codingtea

摘要： 本文介绍了基于YOLO算法的水表读数识别系统，该系统可解决人工抄表效率低下的问题。系统支持多模态检测、模型切换、结果保存等功能，采用YOLOv5/v8/v11/v12等多种模型进行训练。技术栈包括Python 3.10、PyQt5、SQLite等。通过模型对比测试显示，YOLO12n精度最高（mAP 40.6%），YOLO11n速度最快（56.1ms）。训练结果mAP@0.5达到92.2%，F1值0.87，识别效果优异。系统源码可通过指定链接获取。 阅读全文

摘要： 本文介绍了一款基于YOLO算法的安全帽检测系统。系统具备多模态检测、多模型切换、识别历史管理等功能，支持图片/视频/摄像头实时检测，并提供管理员和用户双端权限管理。技术栈采用Python3.10+Django+Bootstrap，集成YOLOv5/v8/v11/v12多个版本模型。实验表明，YOLO12n模型在精度上表现最优(mAP40.6%)，YOLO11n在速度上最具优势(CPU推理56.1ms)。系统提供完整源码获取方式，适用于工地、厂区等安全生产场景的智能化升级需求。 阅读全文

摘要： 在智慧交通、停车场管理、道路执法以及安防监控等场景中，快速、准确地获取车辆号牌信息是实现自动化管理的关键。然而在现状中，很多实际应用仍依赖人工抄录或传统的OCR方案，这些方法在面对复杂光照、倾斜拍摄、运动模糊、特殊车牌（如新能源绿牌、黄牌）时，识别率往往不稳定，而且难以做到实时批量处理。随着城市交通流量激增与无人化管理的推进，市场迫切需要一种兼具检测速度与字符识别精度、可适配多种车牌样式并支持多载体输入的智能识别方案。 针对这一现状，我们团队研发了这套成品级车牌识别系统。系统采用 YOLO 算法定位车牌位置，并结合轻量化端到端的 LPRNet​ 完成字符识别，实现了从图片、视频、文件夹批量图片到实时摄像头视频流的全方位检测与识别。界面上支持模型切换（YOLO V5 / V8 / V11 / V12）、置信度与IOU调节、语音播报、检测结果可视化与导出，并配套登录管理、脚本批处理以及二次训练能力，能够满足工业落地与科研实验的多场景需求。 阅读全文

摘要： 本文介绍了一款基于YOLO算法的遥感地面物体检测系统。系统集成YOLOv5/v8/v11/v12多版本模型，支持图片/视频/摄像头实时检测，具备置信度调节、目标类别过滤、数据导出等功能。演示内容包括用户界面、多模态检测、模型切换等模块，并详细对比了各YOLO模型性能，其中YOLO12n精度最高(mAP40.6%)，YOLO11n速度最优(56.1ms)。系统采用Python+Django技术栈，提供完整的模型训练代码和数据集分析，适合遥感影像分析的智能化升级需求。 阅读全文

摘要： 《基于YOLO算法的仪表指针检测系统》是一套面向工业自动化的智能检测方案。系统支持图片、视频和实时摄像头检测，具备用户登录、模型切换、结果保存等功能，采用YOLOv5/v8/v11/v12多模型架构。经测试，YOLO12n模型精度最高（mAP40.6%），YOLO11n速度最优（56.1ms）。系统包含8700+张训练数据，实现82%的检测准确率，可自动计算仪表读数并输出结果，有效解决传统人工巡检效率低、误差大的问题。完整源码已开源，适用于智能制造与设备运维场景。 阅读全文

摘要： 本文介绍了一个基于深度学习的智能水果检测系统，该系统集成了YOLOv5/YOLOv8/YOLOv11/YOLOv12多版本模型，具备图片/视频/实时摄像头检测、置信度调节、检测结果保存及历史追溯等功能。系统采用Django+Bootstrap框架开发，支持用户与管理员双端权限管理。测试结果表明，YOLO12n模型在mAP@0.5指标上达到96.5%的准确率，YOLO11n在CPU端实现56.1ms的快速推理。项目提供完整的模型训练脚本和开源代码，适用于果蔬分拣等智能化场景需求。 阅读全文

摘要： 摘要：本文介绍了一套基于YOLO算法的电缆损害智能检测系统，主要用于识别电缆断裂和雷击损伤。系统包含用户登录、多模态检测、结果保存、模型切换等功能模块，采用YOLOv5/v8/v11/v12等多种模型进行训练对比。技术分析显示YOLO12n模型精度最高（mAP40.6%），YOLO11n速度最优（56.1ms）。系统支持图片、视频及实时检测，准确率达90.7%，为电力巡检提供了智能化解决方案。 阅读全文

摘要： 本文介绍了一款基于YOLO算法的PCB板缺陷检测系统，该系统针对电子制造业需求开发，支持多版本YOLO模型加载、多种检测模式及数据管理功能。系统采用Python+Django技术栈，内置YOLOv5/v8/v11/v12模型对比分析，其中YOLO12n模型精度最高(mAP40.6%)，YOLO11n速度最优(56.1ms)。项目提供完整的训练脚本和3700+样本数据集，最终模型mAP@0.5达到99.1%，F1值1.0，实现了高效的PCB缺陷检测解决方案。 阅读全文

摘要： 《基于YOLO算法的野生动物检测系统》是一套针对野外环境的实时检测解决方案。系统采用YOLO系列算法，可精准识别郊狼、鹿等5种动物，支持图片、视频及摄像头实时检测。技术栈包含Python与PyQt5，具备用户管理、多模型切换、结果保存等功能。经测试，YOLO12n模型表现最优（mAP40.6%），YOLO11n速度最快（56.1ms）。系统提供完整的训练代码与数据集配置，实现了96.4%的高准确率。源码获取方式详见视频链接。 阅读全文

摘要： 本项目开发了一个基于YOLO算法的学生上课行为检测系统，采用Bootstrap前端和Django后端构建Web应用。系统支持多模态检测（图片/视频/实时流）、多模型切换（YOLOv5/v8/v11/v12）、检测结果保存及历史记录管理等功能。通过对比测试，YOLO12n模型表现最优（mAP40.6%），YOLO11n速度最快（56.1ms）。系统包含完整的训练脚本，可自动处理数据集路径并批量训练模型。该项目为教育场景提供了高效、可定制的行为检测解决方案，相关源码已公开分享。 阅读全文