一、代码功能:

检测任务：基于 YOLOv12 的PCB缺陷检测

检测类别：支持 6 类目标（中英文对照）：missing_hole（漏孔） / mouse_bite（鼠牙洞） / open_circuit（开路） / short（短路） / spur（毛刺） / spurious_copper（杂铜）

数据集总量：内置 9961 张PCB缺陷标注数据集

数据集划分：训练集 6975 张，验证集 1989 张，测试集 997 张

输入方式：支持图片、视频、摄像头等多种输入源，界面端实时显示检测结果与置信度

系统架构：采用 PySide6 构建可视化 UI 界面，集成模型推理、结果展示与交互操作，支持一键启动演示

结果输出：检测结果支持 CSV 导出，支持保存带框图片 / 视频，支持写入 SQLite 数据库存档

用户功能：有登录注册界面，也可以不启用登录注册

权重管理：支持在线上传与切换 YOLO 模型权重，方便对比不同版本效果

本项目有对应的示例论文和PPT参考（排版好的），可咨询作者获取！

二、详细教程:

原理介绍博客: 基于深度学习的多种类花卉识别系统（YOLOv12完整代码+论文示例）

项目详细说明文档: https://newtopmat.feishu.cn/wiki/SH2ywXxQziEk7Ik5oLecZIsHnLq?from=from_copylink

功能效果展示视频: 矩阵因果科技视频讲解

环境配置博客教程: （1）最新PyCharm 安装详细图文教程；（2）Miniconda 安装与环境配置全流程图解；（3）PyCharm 深度学习项目环境配置与运行

注意事项：版权所有，禁止盗卖或用于商业化用途。