摘要:
本文介绍了一个基于YOLO算法的禽蛋缺陷检测系统。该系统通过深度学习技术实现鸡蛋破损、裂纹等缺陷的自动化检测,支持图片、视频及实时摄像头输入的多模态检测。系统采用PyQt5开发界面,包含用户登录、模型切换、结果保存等功能模块,并对比分析了YOLOv5/YOLOv8/YOLOv11/YOLOv12等模型的性能差异。实验结果显示,YOLO12n模型在测试集上达到94.4%的mAP@0.5准确率。该系统可有效提升禽蛋分拣效率,适用于养殖、加工等场景的质量检测需求。 阅读全文
本文介绍了一个基于YOLO算法的禽蛋缺陷检测系统。该系统通过深度学习技术实现鸡蛋破损、裂纹等缺陷的自动化检测,支持图片、视频及实时摄像头输入的多模态检测。系统采用PyQt5开发界面,包含用户登录、模型切换、结果保存等功能模块,并对比分析了YOLOv5/YOLOv8/YOLOv11/YOLOv12等模型的性能差异。实验结果显示,YOLO12n模型在测试集上达到94.4%的mAP@0.5准确率。该系统可有效提升禽蛋分拣效率,适用于养殖、加工等场景的质量检测需求。 阅读全文
posted @ 2026-03-05 17:07
Coding茶水间
阅读(35)
评论(0)
推荐(0)

浙公网安备 33010602011771号