬/鼠啮、开路、短路、突刺/毛刺、杂铜。标注格式为标准 YOLO TXT 格式，可替换自己的数据集和模型。
核心功能：
多模型自由切换：支持 YOLO26、YOLO11以及自训练YOLO权重，模型放入指定文件夹即可自动读取。
多源检测支持：支持图片检测、文件夹批量检测、视频文件检测、摄像头实时检测。
检测结果展示：自动显示检测类别、置信度、坐标位置、目标数量、检测耗时、主要缺陷类型、最高置信度，并在图片上绘制检测框。
可视化数据分析：支持历史检测记录保存与查询，可生成缺陷类别分布饼图、每日检测数量趋势折线图，方便展示检测统计结果。
模型训练效果展示：支持展示 Ultralytics 训练生成的 results.png、混淆矩阵、PR 曲线、F1 曲线、训练样本图、验证预测图等，便于展示模型训练效果。
大模态 AI 分析：支持接入 DeepSeek / 通义千问 / Kimi，可用于 PCB 缺陷原因分析、检测结果解释、工艺知识问答和智能建议生成。
技术架构：
Python、PySide6 / PyQt5、PyTorch、Ultralytics YOLO、OpenCV、SQLite、Matplotlib、QSS。
提供内容：
完整工程源码、工业蓝主题 UI、检测工作台、历史数据分析模块、训练效果展示模块、AI 智能助手模块、数据库存储模块、模型文件夹预留、训练结果图文件夹预留、环境配置说明和运行说明。
🔥YOLO26+多模态大模型 | PCB缺陷智能检测系统 完整项目分享
PCB电路板质检作为电子制造业核心环节，传统人工检测效率低、漏检率高、人工成本居高不下。今天给大家带来一套工业级PCB缺陷智能检测系统，融合最新YOLO检测算法+主流大语言模型，集缺陷识别、多场景检测、数据统计、AI智能分析于一体，开箱即用，可直接落地工厂产线、毕业设计、工程项目二次开发！
一、项目整体概述
本系统基于深度学习打造PCB电路板表面缺陷智能检测平台，以YOLO目标检测算法为核心，搭载YOLO26、YOLO11主流模型，同时兼容用户自主训练的YOLO权重。平台深度接入DeepSeek、通义千问、Kimi三大主流大模型，填入API_Key即可启用AI问答与智能分析能力。
界面采用深色工业蓝风格，贴合工业现场使用习惯，功能模块化设计，整合图片检测、批量识别、视频检测、摄像头实时巡检、数据统计、模型效果展示、大模型智能分析全链路功能，一站式解决PCB缺陷检测与分析需求。
二、数据集说明
系统配套标准PCB缺陷数据集，采用YOLO TXT标注格式，支持自由替换自定义数据集与模型，适配各类PCB检测场景。
| 项目 | 详情 |
|---|---|
| 检测类别 | 共6类PCB常见缺陷 |
| 缺陷清单 | 漏孔、鼠咬/鼠啮、开路、短路、突刺/毛刺、杂铜 |
| 标注格式 | 标准YOLO TXT |
| 拓展性 | 可自行新增类别、替换数据集、适配自研模型 |
三、八大核心功能详解
1. 多模型自由切换
内置YOLO26、YOLO11双主流模型，同时支持导入个人训练的YOLO权重文件。只需将.pt模型放入指定目录，系统自动识别加载，界面下拉框一键切换，灵活适配不同精度、速度需求。
2. 多来源检测全覆盖
适配工业多种使用场景，四大检测模式随心选：
- 单张图片精准检测
- 整个文件夹批量识别
- 本地视频文件解析检测
- 现场摄像头实时在线巡检
3. 检测结果全方位展示
检测完成后可视化呈现完整数据：自动标注缺陷框，同步展示缺陷类别、置信度、目标坐标、缺陷总数、单帧检测耗时；汇总统计主要缺陷类型、最高置信度目标，检测数据一目了然。
4. 可视化数据分析统计
自动保存所有历史检测记录，依托数据库实现数据溯源与查询。支持生成缺陷分布饼图、每日检测量趋势折线图，直观分析产线缺陷规律、生产状态，为工艺优化提供数据支撑。
5. 模型训练效果可视化
专门配置模型效果展示模块，可直接加载Ultralytics训练产出文件，在线查看：训练结果图、混淆矩阵、PR曲线、F1曲线、训练样本、验证预测效果图，方便算法调试、成果展示与项目汇报。
6. 多模态AI智能分析
无缝对接 DeepSeek、通义千问、Kimi 三大主流大模型，仅需配置API_Key即可使用：
- PCB缺陷成因专业分析
- 检测结果解读说明
- 电路板工艺知识问答
- 生产优化、缺陷整改智能建议
7. 数据持久化存储
内置SQLite轻量数据库，自动存储检测记录、模型使用日志、历史分析数据，数据本地留存，安全可控，支持长期追溯查阅。
8. 高颜值工业风UI
整体采用深色工业蓝主题，界面简洁大气、操作逻辑贴合工业软件，长时间使用视觉舒适，适配工厂车间、实验室等各类使用环境。
四、技术架构
整套项目技术栈成熟稳定，兼顾运行效率与二次开发能力，技术组成如下：
- 开发语言：Python
- 界面框架：PySide6 / PyQt5 + QSS样式美化
- 深度学习框架：PyTorch、Ultralytics YOLO
- 视觉处理：OpenCV
- 数据可视化：Matplotlib
- 数据库：SQLite
- 大模型对接：HTTP API 对接 DeepSeek / 通义千问 / Kimi
五、完整交付内容
拿到资源即可直接部署运行，配套资料齐全，无需额外补充开发：
- 项目完整工程源码
- 工业蓝风格全套UI界面
- 核心功能模块：检测工作台、历史数据分析、模型效果展示、AI智能助手、数据库模块
- 专属预留文件夹：模型存放目录、训练结果图目录
- 环境配置文档、程序运行说明书
- 完整结构化技术文档（项目说明、接口介绍、二次开发指南）
六、适用场景&人群
✅ 电子制造工厂：PCB产线自动化质检、替代人工检测，提升效率、降低漏检率
✅ 工业自动化从业者：智能视觉项目开发、产线巡检系统落地
✅ 在校师生：深度学习毕设、课程设计、算法竞赛、课题研究
✅ 算法开发者：YOLO模型实战、大模型+视觉融合项目学习、二次开发商用
✅ 技术爱好者：学习目标检测、多模态AI融合、桌面端工业软件开发
七、项目核心优势
💡 算法前沿：搭载最新YOLO26模型，兼顾检测速度与精度，适配高速产线检测
💡 模型灵活：多模型一键切换，支持自研模型导入，拓展性极强
💡 AI赋能：三大主流大模型加持，不止检测，更能智能分析、给出整改方案
💡 功能全面：从实时检测、批量处理到数据统计、模型评估，全流程闭环
💡 部署简单：源码完整、文档齐全，本地私有化部署，数据安全不外流
💡 商用友好：代码结构清晰，模块化拆分，便于功能定制与商业化改造
传统人工质检早已跟不上智能制造的节奏，这套YOLO26+多模态大模型PCB缺陷检测系统，将视觉检测与人工智能深度结合，是电子制造智能化升级、学习实战的优质项目。
源码、文档、使用教程全部配齐，零基础也能快速部署运行！
感兴趣的朋友，评论区留言【PCB检测】，获取全套项目资源~
转载自CSDN-专业IT技术社区
原文链接：https://blog.csdn.net/2401_88440984/article/details/162086897
