在智慧工厂的宏大场景下，融合计算机视觉与数字媒体技术，本项目打造出一个先进的印刷品缺陷综合检测系统。该系统以先进的计算机视觉技术为核心，结合高效的数据分析方法，致力于提升印刷行业的生产效率与产品质量。系统运用强大的 YOLOv10 目标检测模型，实现高精度的缺陷识别。它整合了图片检测、摄像头实时监测以及视频流分析等多种检测方式，为印刷行业提供了高效、可靠的质量控制工具。在技术架构层面，后端采用 Python 和 Django 框架精心构建，前端运用 Vue.js 打造出用户友好的界面，并成功实现大屏展示功能，使实时监控和数据分析更加直观生动。同时，系统借助 pyecharts 进行数据可视化处理，帮助用户快速洞察缺陷分布和趋势。所有检测记录均安全保存在 MySql 数据库中，支持快速查询和深入的数据分析。系统的主要功能涵盖图片上传检测、实时摄像头监控、视频流处理、检测记录管理以及数据分析等多个方面。其中，数据分析功能全面覆盖缺陷类型和严重性分布、整体检测统计以及相关因素分析等内容，助力用户精准识别常见问题，并为优先处理提供科学依据。此外，系统积极整合能效管理系统，通过提供便捷接口，整合车间内工业设备的能耗数据，提高了能源管理的效率与智能化水平。