随笔分类 - 深度学习-yolo目标检测
摘要：
摘要：本文介绍了一个基于YOLO算法的鱼苗检测系统，主要用于观赏鱼养殖和水产育苗场景中的鱼苗状态监测。系统包含用户登录、注册、多模态检测（图片/视频/摄像头）、结果保存和模型切换等功能模块，支持语音播报和数据导出。技术栈采用Python 3.10、PyQt5、SQLite和多种YOLO模型（v5/v8/v11/v12）。通过模型对比测试，YOLO12n在精度上表现最佳（mAP 40.6%），YOLO11n在速度上最优（56.1ms）。系统实现了97.2%的高检测准确率，有效解决了传统人工巡检效率低、漏检率高等问题。
阅读全文
摘要：本文介绍了一个基于YOLO算法的鱼苗检测系统，主要用于观赏鱼养殖和水产育苗场景中的鱼苗状态监测。系统包含用户登录、注册、多模态检测（图片/视频/摄像头）、结果保存和模型切换等功能模块，支持语音播报和数据导出。技术栈采用Python 3.10、PyQt5、SQLite和多种YOLO模型（v5/v8/v11/v12）。通过模型对比测试，YOLO12n在精度上表现最佳（mAP 40.6%），YOLO11n在速度上最优（56.1ms）。系统实现了97.2%的高检测准确率，有效解决了传统人工巡检效率低、漏检率高等问题。
阅读全文
摘要：
本文介绍了基于YOLO系列算法的无人机检测系统开发。系统支持图片、视频及实时摄像头检测，具备多模型切换、结果保存与导出、用户管理等功能。通过对比YOLOv5/v8/v11/v12模型性能，发现YOLO12n精度最高(mAP40.6%)，YOLO11n速度最优(56.1ms)。系统采用PyQt5界面，SQLite数据库，提供完整的模型训练代码和数据集配置方案，检测准确率达97.1%。适用于安防巡检、空域管理等场景的无人机实时监测需求。
阅读全文
本文介绍了基于YOLO系列算法的无人机检测系统开发。系统支持图片、视频及实时摄像头检测，具备多模型切换、结果保存与导出、用户管理等功能。通过对比YOLOv5/v8/v11/v12模型性能，发现YOLO12n精度最高(mAP40.6%)，YOLO11n速度最优(56.1ms)。系统采用PyQt5界面，SQLite数据库，提供完整的模型训练代码和数据集配置方案，检测准确率达97.1%。适用于安防巡检、空域管理等场景的无人机实时监测需求。
阅读全文
摘要：
本文介绍了一套基于YOLO系列算法的太阳能电池板缺陷检测系统。该系统支持多模态输入（图片/视频/实时摄像头），具备用户管理、多模型切换、检测结果可视化与保存等功能。技术栈采用Python3.10+PyQt5+SQLite，核心对比了YOLOv5/YOLOv8/YOLOv11/YOLOv12等模型性能，其中YOLO12n以40.6% mAP表现最优。训练结果显示系统对太阳能电池板裂缝的检测准确率达94.2%（mAP@0.5）。文章还提供了模型训练核心代码和源码获取方式，为光伏运维提供高效可靠的自动化检测解决方案。
阅读全文
本文介绍了一套基于YOLO系列算法的太阳能电池板缺陷检测系统。该系统支持多模态输入（图片/视频/实时摄像头），具备用户管理、多模型切换、检测结果可视化与保存等功能。技术栈采用Python3.10+PyQt5+SQLite，核心对比了YOLOv5/YOLOv8/YOLOv11/YOLOv12等模型性能，其中YOLO12n以40.6% mAP表现最优。训练结果显示系统对太阳能电池板裂缝的检测准确率达94.2%（mAP@0.5）。文章还提供了模型训练核心代码和源码获取方式，为光伏运维提供高效可靠的自动化检测解决方案。
阅读全文
摘要：
本文介绍了一套基于YOLO算法的农业害虫检测系统。该系统支持图片、视频、摄像头等多模态检测，提供多模型切换（YOLOv5/v8/v11/v12）、结果可视化、统计分析等功能。技术栈采用Python3.10+PyQt5+SQLite，模型训练脚本支持自动路径修正和批量训练。性能测试显示YOLO12n精度最高（mAP40.6%），YOLO11n速度最快（56.1ms）。系统还包含用户管理、数据保存等实用功能，适用于农业害虫检测场景。源码获取详见文末链接。
阅读全文
本文介绍了一套基于YOLO算法的农业害虫检测系统。该系统支持图片、视频、摄像头等多模态检测，提供多模型切换（YOLOv5/v8/v11/v12）、结果可视化、统计分析等功能。技术栈采用Python3.10+PyQt5+SQLite，模型训练脚本支持自动路径修正和批量训练。性能测试显示YOLO12n精度最高（mAP40.6%），YOLO11n速度最快（56.1ms）。系统还包含用户管理、数据保存等实用功能，适用于农业害虫检测场景。源码获取详见文末链接。
阅读全文
摘要：
摘要：本文介绍了一个基于YOLO系列算法的交通锥形桶检测系统，该系统针对传统道路安全设施检测的痛点问题，实现了多模态检测、模型切换和结果可视化等功能。系统采用PyQt5前端界面和SQLite数据库，支持图片、视频及摄像头实时检测，并具有语音播报、结果导出等实用特性。通过对比YOLOv5/YOLOv8/YOLOv11/YOLOv12等模型性能，推荐YOLO12n（高精度）和YOLO11n（高速）作为首选方案。实验显示系统在6300张图片数据集上训练后，mAP@0.5达到71.7%，具备良好的检测效果。
阅读全文
摘要：本文介绍了一个基于YOLO系列算法的交通锥形桶检测系统，该系统针对传统道路安全设施检测的痛点问题，实现了多模态检测、模型切换和结果可视化等功能。系统采用PyQt5前端界面和SQLite数据库，支持图片、视频及摄像头实时检测，并具有语音播报、结果导出等实用特性。通过对比YOLOv5/YOLOv8/YOLOv11/YOLOv12等模型性能，推荐YOLO12n（高精度）和YOLO11n（高速）作为首选方案。实验显示系统在6300张图片数据集上训练后，mAP@0.5达到71.7%，具备良好的检测效果。
阅读全文
摘要：
本文介绍了一套基于YOLO系列算法的苹果检测系统，该系统支持图片、视频和实时摄像头检测，具备多模型切换、结果可视化与统计等功能。系统采用Python3.10开发，前端使用PyQt5，数据库为SQLite，支持YOLOv5/v8/v11/v12等多种模型。实验表明，YOLO12n模型精度最高(mAP40.6%)，YOLO11n速度最快(56.1ms)。该系统可有效解决果园复杂环境下的苹果检测问题，提高采收效率。
阅读全文
本文介绍了一套基于YOLO系列算法的苹果检测系统，该系统支持图片、视频和实时摄像头检测，具备多模型切换、结果可视化与统计等功能。系统采用Python3.10开发，前端使用PyQt5，数据库为SQLite，支持YOLOv5/v8/v11/v12等多种模型。实验表明，YOLO12n模型精度最高(mAP40.6%)，YOLO11n速度最快(56.1ms)。该系统可有效解决果园复杂环境下的苹果检测问题，提高采收效率。
阅读全文
摘要：
摘要：本文介绍了一套基于YOLO系列算法的密集人群行人检测系统。系统支持图片、视频及实时摄像头检测，具备模型切换、置信度调节、数据统计与导出等功能。通过对比YOLOv5/v8/v11/v12模型性能，显示YOLO12n精度最高(mAP40.6%)，YOLO11n速度最快(56.1ms)。系统采用Python3.10+PyQt5+SQLite技术栈，包含用户管理、模型训练等模块，能有效解决密集场景下的行人检测难题。
阅读全文
摘要：本文介绍了一套基于YOLO系列算法的密集人群行人检测系统。系统支持图片、视频及实时摄像头检测，具备模型切换、置信度调节、数据统计与导出等功能。通过对比YOLOv5/v8/v11/v12模型性能，显示YOLO12n精度最高(mAP40.6%)，YOLO11n速度最快(56.1ms)。系统采用Python3.10+PyQt5+SQLite技术栈，包含用户管理、模型训练等模块，能有效解决密集场景下的行人检测难题。
阅读全文
摘要：
本文介绍了一套基于YOLO系列算法的路面裂缝检测系统。系统支持图片、视频及实时摄像头检测，具备多模型切换、结果保存与可视化等功能。技术栈采用Python3.10+PyQt5+SQLite，对比了YOLOv5/v8/v11/v12模型性能，其中YOLO12n精度最高(mAP40.6%)，YOLO11n速度最优(56.1ms)。数据集包含3900张裂缝图片，训练结果显示mAP@0.5达83.1%，F1值0.78，具有较高的检测准确率。系统通过图形化界面实现便捷操作，为路面养护提供高效智能解决方案。
阅读全文
本文介绍了一套基于YOLO系列算法的路面裂缝检测系统。系统支持图片、视频及实时摄像头检测，具备多模型切换、结果保存与可视化等功能。技术栈采用Python3.10+PyQt5+SQLite，对比了YOLOv5/v8/v11/v12模型性能，其中YOLO12n精度最高(mAP40.6%)，YOLO11n速度最优(56.1ms)。数据集包含3900张裂缝图片，训练结果显示mAP@0.5达83.1%，F1值0.78，具有较高的检测准确率。系统通过图形化界面实现便捷操作，为路面养护提供高效智能解决方案。
阅读全文
摘要：
本文介绍了一套基于YOLO系列算法的交通标志检测系统。该系统采用深度学习技术，支持55种常见交通标志的识别，具备图片、视频、批量文件及实时摄像头检测功能。系统提供图形化界面，包含模型切换、参数调节、结果统计与语音播报等实用功能，并配套用户管理、脚本调用和模型训练流程。技术栈采用Python3.10+PyQt5+SQLite，对比测试显示YOLO12n模型在精度(mAP40.6%)和速度(56.1ms)方面表现最优。系统训练数据包含4300张图片33类标志，最终mAP@0.5达到85.4%，F1值0.79，具有较高的识别准确率。
阅读全文
本文介绍了一套基于YOLO系列算法的交通标志检测系统。该系统采用深度学习技术，支持55种常见交通标志的识别，具备图片、视频、批量文件及实时摄像头检测功能。系统提供图形化界面，包含模型切换、参数调节、结果统计与语音播报等实用功能，并配套用户管理、脚本调用和模型训练流程。技术栈采用Python3.10+PyQt5+SQLite，对比测试显示YOLO12n模型在精度(mAP40.6%)和速度(56.1ms)方面表现最优。系统训练数据包含4300张图片33类标志，最终mAP@0.5达到85.4%，F1值0.79，具有较高的识别准确率。
阅读全文
摘要：
本文介绍了一个基于YOLO算法的PCB板元器件检测系统，该系统可识别22种元器件，支持图片、视频、批量文件和摄像头实时检测。系统采用Python3.10开发，前端使用PyQt5，数据库为SQLite，集成了YOLOv5/v8/v11/v12等多种模型。通过对比测试显示，YOLO12n模型精度最高（mAP40.6%），YOLO11n速度最快（56.1ms）。系统提供可视化界面、语音播报、结果保存等功能，训练结果显示mAP@0.5达到69.4%，有效提升了PCB检测的效率和准确性。
阅读全文
本文介绍了一个基于YOLO算法的PCB板元器件检测系统，该系统可识别22种元器件，支持图片、视频、批量文件和摄像头实时检测。系统采用Python3.10开发，前端使用PyQt5，数据库为SQLite，集成了YOLOv5/v8/v11/v12等多种模型。通过对比测试显示，YOLO12n模型精度最高（mAP40.6%），YOLO11n速度最快（56.1ms）。系统提供可视化界面、语音播报、结果保存等功能，训练结果显示mAP@0.5达到69.4%，有效提升了PCB检测的效率和准确性。
阅读全文
摘要：
基于YOLO系列深度学习算法的昆虫识别系统，支持对33种昆虫（如星天牛属、剑尾蛾、橙粉蝶等）进行高精度识别。系统提供图片、视频、文件夹批量及摄像头实时检测功能，具备多模型切换、置信度调节、语音播报、结果保存与导出等交互模块。训练阶段采用6000张标注图片，YOLO12n模型在验证集上mAP达40.6%，识别精准度高，适用于农业监测与生态研究等场景。
阅读全文
基于YOLO系列深度学习算法的昆虫识别系统，支持对33种昆虫（如星天牛属、剑尾蛾、橙粉蝶等）进行高精度识别。系统提供图片、视频、文件夹批量及摄像头实时检测功能，具备多模型切换、置信度调节、语音播报、结果保存与导出等交互模块。训练阶段采用6000张标注图片，YOLO12n模型在验证集上mAP达40.6%，识别精准度高，适用于农业监测与生态研究等场景。
阅读全文
摘要：
本文介绍了一个基于YOLO算法的吸烟检测系统，该系统针对公共场所禁烟监管需求开发。系统支持多模态输入（图片/视频/实时摄像头），采用模块化界面设计，集成模型切换、参数调节、结果保存等功能，检测精度达91.6%（mAP@0.5）。技术栈包括Python3.10、PyQt5和SQLite，内置YOLOv5/v8/v11/v12模型，其中YOLO12n精度最高（mAP40.6%），YOLO11n速度最优（56.1ms）。系统还提供模型训练脚本，支持用户自定义数据集优化。该方案有效解决了传统人工巡查效率低、现有系统功能单一等问题，为无烟环境建设提供智能化工具。
阅读全文
本文介绍了一个基于YOLO算法的吸烟检测系统，该系统针对公共场所禁烟监管需求开发。系统支持多模态输入（图片/视频/实时摄像头），采用模块化界面设计，集成模型切换、参数调节、结果保存等功能，检测精度达91.6%（mAP@0.5）。技术栈包括Python3.10、PyQt5和SQLite，内置YOLOv5/v8/v11/v12模型，其中YOLO12n精度最高（mAP40.6%），YOLO11n速度最优（56.1ms）。系统还提供模型训练脚本，支持用户自定义数据集优化。该方案有效解决了传统人工巡查效率低、现有系统功能单一等问题，为无烟环境建设提供智能化工具。
阅读全文
摘要：
本文介绍了一种基于YOLO算法的交通事故检测系统，该系统可实时检测图片、视频和摄像头画面中的交通事故，并区分事故严重程度。系统采用三栏界面设计，支持多模型切换、检测结果保存与导出，并配有语音播报功能。技术栈包括Python3.10、PyQt5、SQLite和YOLO系列模型。实验表明，YOLO12n模型在精度上表现最佳（mAP40.6%），而YOLO11n在速度上最优（56.1ms）。系统还提供模型训练脚本，支持用户自定义数据集训练，适用于智慧交通等场景。
阅读全文
本文介绍了一种基于YOLO算法的交通事故检测系统，该系统可实时检测图片、视频和摄像头画面中的交通事故，并区分事故严重程度。系统采用三栏界面设计，支持多模型切换、检测结果保存与导出，并配有语音播报功能。技术栈包括Python3.10、PyQt5、SQLite和YOLO系列模型。实验表明，YOLO12n模型在精度上表现最佳（mAP40.6%），而YOLO11n在速度上最优（56.1ms）。系统还提供模型训练脚本，支持用户自定义数据集训练，适用于智慧交通等场景。
阅读全文
摘要：
本文介绍了一种基于YOLO算法的火焰烟雾检测系统。该系统通过YOLOv5/v8/v11/v12模型实现高精度实时检测，具有多模态输入、参数调节、语音播报和数据导出等功能。系统采用PyQt5界面和SQLite数据库，支持用户登录、模型切换和训练脚本。测试结果显示YOLO12n模型精度最高（mAP40.6%），YOLO11n速度最优（56.1ms）。该系统可广泛应用于火灾预警、工业监测等领域，实现了安全监测与效率提升的综合解决方案。
阅读全文
本文介绍了一种基于YOLO算法的火焰烟雾检测系统。该系统通过YOLOv5/v8/v11/v12模型实现高精度实时检测，具有多模态输入、参数调节、语音播报和数据导出等功能。系统采用PyQt5界面和SQLite数据库，支持用户登录、模型切换和训练脚本。测试结果显示YOLO12n模型精度最高（mAP40.6%），YOLO11n速度最优（56.1ms）。该系统可广泛应用于火灾预警、工业监测等领域，实现了安全监测与效率提升的综合解决方案。
阅读全文
摘要：
本文介绍了一套基于YOLO算法的绝缘子智能检测系统。该系统通过YOLOv5/v8/v11/v12等轻量化模型实现毫秒级绝缘子缺陷识别，支持图片/视频/摄像头等多源输入，具备双阈值调节、可视化标注、语音告警等功能。系统采用PyQt5开发界面，支持多模型切换、结果保存导出。技术分析显示，YOLO12n模型表现最优（mAP40.6%），YOLO11n速度最快（56.1ms）。训练结果显示系统准确率达96.7%（mAP@0.5），F1值0.95，显著提升了电力巡检效率和缺陷检出率。
阅读全文
本文介绍了一套基于YOLO算法的绝缘子智能检测系统。该系统通过YOLOv5/v8/v11/v12等轻量化模型实现毫秒级绝缘子缺陷识别，支持图片/视频/摄像头等多源输入，具备双阈值调节、可视化标注、语音告警等功能。系统采用PyQt5开发界面，支持多模型切换、结果保存导出。技术分析显示，YOLO12n模型表现最优（mAP40.6%），YOLO11n速度最快（56.1ms）。训练结果显示系统准确率达96.7%（mAP@0.5），F1值0.95，显著提升了电力巡检效率和缺陷检出率。
阅读全文
摘要：
摘要：本文介绍了一个基于YOLO算法的考试作弊智能检测系统。该系统通过深度学习技术实现考场作弊行为的自动识别，支持图片、视频、文件夹批量处理及实时监控，具备用户管理、结果导出和语音播报功能。系统采用PyQt5界面，SQLite数据库，并对比分析了YOLOv5/v8/v11/v12四种模型的性能（YOLO12n精度最高达40.6%mAP）。训练数据集包含13000张图片，最终模型在IoU=0.5时mAP达到89%。该系统为考场监控提供了高效智能的解决方案。
阅读全文
摘要：本文介绍了一个基于YOLO算法的考试作弊智能检测系统。该系统通过深度学习技术实现考场作弊行为的自动识别，支持图片、视频、文件夹批量处理及实时监控，具备用户管理、结果导出和语音播报功能。系统采用PyQt5界面，SQLite数据库，并对比分析了YOLOv5/v8/v11/v12四种模型的性能（YOLO12n精度最高达40.6%mAP）。训练数据集包含13000张图片，最终模型在IoU=0.5时mAP达到89%。该系统为考场监控提供了高效智能的解决方案。
阅读全文
摘要：
本文介绍了一套基于YOLO算法的纺织品缺陷智能检测系统。该系统通过深度学习技术，可精准识别破洞、织线瑕疵等缺陷，支持图片、视频、实时摄像头等多种检测方式，并提供可视化界面、结果导出等功能。系统采用PyQt5开发前端，支持多模型切换（YOLOv5/v8/v11/v12），其中YOLO12n模型精度最高（mAP40.6%），YOLO11n速度最优（56.1ms）。文章详细演示了用户界面操作流程，并分享了模型训练核心代码，实现了从数据集准备到模型生成的全流程自动化。该系统有效解决了传统人工质检效率低、漏检率高的问题。
阅读全文
本文介绍了一套基于YOLO算法的纺织品缺陷智能检测系统。该系统通过深度学习技术，可精准识别破洞、织线瑕疵等缺陷，支持图片、视频、实时摄像头等多种检测方式，并提供可视化界面、结果导出等功能。系统采用PyQt5开发前端，支持多模型切换（YOLOv5/v8/v11/v12），其中YOLO12n模型精度最高（mAP40.6%），YOLO11n速度最优（56.1ms）。文章详细演示了用户界面操作流程，并分享了模型训练核心代码，实现了从数据集准备到模型生成的全流程自动化。该系统有效解决了传统人工质检效率低、漏检率高的问题。
阅读全文
摘要：
摘要：本项目开发了一套基于YOLO算法的红外行人识别系统，支持图片、视频及实时摄像头检测。系统采用PyQt5界面，具备用户登录、模型切换、结果保存等功能，集成YOLOv5/v8/v11/v12多种模型。通过3000张图片数据集训练，YOLO12n模型达到91.4%的mAP@0.5准确率，YOLO11n实现56.1ms的CPU推理速度。系统提供图形化操作与脚本检测两种模式，适用于安防监控等红外场景下的行人识别需求。源码可通过指定链接获取。
阅读全文
摘要：本项目开发了一套基于YOLO算法的红外行人识别系统，支持图片、视频及实时摄像头检测。系统采用PyQt5界面，具备用户登录、模型切换、结果保存等功能，集成YOLOv5/v8/v11/v12多种模型。通过3000张图片数据集训练，YOLO12n模型达到91.4%的mAP@0.5准确率，YOLO11n实现56.1ms的CPU推理速度。系统提供图形化操作与脚本检测两种模式，适用于安防监控等红外场景下的行人识别需求。源码可通过指定链接获取。
阅读全文
摘要：
摘要：本文介绍了一套基于YOLO算法的驾驶行为检测系统，采用计算机视觉技术实时识别驾驶员分心、异常姿态等行为。系统具备三区布局界面，支持图片/视频/摄像头多模态检测，并集成语音播报、数据统计和结果导出功能。技术栈采用Python+PyQt5+SQLite，对比分析了YOLOv5/v8/v11/v12模型的性能差异，其中YOLO12n以40.6%mAP精度最优，YOLO11n以56.1ms推理速度最快。系统训练数据包含15类驾驶行为，最终模型在0.5IoU阈值下达到97.4%的mAP准确率。
阅读全文
摘要：本文介绍了一套基于YOLO算法的驾驶行为检测系统，采用计算机视觉技术实时识别驾驶员分心、异常姿态等行为。系统具备三区布局界面，支持图片/视频/摄像头多模态检测，并集成语音播报、数据统计和结果导出功能。技术栈采用Python+PyQt5+SQLite，对比分析了YOLOv5/v8/v11/v12模型的性能差异，其中YOLO12n以40.6%mAP精度最优，YOLO11n以56.1ms推理速度最快。系统训练数据包含15类驾驶行为，最终模型在0.5IoU阈值下达到97.4%的mAP准确率。
阅读全文
摘要：
本文介绍了一个基于YOLO算法的多种类动物检测识别系统。系统实现了50多种动物的精准识别，具有模块化GUI界面，支持多源输入、模型切换、实时调节和数据可视化。核心功能包括用户管理、多模态检测、结果保存等。通过对比YOLOv5/YOLOv8/YOLOv11/YOLOv12模型，YOLO12n在精度上表现最优(mAP40.6%)，YOLO11n在速度上最快(56.1ms)。系统使用19000张图片的数据集训练，最终mAP@0.5达到84.2%，F1值0.79。源码可通过指定链接获取。
阅读全文
本文介绍了一个基于YOLO算法的多种类动物检测识别系统。系统实现了50多种动物的精准识别，具有模块化GUI界面，支持多源输入、模型切换、实时调节和数据可视化。核心功能包括用户管理、多模态检测、结果保存等。通过对比YOLOv5/YOLOv8/YOLOv11/YOLOv12模型，YOLO12n在精度上表现最优(mAP40.6%)，YOLO11n在速度上最快(56.1ms)。系统使用19000张图片的数据集训练，最终mAP@0.5达到84.2%，F1值0.79。源码可通过指定链接获取。
阅读全文
浙公网安备 33010602011771号