随笔分类 - 深度学习-yolo目标检测
摘要：
本文介绍了一种基于深度学习的脑肿瘤智能检测系统。该系统采用YOLO系列算法框架，支持多源数据输入、交互参数调节和可视化分析。系统测试结果显示平均检测准确率达98.3%，检测耗时满足临床应用需求。研究对比了YOLOv5/YOLOv8/YOLOv11/YOLOv12等模型的性能，推荐YOLO12n(精度最高)和YOLO11n(速度最优)作为首选方案。该系统为脑肿瘤的智能化筛查提供了可行的技术解决方案。
阅读全文
本文介绍了一种基于深度学习的脑肿瘤智能检测系统。该系统采用YOLO系列算法框架，支持多源数据输入、交互参数调节和可视化分析。系统测试结果显示平均检测准确率达98.3%，检测耗时满足临床应用需求。研究对比了YOLOv5/YOLOv8/YOLOv11/YOLOv12等模型的性能，推荐YOLO12n(精度最高)和YOLO11n(速度最优)作为首选方案。该系统为脑肿瘤的智能化筛查提供了可行的技术解决方案。
阅读全文
摘要：
本文介绍了一种基于YOLO算法的木薯病害智能检测系统。该系统采用深度学习技术，可自动识别木薯褐斑病、褐条病等5种病害，支持图片、视频及实时摄像头检测。系统提供交互式界面，支持多模型切换（YOLOv5/v8/v11/v12）和参数调整，其中YOLO12n模型表现最优（mAP@0.5达89.5%）。核心代码展示了批量训练功能，可自动处理数据集路径并加载预训练模型。系统采用Python3.10+PyQt5+SQLite技术栈，具有高精度（F1值0.86）、高效率（YOLO11n推理仅56.1ms）的特点，为农业病害检测提供了智能化解决方案。
阅读全文
本文介绍了一种基于YOLO算法的木薯病害智能检测系统。该系统采用深度学习技术，可自动识别木薯褐斑病、褐条病等5种病害，支持图片、视频及实时摄像头检测。系统提供交互式界面，支持多模型切换（YOLOv5/v8/v11/v12）和参数调整，其中YOLO12n模型表现最优（mAP@0.5达89.5%）。核心代码展示了批量训练功能，可自动处理数据集路径并加载预训练模型。系统采用Python3.10+PyQt5+SQLite技术栈，具有高精度（F1值0.86）、高效率（YOLO11n推理仅56.1ms）的特点，为农业病害检测提供了智能化解决方案。
阅读全文
摘要：
本研究设计了一套基于YOLO算法的无人机视觉小目标检测系统，针对无人机航拍图像中小目标检测的难点，对比了YOLOv5、YOLOv8、YOLOv11和YOLOv12四种模型的性能。系统提供用户管理、多模型切换、实时检测等功能，测试结果显示YOLO12n模型mAP最高达40.6%，YOLO11n推理速度最快（56.1ms）。该系统支持图片、视频等多种输入方式，为无人机小目标检测提供了实用解决方案。
阅读全文
本研究设计了一套基于YOLO算法的无人机视觉小目标检测系统，针对无人机航拍图像中小目标检测的难点，对比了YOLOv5、YOLOv8、YOLOv11和YOLOv12四种模型的性能。系统提供用户管理、多模型切换、实时检测等功能，测试结果显示YOLO12n模型mAP最高达40.6%，YOLO11n推理速度最快（56.1ms）。该系统支持图片、视频等多种输入方式，为无人机小目标检测提供了实用解决方案。
阅读全文
摘要：
本文实现了一套基于YOLO系列的遥感地面物体检测系统，集成YOLOv5/v8/v11/v12四种模型，支持多模型横向对比与快速切换。系统采用PyQt5构建桌面应用，具备图片/视频/实时摄像头检测功能，提供交互式参数调节和结果分析。通过SQLite实现用户管理，配套训练脚本支持批量自动化训练。实验表明，YOLO12n在精度(mAP40.6%)和效率(6.5B FLOPs)上表现最优，YOLO11n推理速度最快(56.1ms)。系统在11类遥感目标检测任务中取得mAP@0.5达84.9%的优异性能，为遥感智能解译提供了一体化解决方案。
阅读全文
本文实现了一套基于YOLO系列的遥感地面物体检测系统，集成YOLOv5/v8/v11/v12四种模型，支持多模型横向对比与快速切换。系统采用PyQt5构建桌面应用，具备图片/视频/实时摄像头检测功能，提供交互式参数调节和结果分析。通过SQLite实现用户管理，配套训练脚本支持批量自动化训练。实验表明，YOLO12n在精度(mAP40.6%)和效率(6.5B FLOPs)上表现最优，YOLO11n推理速度最快(56.1ms)。系统在11类遥感目标检测任务中取得mAP@0.5达84.9%的优异性能，为遥感智能解译提供了一体化解决方案。
阅读全文
摘要：
本文实现了一套基于YOLO的田间杂草智能检测系统，集成YOLOv5/v8/v11/v12四种模型进行对比分析。系统采用PyQt5开发桌面应用，支持图片/视频/摄像头多模态检测，具备置信度调节、实时统计等交互功能。基于18074张图片的数据集测试显示，YOLO12n模型表现最优（mAP40.6%），YOLO11n推理速度最快（56.1ms）。系统实现了从数据准备、模型训练到推理部署的全流程，为农业智能化管理提供了一体化解决方案，在测试集上达到93.6%的检测准确率。
阅读全文
本文实现了一套基于YOLO的田间杂草智能检测系统，集成YOLOv5/v8/v11/v12四种模型进行对比分析。系统采用PyQt5开发桌面应用，支持图片/视频/摄像头多模态检测，具备置信度调节、实时统计等交互功能。基于18074张图片的数据集测试显示，YOLO12n模型表现最优（mAP40.6%），YOLO11n推理速度最快（56.1ms）。系统实现了从数据准备、模型训练到推理部署的全流程，为农业智能化管理提供了一体化解决方案，在测试集上达到93.6%的检测准确率。
阅读全文
摘要：
本文实现了一套基于YOLO系列模型的船舶检测系统，集成YOLOv5/v8/v11/v12等多个版本，支持图片、视频、摄像头实时检测等多种模式。系统采用PyQt5构建桌面应用，具备用户管理、多模型切换、参数调节等功能。测试显示YOLO12n模型精度最高（mAP40.6%），YOLO11n速度最快（56.1ms）。训练数据集包含8700多张图片，模型在测试集上达到96.5%的mAP@0.5准确率。该系统为海事监管、港口调度等场景提供了一体化解决方案，兼顾精度与效率。
阅读全文
本文实现了一套基于YOLO系列模型的船舶检测系统，集成YOLOv5/v8/v11/v12等多个版本，支持图片、视频、摄像头实时检测等多种模式。系统采用PyQt5构建桌面应用，具备用户管理、多模型切换、参数调节等功能。测试显示YOLO12n模型精度最高（mAP40.6%），YOLO11n速度最快（56.1ms）。训练数据集包含8700多张图片，模型在测试集上达到96.5%的mAP@0.5准确率。该系统为海事监管、港口调度等场景提供了一体化解决方案，兼顾精度与效率。
阅读全文
摘要：
本文介绍了一套基于YOLO系列算法的苹果病害智能检测系统，实现了对叶枯病、锈病等多种病害的自动化识别。系统包含交互式GUI界面、模型训练框架和命令行工具，支持图片、视频及实时检测。技术栈采用Python3.10+PyQt5+SQLite，集成YOLOv5/v8/v11/v12等模型。实验表明，YOLO12n模型精度最高（mAP40.6%），YOLO11n速度最优（56.1ms）。在12000张图片的数据集上，系统达到99.5%的mAP@0.5准确率，为智慧农业提供了高效解决方案。
阅读全文
本文介绍了一套基于YOLO系列算法的苹果病害智能检测系统，实现了对叶枯病、锈病等多种病害的自动化识别。系统包含交互式GUI界面、模型训练框架和命令行工具，支持图片、视频及实时检测。技术栈采用Python3.10+PyQt5+SQLite，集成YOLOv5/v8/v11/v12等模型。实验表明，YOLO12n模型精度最高（mAP40.6%），YOLO11n速度最优（56.1ms）。在12000张图片的数据集上，系统达到99.5%的mAP@0.5准确率，为智慧农业提供了高效解决方案。
阅读全文
摘要：
本文介绍了一个基于YOLO系列算法的鸟类识别系统，支持35种鸟类的实时检测。系统采用Python3.10开发，前端界面使用PyQt5，数据库为SQLite。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)。系统功能包括多模态检测(图片/视频/摄像头)、模型切换、用户管理等，在4000张图片的数据集上训练后，mAP@0.5达到99.5%。该技术为生态监测和科普教育提供了高效工具。
阅读全文
本文介绍了一个基于YOLO系列算法的鸟类识别系统，支持35种鸟类的实时检测。系统采用Python3.10开发，前端界面使用PyQt5，数据库为SQLite。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)。系统功能包括多模态检测(图片/视频/摄像头)、模型切换、用户管理等，在4000张图片的数据集上训练后，mAP@0.5达到99.5%。该技术为生态监测和科普教育提供了高效工具。
阅读全文
摘要：
本文介绍了一套基于YOLO深度学习算法的水稻虫害智能检测系统。该系统支持多版本模型(YOLOv5/8/11/12)，可实现图片、视频及实时摄像头的虫害检测，检测精度高达96%以上。系统采用PyQt5界面，具备用户管理、多模型切换、批量处理等功能，并提供模型训练模块支持自定义训练。性能测试显示，YOLO12n模型mAP达40.6%，YOLO11n推理速度最快(56.1ms)。该系统为水稻虫害识别提供了高效精准的AI解决方案，适用于田间实时监测与批量数据处理场景。
阅读全文
本文介绍了一套基于YOLO深度学习算法的水稻虫害智能检测系统。该系统支持多版本模型(YOLOv5/8/11/12)，可实现图片、视频及实时摄像头的虫害检测，检测精度高达96%以上。系统采用PyQt5界面，具备用户管理、多模型切换、批量处理等功能，并提供模型训练模块支持自定义训练。性能测试显示，YOLO12n模型mAP达40.6%，YOLO11n推理速度最快(56.1ms)。该系统为水稻虫害识别提供了高效精准的AI解决方案，适用于田间实时监测与批量数据处理场景。
阅读全文
摘要：
本文介绍了一个基于YOLO算法的西红柿成熟度智能检测系统，该系统支持YOLOv5/v8/v11/v12等多种模型，可实时识别绿熟期、转色期和成熟期的西红柿。系统采用PyQt5开发界面，支持图片、视频及摄像头输入，具备多模型切换、批量处理和模型训练功能。技术分析显示，YOLO12n模型在测试中达到最高mAP40.6%，整体识别精度达85.8%。该系统为智慧农业提供了高效的作物成熟度检测解决方案，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算法的西红柿成熟度智能检测系统，该系统支持YOLOv5/v8/v11/v12等多种模型，可实时识别绿熟期、转色期和成熟期的西红柿。系统采用PyQt5开发界面，支持图片、视频及摄像头输入，具备多模型切换、批量处理和模型训练功能。技术分析显示，YOLO12n模型在测试中达到最高mAP40.6%，整体识别精度达85.8%。该系统为智慧农业提供了高效的作物成熟度检测解决方案，源码可通过指定链接获取。
阅读全文
摘要：
本文介绍了一套基于YOLO算法的面部口罩检测系统，该系统针对传统检测方法效率低、精度不足等问题，整合了YOLOv5/v8/v11/v12多版本模型，支持图片、视频及实时摄像头检测。系统采用模块化设计，包含用户管理、参数调节、模型训练等功能，通过可视化界面降低使用门槛。实验数据显示，YOLO12n模型mAP达40.6%，识别准确率超90%，在6500+张训练集上取得良好效果。该系统实现了"检测-管理-训练"闭环，为疫情防控提供了高效的技术支持。
阅读全文
本文介绍了一套基于YOLO算法的面部口罩检测系统，该系统针对传统检测方法效率低、精度不足等问题，整合了YOLOv5/v8/v11/v12多版本模型，支持图片、视频及实时摄像头检测。系统采用模块化设计，包含用户管理、参数调节、模型训练等功能，通过可视化界面降低使用门槛。实验数据显示，YOLO12n模型mAP达40.6%，识别准确率超90%，在6500+张训练集上取得良好效果。该系统实现了"检测-管理-训练"闭环，为疫情防控提供了高效的技术支持。
阅读全文
摘要：
本文介绍了一款基于YOLO系列算法的火焰检测系统，旨在解决传统检测方法效率低、现有系统操作复杂等问题。系统集成YOLOv5/v8/v11/v12多版本模型，支持图片、视频及实时摄像头检测，提供可视化交互界面和参数调节功能。通过实验对比，YOLO12n精度最高（mAP40.6%），YOLO11n速度最优（56.1ms）。系统采用Python3.10开发，前端使用PyQt5，数据库为SQLite，实现了"检测-管理-训练"闭环，有效降低了技术门槛，提升了火焰检测的实用性和扩展性。
阅读全文
本文介绍了一款基于YOLO系列算法的火焰检测系统，旨在解决传统检测方法效率低、现有系统操作复杂等问题。系统集成YOLOv5/v8/v11/v12多版本模型，支持图片、视频及实时摄像头检测，提供可视化交互界面和参数调节功能。通过实验对比，YOLO12n精度最高（mAP40.6%），YOLO11n速度最优（56.1ms）。系统采用Python3.10开发，前端使用PyQt5，数据库为SQLite，实现了"检测-管理-训练"闭环，有效降低了技术门槛，提升了火焰检测的实用性和扩展性。
阅读全文
摘要：
本文介绍了一套基于YOLO系列算法的PCB缺陷智能检测系统。系统支持多模态检测（图像/视频/实时画面），能准确识别漏孔、短路等常见PCB缺陷，识别精准度高达98%-100%。通过对比YOLOv5/v8/v11/v12等模型，YOLO12n在精度(mAP40.6%)和效率上表现最优。系统采用Python+PyQt5开发，提供用户管理、模型切换等功能，有效解决了传统人工检测效率低、易漏检的问题，为PCB质检提供了智能化解决方案。
阅读全文
本文介绍了一套基于YOLO系列算法的PCB缺陷智能检测系统。系统支持多模态检测（图像/视频/实时画面），能准确识别漏孔、短路等常见PCB缺陷，识别精准度高达98%-100%。通过对比YOLOv5/v8/v11/v12等模型，YOLO12n在精度(mAP40.6%)和效率上表现最优。系统采用Python+PyQt5开发，提供用户管理、模型切换等功能，有效解决了传统人工检测效率低、易漏检的问题，为PCB质检提供了智能化解决方案。
阅读全文
摘要：
本文介绍了一套基于YOLO系列算法的智能安全帽检测系统。系统采用YOLOv5/v8/v11/v12等多种模型，支持图片、视频和实时摄像头的安全帽检测，具备用户管理、多模型切换等功能。通过对比实验显示，YOLO12n模型表现最优（mAP40.6%），YOLO11n速度最快（56.1ms）。系统训练数据集包含7000余张图片，最终实现安全帽识别准确率达90-93%，综合mAP@0.5达到94.6%。该系统为工业生产安全监管提供了高效可靠的智能化解决方案。
阅读全文
本文介绍了一套基于YOLO系列算法的智能安全帽检测系统。系统采用YOLOv5/v8/v11/v12等多种模型，支持图片、视频和实时摄像头的安全帽检测，具备用户管理、多模型切换等功能。通过对比实验显示，YOLO12n模型表现最优（mAP40.6%），YOLO11n速度最快（56.1ms）。系统训练数据集包含7000余张图片，最终实现安全帽识别准确率达90-93%，综合mAP@0.5达到94.6%。该系统为工业生产安全监管提供了高效可靠的智能化解决方案。
阅读全文
浙公网安备 33010602011771号