主流缺陷检测开源项目含官方 GitHub 链接、适用场景、特点分为四大类工业异常检测库工业质检首选、通用目标 / 分割框架缺陷分类分割、专用工业缺陷项目、传统视觉工具库一、工业异常缺陷检测工业表面缺陷、少样本良品居多场景最常用1. AnomalibIntel 官方工业标杆链接https://github.com/openvinotoolkit/anomalib特点工业异常检测标准库集成 PatchCore、Padim、FastFlow、MemSeg 等 SOTA 无监督缺陷算法支持训练 / 可视化 / 评估 / OpenVINO 部署内置 MVTec AD、BTech 等工业缺陷数据集PCB、金属、布料、晶圆通用2026 年更新活跃。2. MemSeg半监督表面缺陷小样本友好GitHubhttps://github.com/meyerd/MemSeg特点针对纹理表面缺陷皮革、钢材、玻璃仅需少量缺陷样本内存记忆机制区分正常 / 异常纹理轻量化推理。3. PatchCore 官方复现链接https://github.com/amazon-science/patchcore-inspection亚马逊提出工业异常算法工业落地最多基线Anomalib 内置同款实现。4. UniAD 统一异常检测工具箱https://github.com/zhangzjn/UniAD整合 10 主流异常检测算法统一训练推理接口适合对比实验。二、通用深度学习框架缺陷定位、分割、分类通用1. Ultralytics YOLOYOLOv5/v8/v9/v10缺陷目标检测首选链接https://github.com/ultralytics/ultralytics特点开箱即用支持图片 / 视频 / 摄像头实时缺陷检测支持分割、分类、姿态PCB、零件划痕、孔洞小缺陷广泛使用支持 TensorRT/ONNX 边缘部署工业产线最常用检测框架。2. MMDetection / MMSegmentation商汤学术工业通用MMDetection检测https://github.com/open-mmlab/mmdetectionMMSegmentation分割https://github.com/open-mmlab/mmsegmentation特点最全算法库Mask R-CNN、RTMDet、分割模型齐全适合复杂缺陷像素级分割钢材、布料、半导体高精度缺陷分割。3. Detectron2Meta FAIRhttps://github.com/facebookresearch/detectron2Mask R-CNN 原始实现高精度缺陷实例分割适合高精度质检场景。4. PaddleSeg百度飞桨国产分割https://github.com/PaddlePaddle/PaddleSeg国产轻量化分割套件内置大量预训练模型国内制造业、印刷缺陷落地多。三、专用工业缺陷开源项目行业定制1. Charmve/Surface-Defect-Detection缺陷汇总仓库https://github.com/Charmve/Surface-Defect-Detection最全缺陷合集包含 PCB、钢材、布料、磁砖、路面缺陷数据集 复现代码毕业设计入门首选。2. Severstal 钢材缺陷检测钢铁竞赛开源https://github.com/khornlund/severstal-steel-defect-detection钢材表面划痕、斑点、裂纹专用分割代码。3. Tiny-Defect-Detection PCB 微小缺陷https://github.com/Ixiaohuihuihui/Tiny-Defect-Detection-for-PCBPCB 微小开路、短路、露铜检测小目标缺陷优化。4. DEye传统 深度学习晶圆 / 玻璃缺陷https://github.com/sundyCoder/DEye半导体晶圆、光学玻璃专用检测库C 底层推理适合高精度光学质检。5. pavement-crack 路面裂缝检测https://github.com/fyangneil/pavement-crack-detection道路、墙体裂纹缺陷专用。四、传统机器视觉无 AI简单缺陷低成本OpenCV传统图像处理缺陷官网https://github.com/opencv/opencv灰度、阈值、形态学、边缘检测简单划痕、孔洞低成本方案。Saliency-detection-toolbox显著性缺陷传统算法https://github.com/abin24/Saliency-detection-toolbox14 种传统显著性算法无 GPU 场景纹理缺陷粗检。五、快速选型建议1. 纹理表面、良品多、缺陷极少Anomalib2. 缺陷需要框选、实时产线Ultralytics YOLOv8/v103. 像素级精细缺陷分割MMSeg / PaddleSeg4 PCB / 钢铁 / 布料行业入门学习Charmve/Surface-Defect-Detection5 无 GPU、低成本简单质检OpenCV
主流缺陷检测开源项目
发布时间：2026/6/30 13:39:18
主流缺陷检测开源项目含官方 GitHub 链接、适用场景、特点分为四大类工业异常检测库工业质检首选、通用目标 / 分割框架缺陷分类分割、专用工业缺陷项目、传统视觉工具库一、工业异常缺陷检测工业表面缺陷、少样本良品居多场景最常用1. AnomalibIntel 官方工业标杆链接https://github.com/openvinotoolkit/anomalib特点工业异常检测标准库集成 PatchCore、Padim、FastFlow、MemSeg 等 SOTA 无监督缺陷算法支持训练 / 可视化 / 评估 / OpenVINO 部署内置 MVTec AD、BTech 等工业缺陷数据集PCB、金属、布料、晶圆通用2026 年更新活跃。2. MemSeg半监督表面缺陷小样本友好GitHubhttps://github.com/meyerd/MemSeg特点针对纹理表面缺陷皮革、钢材、玻璃仅需少量缺陷样本内存记忆机制区分正常 / 异常纹理轻量化推理。3. PatchCore 官方复现链接https://github.com/amazon-science/patchcore-inspection亚马逊提出工业异常算法工业落地最多基线Anomalib 内置同款实现。4. UniAD 统一异常检测工具箱https://github.com/zhangzjn/UniAD整合 10 主流异常检测算法统一训练推理接口适合对比实验。二、通用深度学习框架缺陷定位、分割、分类通用1. Ultralytics YOLOYOLOv5/v8/v9/v10缺陷目标检测首选链接https://github.com/ultralytics/ultralytics特点开箱即用支持图片 / 视频 / 摄像头实时缺陷检测支持分割、分类、姿态PCB、零件划痕、孔洞小缺陷广泛使用支持 TensorRT/ONNX 边缘部署工业产线最常用检测框架。2. MMDetection / MMSegmentation商汤学术工业通用MMDetection检测https://github.com/open-mmlab/mmdetectionMMSegmentation分割https://github.com/open-mmlab/mmsegmentation特点最全算法库Mask R-CNN、RTMDet、分割模型齐全适合复杂缺陷像素级分割钢材、布料、半导体高精度缺陷分割。3. Detectron2Meta FAIRhttps://github.com/facebookresearch/detectron2Mask R-CNN 原始实现高精度缺陷实例分割适合高精度质检场景。4. PaddleSeg百度飞桨国产分割https://github.com/PaddlePaddle/PaddleSeg国产轻量化分割套件内置大量预训练模型国内制造业、印刷缺陷落地多。三、专用工业缺陷开源项目行业定制1. Charmve/Surface-Defect-Detection缺陷汇总仓库https://github.com/Charmve/Surface-Defect-Detection最全缺陷合集包含 PCB、钢材、布料、磁砖、路面缺陷数据集 复现代码毕业设计入门首选。2. Severstal 钢材缺陷检测钢铁竞赛开源https://github.com/khornlund/severstal-steel-defect-detection钢材表面划痕、斑点、裂纹专用分割代码。3. Tiny-Defect-Detection PCB 微小缺陷https://github.com/Ixiaohuihuihui/Tiny-Defect-Detection-for-PCBPCB 微小开路、短路、露铜检测小目标缺陷优化。4. DEye传统 深度学习晶圆 / 玻璃缺陷https://github.com/sundyCoder/DEye半导体晶圆、光学玻璃专用检测库C 底层推理适合高精度光学质检。5. pavement-crack 路面裂缝检测https://github.com/fyangneil/pavement-crack-detection道路、墙体裂纹缺陷专用。四、传统机器视觉无 AI简单缺陷低成本OpenCV传统图像处理缺陷官网https://github.com/opencv/opencv灰度、阈值、形态学、边缘检测简单划痕、孔洞低成本方案。Saliency-detection-toolbox显著性缺陷传统算法https://github.com/abin24/Saliency-detection-toolbox14 种传统显著性算法无 GPU 场景纹理缺陷粗检。五、快速选型建议1. 纹理表面、良品多、缺陷极少Anomalib2. 缺陷需要框选、实时产线Ultralytics YOLOv8/v103. 像素级精细缺陷分割MMSeg / PaddleSeg4 PCB / 钢铁 / 布料行业入门学习Charmve/Surface-Defect-Detection5 无 GPU、低成本简单质检OpenCV
![华为OD机试2025C卷-字符串变换最小次数[100分]（ Java _ Python3 _ C++ _ C语言 _ JsNode _ Go）实现100%通过率](http://pic.xiahunao.cn/yaotu/华为OD机试2025C卷-字符串变换最小次数[100分]（ Java _ Python3 _ C++ _ C语言 _ JsNode _ Go）实现100%通过率)
![华为OD机试2025C卷-内存资源分配[100分]（ Java _ Python3 _ C++ _ C语言 _ JsNode _ Go）实现100%通过率](http://pic.xiahunao.cn/yaotu/华为OD机试2025C卷-内存资源分配[100分]（ Java _ Python3 _ C++ _ C语言 _ JsNode _ Go）实现100%通过率)
