codingtea

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

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

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

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