Automated defect detection
Catch defects the moment they appear. Across recent peer-reviewed studies, YOLO-based inspection reaches 99%+ accuracy and cuts manual inspection costs by up to 94.5%, on steel, PCBs, fabric, solar panels, and welds. Train it on your own defects and deploy it on the line.
Approuvé par les organisations leaders mondiales
How Ultralytics YOLO tackles defect detection
One model, every defect type
Ultralytics YOLO detects, localizes, and classifies defects in a single pass, and researchers have pushed it past 98% mAP on benchmarks from PCBs to steel to wafers. That means fewer escaped defects, less scrap, and faster time-to-market, on the hardware you already run.
- Subtle defects, caught: 98.8% mAP on tiny PCB defects, 98.2% on wafer surfaces (peer-reviewed).
- Line-speed inference: YOLO26 runs a frame in ~1.7 ms; weld studies report 2.3 ms per part.
- Trainable on your defects: fine-tune on your own images in hours; published models hit 99%+ accuracy.
- Deploy anywhere: export to 19 formats — TensorRT, ONNX, OpenVINO, CoreML — for edge or cloud.
Essayer l'inférence avec YOLO26
Fais glisser et dépose une image pour voir la détection d'objets en temps réel
Deploy on the line or in the cloud
Train once, then export to 19 formats and run wherever inspection happens, from a camera-side edge box to a GPU server.
At the edge (line-side)
- NVIDIA Jetson via TensorRT: real-time inference with no internet connection.
- Intel CPUs via OpenVINO: deploy on the industrial PCs you already run.
- Hailo, Raspberry Pi & ARM: low-power, camera-side inspection stations.
- Fast enough for the line: published weld inspection runs at 2.3 ms per part.
In the cloud
- GPU autoscaling for high-volume, multi-camera inspection.
- Retrain centrally and push new defect classes to every line at once.
- Export to ONNX, TensorRT & PyTorch for any inference stack.
Transformer les industries avec la vision par ordinateur
Des ateliers d'usine aux salles d'opération, Ultralytics transforme les données visuelles en décisions en temps réel.
SOHGA réduit le temps de surveillance des parkings de 30 % grâce à Ultralytics YOLO
Découvre comment le système MEGURU de SOHGA utilise Ultralytics YOLO26 pour automatiser les patrouilles de parking, réduire le temps de patrouille de 30 % et améliorer la sécurité.
Scaleout réduit les mises à jour de modèles de quelques semaines à quelques heures avec Ultralytics YOLO
Découvre comment Scaleout utilise Ultralytics YOLO et l'apprentissage fédéré pour affiner des modèles d'IA sur des appareils en périphérie (edge) tout en maintenant la sécurité des données sensibles.
RapiD Engineering déploie le contrôle qualité des produits de la mer une semaine plus rapidement avec Ultralytics YOLO
Découvre comment RapiD Engineering utilise Ultralytics YOLO pour automatiser l'inspection du saumon, détecter les défauts en temps réel et économiser une semaine de travail d'ingénierie.
Project Ocean Oasis fait progresser la conservation des récifs avec Ultralytics YOLO
Découvre comment Project Ocean Oasis utilise Ultralytics YOLO, l'edge AI et des systèmes de surveillance autonomes pour intensifier la préservation des récifs et l'intelligence océanique.
Volley équipe plus de 250 entraîneurs par IA sur le court avec Ultralytics YOLO
"Ce qui est vraiment appréciable, c'est que le modèle fonctionne très bien en temps réel sur le matériel en périphérie sur l'entraîneur, et nous pouvons utiliser le même modèle dans le cloud pour exécuter exactement le même flux."
WG Tech Solutions réduit les violations de sécurité de 28 % avec Ultralytics YOLO et l'accélérateur d'IA d'Axelera
Apprends comment WG Tech Solutions a réussi à réduire les violations de sécurité dans la fabrication de 28 % en exploitant Ultralytics YOLO et l'accélérateur d'IA d'Axelera
Stride propose une analyse de la démarche équine en 1 minute avec Ultralytics YOLO
Apprends comment Stride exploite les modèles Ultralytics YOLO pour l'estimation de la pose du cheval, réalisant une analyse complète de la démarche en moins d'une minute.
Pixelabs atteint 95 % de rappel avec l'automatisation pilotée par Ultralytics YOLO
Apprends comment Pixelabs exploite les modèles Ultralytics YOLO pour automatiser les flux de travail et atteindre 95 % de rappel.
SiteAssist améliore la sécurité sur site en traitant plus de 770 000 images avec Ultralytics YOLO
Apprends comment SiteAssist exploite les modèles Ultralytics YOLO pour améliorer la sécurité sur les chantiers de construction.
Chef Robotics utilise Ultralytics YOLO pour réduire le gaspillage alimentaire de 67 %
Explore comment Chef Robotics utilise les modèles Ultralytics YOLO pour un assemblage alimentaire précis.
Cali Intelligence raccourcit les files d'attente de 43 % avec Ultralytics YOLO
Explore comment Cali Intelligence utilise les modèles Ultralytics YOLO pour réduire les files d'attente en caisse dans le commerce de détail grâce à la détection d'objets.
MarineSitu atteint plus de 96 % de temps de disponibilité dans la surveillance sous-marine grâce à Ultralytics YOLO
Découvre comment MarineSitu utilise Ultralytics YOLO pour transformer la détection d'objets sous-marins.
Theia Scientific accélère l'analyse par microscopie 43x avec Ultralytics YOLO
Découvre comment Theia Scientific utilise Ultralytics YOLO pour redéfinir l'analyse des données de microscopie.
eSmart Systems réduit de moitié le temps d'inspection des lignes électriques avec Ultralytics YOLO
Découvre comment eSmart Systems utilise Ultralytics YOLO pour augmenter la vitesse de détection des défauts et transformer les inspections des services publics.
Axelera AI fournit une inférence IA en périphérie à 34 FPS en utilisant Ultralytics YOLO
Découvre comment Axelera AI utilise Ultralytics YOLO pour offrir une vision en périphérie rapide, précise et efficace sur les puces Metis AI.
STMicroelectronics exécute Ultralytics YOLO sur un MCU à seulement 9,4 mJ par inférence
Découvre comment STMicroelectronics déploie efficacement les modèles Ultralytics YOLO sur des microcontrôleurs basse consommation pour obtenir une inférence précise en temps réel à la périphérie.
Specialvideo atteint 99 % de précision d'inspection alimentaire avec Ultralytics YOLO
Découvre comment Specialvideo utilise les modèles Ultralytics YOLO pour alimenter l'inspection alimentaire par IA en temps réel, garantissant la qualité, réduisant le gaspillage et augmentant l'efficacité.
Vivity AI économise plus de 5 millions de dollars par an dans les opérations industrielles avec Ultralytics YOLO
Découvre comment Vivity AI exploite les modèles Ultralytics YOLO pour améliorer l'automatisation industrielle, augmentant l'efficacité, réduisant les temps d'arrêt et assurant la sécurité au travail.
Videologic Analytics passe à 10 000 licences de caméras IA avec Ultralytics YOLO
Découvre comment Videologic Analytics intègre les modèles Ultralytics YOLO pour améliorer la surveillance vidéo, augmenter la précision de la détection, réduire les fausses alertes et optimiser la surveillance des menaces en temps réel.
Prezent améliore la précision de détection des diapositives de 34 % avec Ultralytics YOLO
Découvre comment Prezent exploite les modèles Ultralytics YOLO pour automatiser la détection des éléments de diapositives, réduisant le temps de traitement à moins de 10 secondes tout en préservant la structure et le design.
ALYCE accélère l'inférence de l'IA de trafic de 20 % avec Ultralytics YOLO
Découvre comment ALYCE utilise les modèles Ultralytics YOLO pour améliorer la précision des données, optimiser la mobilité urbaine et créer des solutions de trafic pilotées par l'IA pour des villes plus durables et intelligentes.
Kiwitron utilise Ultralytics YOLO pour détecter les risques industriels à 30 m de distance
Explore comment Kiwitron utilise les modèles Ultralytics YOLO dans sa solution KewiEye pour détecter et traiter les risques industriels pour une meilleure sécurité.
SOHGA réduit le temps de surveillance des parkings de 30 % grâce à Ultralytics YOLO
Découvre comment le système MEGURU de SOHGA utilise Ultralytics YOLO26 pour automatiser les patrouilles de parking, réduire le temps de patrouille de 30 % et améliorer la sécurité.
Scaleout réduit les mises à jour de modèles de quelques semaines à quelques heures avec Ultralytics YOLO
Découvre comment Scaleout utilise Ultralytics YOLO et l'apprentissage fédéré pour affiner des modèles d'IA sur des appareils en périphérie (edge) tout en maintenant la sécurité des données sensibles.
RapiD Engineering déploie le contrôle qualité des produits de la mer une semaine plus rapidement avec Ultralytics YOLO
Découvre comment RapiD Engineering utilise Ultralytics YOLO pour automatiser l'inspection du saumon, détecter les défauts en temps réel et économiser une semaine de travail d'ingénierie.
Project Ocean Oasis fait progresser la conservation des récifs avec Ultralytics YOLO
Découvre comment Project Ocean Oasis utilise Ultralytics YOLO, l'edge AI et des systèmes de surveillance autonomes pour intensifier la préservation des récifs et l'intelligence océanique.
Volley équipe plus de 250 entraîneurs par IA sur le court avec Ultralytics YOLO
"Ce qui est vraiment appréciable, c'est que le modèle fonctionne très bien en temps réel sur le matériel en périphérie sur l'entraîneur, et nous pouvons utiliser le même modèle dans le cloud pour exécuter exactement le même flux."
WG Tech Solutions réduit les violations de sécurité de 28 % avec Ultralytics YOLO et l'accélérateur d'IA d'Axelera
Apprends comment WG Tech Solutions a réussi à réduire les violations de sécurité dans la fabrication de 28 % en exploitant Ultralytics YOLO et l'accélérateur d'IA d'Axelera
Stride propose une analyse de la démarche équine en 1 minute avec Ultralytics YOLO
Apprends comment Stride exploite les modèles Ultralytics YOLO pour l'estimation de la pose du cheval, réalisant une analyse complète de la démarche en moins d'une minute.
Pixelabs atteint 95 % de rappel avec l'automatisation pilotée par Ultralytics YOLO
Apprends comment Pixelabs exploite les modèles Ultralytics YOLO pour automatiser les flux de travail et atteindre 95 % de rappel.
SiteAssist améliore la sécurité sur site en traitant plus de 770 000 images avec Ultralytics YOLO
Apprends comment SiteAssist exploite les modèles Ultralytics YOLO pour améliorer la sécurité sur les chantiers de construction.
Chef Robotics utilise Ultralytics YOLO pour réduire le gaspillage alimentaire de 67 %
Explore comment Chef Robotics utilise les modèles Ultralytics YOLO pour un assemblage alimentaire précis.
Cali Intelligence raccourcit les files d'attente de 43 % avec Ultralytics YOLO
Explore comment Cali Intelligence utilise les modèles Ultralytics YOLO pour réduire les files d'attente en caisse dans le commerce de détail grâce à la détection d'objets.
MarineSitu atteint plus de 96 % de temps de disponibilité dans la surveillance sous-marine grâce à Ultralytics YOLO
Découvre comment MarineSitu utilise Ultralytics YOLO pour transformer la détection d'objets sous-marins.
Theia Scientific accélère l'analyse par microscopie 43x avec Ultralytics YOLO
Découvre comment Theia Scientific utilise Ultralytics YOLO pour redéfinir l'analyse des données de microscopie.
eSmart Systems réduit de moitié le temps d'inspection des lignes électriques avec Ultralytics YOLO
Découvre comment eSmart Systems utilise Ultralytics YOLO pour augmenter la vitesse de détection des défauts et transformer les inspections des services publics.
Axelera AI fournit une inférence IA en périphérie à 34 FPS en utilisant Ultralytics YOLO
Découvre comment Axelera AI utilise Ultralytics YOLO pour offrir une vision en périphérie rapide, précise et efficace sur les puces Metis AI.
STMicroelectronics exécute Ultralytics YOLO sur un MCU à seulement 9,4 mJ par inférence
Découvre comment STMicroelectronics déploie efficacement les modèles Ultralytics YOLO sur des microcontrôleurs basse consommation pour obtenir une inférence précise en temps réel à la périphérie.
Specialvideo atteint 99 % de précision d'inspection alimentaire avec Ultralytics YOLO
Découvre comment Specialvideo utilise les modèles Ultralytics YOLO pour alimenter l'inspection alimentaire par IA en temps réel, garantissant la qualité, réduisant le gaspillage et augmentant l'efficacité.
Vivity AI économise plus de 5 millions de dollars par an dans les opérations industrielles avec Ultralytics YOLO
Découvre comment Vivity AI exploite les modèles Ultralytics YOLO pour améliorer l'automatisation industrielle, augmentant l'efficacité, réduisant les temps d'arrêt et assurant la sécurité au travail.
Videologic Analytics passe à 10 000 licences de caméras IA avec Ultralytics YOLO
Découvre comment Videologic Analytics intègre les modèles Ultralytics YOLO pour améliorer la surveillance vidéo, augmenter la précision de la détection, réduire les fausses alertes et optimiser la surveillance des menaces en temps réel.
Prezent améliore la précision de détection des diapositives de 34 % avec Ultralytics YOLO
Découvre comment Prezent exploite les modèles Ultralytics YOLO pour automatiser la détection des éléments de diapositives, réduisant le temps de traitement à moins de 10 secondes tout en préservant la structure et le design.
ALYCE accélère l'inférence de l'IA de trafic de 20 % avec Ultralytics YOLO
Découvre comment ALYCE utilise les modèles Ultralytics YOLO pour améliorer la précision des données, optimiser la mobilité urbaine et créer des solutions de trafic pilotées par l'IA pour des villes plus durables et intelligentes.
Kiwitron utilise Ultralytics YOLO pour détecter les risques industriels à 30 m de distance
Explore comment Kiwitron utilise les modèles Ultralytics YOLO dans sa solution KewiEye pour détecter et traiter les risques industriels pour une meilleure sécurité.
SOHGA réduit le temps de surveillance des parkings de 30 % grâce à Ultralytics YOLO
Découvre comment le système MEGURU de SOHGA utilise Ultralytics YOLO26 pour automatiser les patrouilles de parking, réduire le temps de patrouille de 30 % et améliorer la sécurité.
Scaleout réduit les mises à jour de modèles de quelques semaines à quelques heures avec Ultralytics YOLO
Découvre comment Scaleout utilise Ultralytics YOLO et l'apprentissage fédéré pour affiner des modèles d'IA sur des appareils en périphérie (edge) tout en maintenant la sécurité des données sensibles.
RapiD Engineering déploie le contrôle qualité des produits de la mer une semaine plus rapidement avec Ultralytics YOLO
Découvre comment RapiD Engineering utilise Ultralytics YOLO pour automatiser l'inspection du saumon, détecter les défauts en temps réel et économiser une semaine de travail d'ingénierie.
Project Ocean Oasis fait progresser la conservation des récifs avec Ultralytics YOLO
Découvre comment Project Ocean Oasis utilise Ultralytics YOLO, l'edge AI et des systèmes de surveillance autonomes pour intensifier la préservation des récifs et l'intelligence océanique.
Volley équipe plus de 250 entraîneurs par IA sur le court avec Ultralytics YOLO
"Ce qui est vraiment appréciable, c'est que le modèle fonctionne très bien en temps réel sur le matériel en périphérie sur l'entraîneur, et nous pouvons utiliser le même modèle dans le cloud pour exécuter exactement le même flux."
WG Tech Solutions réduit les violations de sécurité de 28 % avec Ultralytics YOLO et l'accélérateur d'IA d'Axelera
Apprends comment WG Tech Solutions a réussi à réduire les violations de sécurité dans la fabrication de 28 % en exploitant Ultralytics YOLO et l'accélérateur d'IA d'Axelera
Stride propose une analyse de la démarche équine en 1 minute avec Ultralytics YOLO
Apprends comment Stride exploite les modèles Ultralytics YOLO pour l'estimation de la pose du cheval, réalisant une analyse complète de la démarche en moins d'une minute.
Pixelabs atteint 95 % de rappel avec l'automatisation pilotée par Ultralytics YOLO
Apprends comment Pixelabs exploite les modèles Ultralytics YOLO pour automatiser les flux de travail et atteindre 95 % de rappel.
SiteAssist améliore la sécurité sur site en traitant plus de 770 000 images avec Ultralytics YOLO
Apprends comment SiteAssist exploite les modèles Ultralytics YOLO pour améliorer la sécurité sur les chantiers de construction.
Chef Robotics utilise Ultralytics YOLO pour réduire le gaspillage alimentaire de 67 %
Explore comment Chef Robotics utilise les modèles Ultralytics YOLO pour un assemblage alimentaire précis.
Cali Intelligence raccourcit les files d'attente de 43 % avec Ultralytics YOLO
Explore comment Cali Intelligence utilise les modèles Ultralytics YOLO pour réduire les files d'attente en caisse dans le commerce de détail grâce à la détection d'objets.
MarineSitu atteint plus de 96 % de temps de disponibilité dans la surveillance sous-marine grâce à Ultralytics YOLO
Découvre comment MarineSitu utilise Ultralytics YOLO pour transformer la détection d'objets sous-marins.
Theia Scientific accélère l'analyse par microscopie 43x avec Ultralytics YOLO
Découvre comment Theia Scientific utilise Ultralytics YOLO pour redéfinir l'analyse des données de microscopie.
eSmart Systems réduit de moitié le temps d'inspection des lignes électriques avec Ultralytics YOLO
Découvre comment eSmart Systems utilise Ultralytics YOLO pour augmenter la vitesse de détection des défauts et transformer les inspections des services publics.
Axelera AI fournit une inférence IA en périphérie à 34 FPS en utilisant Ultralytics YOLO
Découvre comment Axelera AI utilise Ultralytics YOLO pour offrir une vision en périphérie rapide, précise et efficace sur les puces Metis AI.
STMicroelectronics exécute Ultralytics YOLO sur un MCU à seulement 9,4 mJ par inférence
Découvre comment STMicroelectronics déploie efficacement les modèles Ultralytics YOLO sur des microcontrôleurs basse consommation pour obtenir une inférence précise en temps réel à la périphérie.
Specialvideo atteint 99 % de précision d'inspection alimentaire avec Ultralytics YOLO
Découvre comment Specialvideo utilise les modèles Ultralytics YOLO pour alimenter l'inspection alimentaire par IA en temps réel, garantissant la qualité, réduisant le gaspillage et augmentant l'efficacité.
Vivity AI économise plus de 5 millions de dollars par an dans les opérations industrielles avec Ultralytics YOLO
Découvre comment Vivity AI exploite les modèles Ultralytics YOLO pour améliorer l'automatisation industrielle, augmentant l'efficacité, réduisant les temps d'arrêt et assurant la sécurité au travail.
Videologic Analytics passe à 10 000 licences de caméras IA avec Ultralytics YOLO
Découvre comment Videologic Analytics intègre les modèles Ultralytics YOLO pour améliorer la surveillance vidéo, augmenter la précision de la détection, réduire les fausses alertes et optimiser la surveillance des menaces en temps réel.
Prezent améliore la précision de détection des diapositives de 34 % avec Ultralytics YOLO
Découvre comment Prezent exploite les modèles Ultralytics YOLO pour automatiser la détection des éléments de diapositives, réduisant le temps de traitement à moins de 10 secondes tout en préservant la structure et le design.
ALYCE accélère l'inférence de l'IA de trafic de 20 % avec Ultralytics YOLO
Découvre comment ALYCE utilise les modèles Ultralytics YOLO pour améliorer la précision des données, optimiser la mobilité urbaine et créer des solutions de trafic pilotées par l'IA pour des villes plus durables et intelligentes.
Kiwitron utilise Ultralytics YOLO pour détecter les risques industriels à 30 m de distance
Explore comment Kiwitron utilise les modèles Ultralytics YOLO dans sa solution KewiEye pour détecter et traiter les risques industriels pour une meilleure sécurité.
Questions fréquemment posées
Automated defect detection uses cameras and AI to inspect products and surfaces for flaws, scratches, cracks, dents, missing parts, and contamination, in real time, with no manual checking. Ultralytics YOLO models detect, localize, and classify each defect in a single pass as parts move down the line.
It depends on the data, but recent peer-reviewed studies report 84-99% accuracy with YOLO models tuned to a specific task, for example 99.4% on fabric, 98.8% mAP on PCBs, and 98.2% on semiconductor wafers. The Ultralytics Platform supports active learning, so accuracy keeps climbing as new defect types appear.
Published 2024-2026 studies apply Ultralytics YOLO to steel and metal surfaces, printed circuit boards, semiconductor wafers, welds, textiles, solar panels, aluminum castings, ceramics, batteries, and pharmaceutical packaging, anywhere visual quality control matters.
Yes. Rule-based machine vision struggles with variable, subtle, or previously-unseen defects. Ultralytics YOLO26 learns from your own examples to recognize scratches, hairline cracks, white spots, and missing components across changing lighting and part variation, reaching 98%+ mAP on several published benchmarks.
Fast enough for the line. YOLO26 processes a frame in about 1.7 ms on a modern GPU; published inspection systems report 186 frames per second on fabric and 2.3 ms per weld.
Yes. Most inspection deployments run on-premises because production data is sensitive and factory networks are unreliable. Ultralytics YOLO26 exports to 19 formats, including TensorRT for NVIDIA Jetson, OpenVINO for Intel CPUs, and Hailo accelerators, so models run line-side with no internet connection required.
Less than you might expect. Published defect-detection models train on a few thousand labeled images, for example the bridge-crack study used a 4,029-image dataset. The Ultralytics Platform handles annotation and training, and pretrained YOLO weights mean you fine-tune rather than start from scratch.
Collect images of your good and defective parts, annotate them, and train, all in one place on the Ultralytics Platform. For production deployment, enterprise licensing covers commercial use and keeps your code and data private.
Construisons ensemble le futur de l'IA !
Commence ton aventure avec le futur de l'apprentissage automatique