基于深度学习的风机缺陷检测系统
AI高分项目
本系统采用融合YOLO目标检测模型+Deepseek大语言模型，实现影像的自动化分析。支持区域精准定位、良恶性初步判定、风险等级评估，还具备历史记录追溯、诊断报告自动生成、AI问答助手以及知识图谱，完全贴合辅助诊断场景需求。
创新点直击评委老师评分：
[1]多模态AI深度融合：影像检测与医疗语义分析联动，诊断准确率更优
[2]全场景数据接入：支持本地影像文件、设备实时推流、摄像头实时检测
[3]数据安全：内置影像脱敏、操作日志追溯功能，符合技术规范
1
1
基于深度学习的风机表面缺陷检测系统的完整项目介绍与简化版代码实现，融合了YOLOv8 目标检测 + DeepSeek 大语言模型（LLM）AI 助手，支持 Web 界面、实时检测、智能问答、统计分析等功能。
✅ 一、项目概览
| 项目 | 内容 |
|---|---|
| 系统名称 | 基于改进 YOLOv8 的风机表面缺陷识别检测系统 |
| 核心技术 | YOLOv8 + FastAPI + Streamlit / Flask + DeepSeek LLM |
| 功能亮点 | 实时影像检测、缺陷定位、风险评估、AI 问答助手、数据统计、诊断报告生成 |
| 检测类别 | 表面油污,表面损伤,内部裂纹,外部腐蚀 |
| 部署方式 | Web 应用（Python + FastAPI），支持本地/摄像头/视频流输入 |
| 创新点 | 多模态 AI 融合、全场景接入、数据安全脱敏、AI 智能问答 |
✅ 二、系统架构图（简要）
[用户] → [Web UI] → [FastAPI 后端] ↓ [YOLOv8 模型] ←→ [DeepSeek LLM] ↓ [数据库] ←→ [统计分析 & 报告生成]✅ 三、核心代码（简易版）
1.main.py—— FastAPI 主程序
# main.pyfromfastapiimportFastAPI,UploadFile,File,Requestfromfastapi.staticfilesimportStaticFilesfromfastapi.templatingimportJinja2Templatesimportcv2importnumpyasnpfromultralyticsimportYOLOimportbase64importjsonimportosfromdatetimeimportdatetimeimportasyncio app=FastAPI()# 加载 YOLOv8 模型model=YOLO('models/best.pt')# 支持自定义训练模型# 静态文件和模板app.mount("/static",StaticFiles(directory="static"),name="static")templates=Jinja2Templates(directory="templates")# 检测函数defdetect_defects(image_path):results=model(image_path)annotated_img=results[0].plot()_,buffer=cv2.imencode('.jpg',annotated_img)img_base64=base64.b64encode(buffer).decode('utf-8')detections=[]forboxinresults[0].boxes:cls_id=int(box.cls.item())conf=float(box.conf.item())x1,y1,x2,y2=map(int,box.xyxy[0])label=model.names[cls_id]risk_level="高"ifconf>0.7else"中"ifconf>0.4else"低"detections.append({"label":label,"confidence":f"{conf:.2f}","risk":risk_level,"bbox":[x1,y1,x2,y2]})returnimg_base64,detections@app.get("/")asyncdeflogin(request:Request):returntemplates.TemplateResponse("login.html",{"request":request})@app.post("/login")asyncdeflogin(username:str,password:str):ifusername=="admin"andpassword=="123456":return{"success":True}return{"success":False}@app.get("/camera")asyncdefcamera(request:Request):returntemplates.TemplateResponse("camera.html",{"request":request})@app.post("/detect")asyncdefdetect(file:UploadFile=File(...)):file_path=f"uploads/{file.filename}"withopen(file_path,"wb")asf:f.write(awaitfile.read())img_base64,detections=detect_defects(file_path)# 生成处理建议（模拟）suggestions=[]fordindetections:ifd["label"]=="surface_oil":suggestions.append("建议立即清理油污，检查油源，加强密封防护。")elifd["label"]=="surface_injure":suggestions.append("建议进行表面修复或更换部件，防止进一步恶化。")elifd["label"]=="internal_crack":suggestions.append("存在结构安全隐患，建议停机检修并做无损探伤。")return{"image":img_base64,"detections":detections,"suggestions":suggestions,"timestamp":datetime.now().strftime("%Y-%m-%d %H:%M:%S")}@app.get("/statistics")asyncdefstatistics():# 模拟统计数据data={"chart":[{"date":"10/8","oil":20,"injure":10,"crack":8,"corrosion":5},{"date":"10/9","oil":15,"injure":12,"crack":7,"corrosion":6},# ... 更多数据],"confidence_distribution":[{"range":"0-20%","count":5},{"range":"25-40%","count":12},{"range":"45-60%","count":20},{"range":"65-80%","count":15},{"range":"85-100%","count":8}]}returndataif__name__=="__main__":importuvicorn uvicorn.run(app,host="0.0.0.0",port=5000)2.templates/login.html—— 登录页
<!DOCTYPEhtml><htmllang="zh"><head><metacharset="UTF-8"><title>登录</title><linkrel="stylesheet"href="/static/style.css"></head><body><divclass="login-container"><h2>基于改进YOLOv8的风机表面缺陷识别检测系统</h2><formaction="/login"method="post"><inputtype="text"name="username"placeholder="用户名"requiredvalue="admin"><inputtype="password"name="password"placeholder="密码"required><buttontype="submit">登录系统</button></form></div></body></html>3.templates/camera.html—— 实时检测页
<!DOCTYPEhtml><htmllang="zh"><head><metacharset="UTF-8"><title>实时检测</title><linkrel="stylesheet"href="/static/style.css"></head><body><divclass="container"><h2>实时影像流</h2><videoid="video"autoplayplaysinline></video><canvasid="canvas"></canvas><buttononclick="startDetection()">开始检测</button><buttononclick="stopDetection()">停止检测</button><buttononclick="saveImage()">保存影像</button><divid="results"></div></div><script>constvideo=document.getElementById('video');constcanvas=document.getElementById('canvas');constctx=canvas.getContext('2d');navigator.mediaDevices.getUserMedia({video:true}).then(stream=>{video.srcObject=stream;});asyncfunctionstartDetection(){constmediaRecorder=newMediaRecorder(video.srcObject.getVideoTracks()[0]);// 此处可调用后端 API 推送帧alert("检测已启动");}functionstopDetection(){alert("检测已停止");}functionsaveImage(){canvas.width=video.videoWidth;canvas.height=video.videoHeight;ctx.drawImage(video,0,0,canvas.width,canvas.height);constdataURL=canvas.toDataURL('image/png');consta=document.createElement('a');a.href=dataURL;a.download='capture.png';a.click();}</script></body></html>4.static/style.css—— 样式文件
*{margin:0;padding:0;box-sizing:border-box;}body{font-family:'Microsoft YaHei',sans-serif;background:#f0f2f5;}.login-container{width:400px;margin:100px auto;background:white;padding:30px;border-radius:10px;box-shadow:0 0 10pxrgba(0,0,0,0.1);}.container{max-width:1200px;margin:20px auto;padding:20px;}button{padding:10px 20px;margin:10px 0;background:#007bff;color:white;border:none;border-radius:5px;cursor:pointer;}button:hover{background:#0056b3;}5.requirements.txt
fastapi==0.104.0 uvicorn==0.23.0 ultralytics==8.3.0 opencv-python==4.8.0 numpy==1.24.0 torch==2.0.1+cu118 torchvision==0.15.2+cu118安装命令：
pipinstall-r requirements.txt✅ 四、AI 问答助手（使用 DeepSeek API）
importrequestsdefask_deepseek(question):url="https://api.deepseek.com/v1/chat/completions"headers={"Authorization":"Bearer YOUR_DEEPSEEK_API_KEY","Content-Type":"application/json"}payload={"model":"deepseek-chat","messages":[{"role":"user","content":question}]}response=requests.post(url,headers=headers,json=payload)returnresponse.json()["choices"][0]["message"]["content"]🔐 注意：需申请 DeepSeek API Key 并替换为实际密钥。
✅ 五、部署说明
创建目录结构：
FanDefectDetection/ ├── main.py ├── templates/ │ ├── login.html │ └── camera.html ├── static/ │ └── style.css ├── models/ │ └── best.pt ├── uploads/ └── requirements.txt运行服务：
python main.py访问地址：
http://localhost:5000
✅ 六、创新点总结（评委打分关键）
| 创新点 | 说明 |
|---|---|
| 🌐 多模态 AI 融合 | YOLOv8 + DeepSeek LLM 实现“看图 + 解释”联动 |
| 📺 全场景接入 | 支持图片上传、摄像头实时流、设备推流 |
| 🔐 数据安全 | 影像脱敏、操作日志记录、权限控制 |
| 📊 智能分析 | 自动生成检测报告、趋势图、置信度分布 |
| 💬 AI 助手 | 提供常见问题解答，提升用户体验 |
