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.
Dünyanın önde gelen kuruluşlarının güvendiği
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.

YOLO26 Çıkarımını dene
Gerçek zamanlı nesne algılamayı görmek için bir görseli sürükleyip bırak
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.
Vision AI ile sektörleri dönüştürme
Fabrika zeminlerinden ameliyathanelere kadar Ultralytics, görsel verileri gerçek zamanlı kararlara dönüştürür.

SOHGA, Ultralytics YOLO ile otopark izleme süresini %30 azaltıyor

Scaleout, Ultralytics YOLO ile model güncellemelerini haftalardan saatlere indiriyor

RapiD Engineering, Ultralytics YOLO ile deniz ürünleri kalite kontrolünü 1 hafta daha hızlı devreye alıyor

Project Ocean Oasis, Ultralytics YOLO ile resif korumasını ilerletiyor

Volley, Ultralytics YOLO ile 250'den fazla saha içi yapay zeka eğitmenine güç veriyor

WG Tech Solutions, Ultralytics YOLO ve Axelera AI Hızlandırıcı ile güvenlik ihlallerini %28 azaltıyor

Stride, Ultralytics YOLO ile 1 dakikalık at yürüyüş analizi sunuyor

Pixelabs, Ultralytics YOLO tabanlı otomasyonla %95 geri çağırma elde ediyor

SiteAssist, Ultralytics YOLO ile 770 binden fazla görüntüyü işleyerek şantiye güvenliğini artırıyor

Chef Robotics, gıda firesini %67 azaltmak için Ultralytics YOLO kullanıyor

Cali Intelligence, Ultralytics YOLO ile kasa kuyruklarını %43 kısaltıyor

MarineSitu, Ultralytics YOLO kullanarak su altı izlemede %96'nın üzerinde çalışma süresine ulaşıyor

Theia Scientific, Ultralytics YOLO ile mikroskopi analizini 43 kat hızlandırıyor

eSmart Systems, Ultralytics YOLO ile elektrik hattı denetim süresini yarıya indiriyor

Axelera AI, Ultralytics YOLO kullanarak 34 FPS uç AI çıkarımı sunar

STMicroelectronics, Ultralytics YOLO'yu bir MCU üzerinde çıkarım başına sadece 9.4 mJ ile çalıştırır

Specialvideo, Ultralytics YOLO ile %99 gıda denetim doğruluğuna ulaşıyor

Vivity AI, Ultralytics YOLO ile endüstriyel operasyonlarda yılda 5 milyon dolardan fazla tasarruf sağlıyor

Videologic Analytics, Ultralytics YOLO ile 10 bin yapay zeka kamera lisansına kadar ölçekleniyor

Prezent, Ultralytics YOLO ile slayt tespit doğruluğunu %34 artırıyor

ALYCE, Ultralytics YOLO ile trafik yapay zeka çıkarımını %20 hızlandırıyor

Kiwitron, 30 metre mesafedeki endüstriyel tehlikeleri tespit etmek için Ultralytics YOLO kullanıyor

SOHGA, Ultralytics YOLO ile otopark izleme süresini %30 azaltıyor

Scaleout, Ultralytics YOLO ile model güncellemelerini haftalardan saatlere indiriyor

RapiD Engineering, Ultralytics YOLO ile deniz ürünleri kalite kontrolünü 1 hafta daha hızlı devreye alıyor

Project Ocean Oasis, Ultralytics YOLO ile resif korumasını ilerletiyor

Volley, Ultralytics YOLO ile 250'den fazla saha içi yapay zeka eğitmenine güç veriyor

WG Tech Solutions, Ultralytics YOLO ve Axelera AI Hızlandırıcı ile güvenlik ihlallerini %28 azaltıyor

Stride, Ultralytics YOLO ile 1 dakikalık at yürüyüş analizi sunuyor

Pixelabs, Ultralytics YOLO tabanlı otomasyonla %95 geri çağırma elde ediyor

SiteAssist, Ultralytics YOLO ile 770 binden fazla görüntüyü işleyerek şantiye güvenliğini artırıyor

Chef Robotics, gıda firesini %67 azaltmak için Ultralytics YOLO kullanıyor

Cali Intelligence, Ultralytics YOLO ile kasa kuyruklarını %43 kısaltıyor

MarineSitu, Ultralytics YOLO kullanarak su altı izlemede %96'nın üzerinde çalışma süresine ulaşıyor

Theia Scientific, Ultralytics YOLO ile mikroskopi analizini 43 kat hızlandırıyor

eSmart Systems, Ultralytics YOLO ile elektrik hattı denetim süresini yarıya indiriyor

Axelera AI, Ultralytics YOLO kullanarak 34 FPS uç AI çıkarımı sunar

STMicroelectronics, Ultralytics YOLO'yu bir MCU üzerinde çıkarım başına sadece 9.4 mJ ile çalıştırır

Specialvideo, Ultralytics YOLO ile %99 gıda denetim doğruluğuna ulaşıyor

Vivity AI, Ultralytics YOLO ile endüstriyel operasyonlarda yılda 5 milyon dolardan fazla tasarruf sağlıyor

Videologic Analytics, Ultralytics YOLO ile 10 bin yapay zeka kamera lisansına kadar ölçekleniyor

Prezent, Ultralytics YOLO ile slayt tespit doğruluğunu %34 artırıyor

ALYCE, Ultralytics YOLO ile trafik yapay zeka çıkarımını %20 hızlandırıyor

Kiwitron, 30 metre mesafedeki endüstriyel tehlikeleri tespit etmek için Ultralytics YOLO kullanıyor

SOHGA, Ultralytics YOLO ile otopark izleme süresini %30 azaltıyor

Scaleout, Ultralytics YOLO ile model güncellemelerini haftalardan saatlere indiriyor

RapiD Engineering, Ultralytics YOLO ile deniz ürünleri kalite kontrolünü 1 hafta daha hızlı devreye alıyor

Project Ocean Oasis, Ultralytics YOLO ile resif korumasını ilerletiyor

Volley, Ultralytics YOLO ile 250'den fazla saha içi yapay zeka eğitmenine güç veriyor

WG Tech Solutions, Ultralytics YOLO ve Axelera AI Hızlandırıcı ile güvenlik ihlallerini %28 azaltıyor

Stride, Ultralytics YOLO ile 1 dakikalık at yürüyüş analizi sunuyor

Pixelabs, Ultralytics YOLO tabanlı otomasyonla %95 geri çağırma elde ediyor

SiteAssist, Ultralytics YOLO ile 770 binden fazla görüntüyü işleyerek şantiye güvenliğini artırıyor

Chef Robotics, gıda firesini %67 azaltmak için Ultralytics YOLO kullanıyor

Cali Intelligence, Ultralytics YOLO ile kasa kuyruklarını %43 kısaltıyor

MarineSitu, Ultralytics YOLO kullanarak su altı izlemede %96'nın üzerinde çalışma süresine ulaşıyor

Theia Scientific, Ultralytics YOLO ile mikroskopi analizini 43 kat hızlandırıyor

eSmart Systems, Ultralytics YOLO ile elektrik hattı denetim süresini yarıya indiriyor

Axelera AI, Ultralytics YOLO kullanarak 34 FPS uç AI çıkarımı sunar

STMicroelectronics, Ultralytics YOLO'yu bir MCU üzerinde çıkarım başına sadece 9.4 mJ ile çalıştırır

Specialvideo, Ultralytics YOLO ile %99 gıda denetim doğruluğuna ulaşıyor

Vivity AI, Ultralytics YOLO ile endüstriyel operasyonlarda yılda 5 milyon dolardan fazla tasarruf sağlıyor

Videologic Analytics, Ultralytics YOLO ile 10 bin yapay zeka kamera lisansına kadar ölçekleniyor

Prezent, Ultralytics YOLO ile slayt tespit doğruluğunu %34 artırıyor

ALYCE, Ultralytics YOLO ile trafik yapay zeka çıkarımını %20 hızlandırıyor

Kiwitron, 30 metre mesafedeki endüstriyel tehlikeleri tespit etmek için Ultralytics YOLO kullanıyor
Sıkça sorulan sorular
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.
Yapay zekanın geleceğini birlikte inşa edelim!
Yolculuğuna makine öğreniminin geleceğiyle başla