codingtea

摘要： 本文介绍了一款基于YOLO算法的考试作弊检测系统，该系统采用多模态检测方式，支持图片、视频和实时摄像头画面分析。系统内置YOLOv5/V8/V11/V12多版本模型，具备用户管理、检测结果保存、历史记录追溯等功能。技术栈采用Python+Django+Bootstrap，模型训练结果显示YOLO12n精度最高(mAP40.6%)，YOLO11n速度最优(56.1ms)。该系统为考场监考提供了一站式解决方案，有效解决了人工监考的局限性。 阅读全文

摘要： 本文介绍了一套基于YOLO算法的鸡数量统计系统，专为农业养殖场景设计。系统支持图片、视频及实时摄像头画面的多模态检测，具备用户管理、结果保存和模型切换功能。技术栈采用Python3.10+PyQt5+SQLite，对比了YOLOv5/v8/v11/v12等模型性能，其中YOLO12n以40.6%的mAP值表现最优。训练结果显示鸡识别率达89%，F1值0.84，[email protected]值88.8%。该系统可有效解决传统人工计数效率低、易出错的问题，适用于现代化养殖管理需求。 阅读全文

摘要： 本文介绍了一款基于YOLO算法的无人机视角检测系统，该系统可应用于巡检安防、农林监测等领域。系统功能包括多模态检测（图片/视频/实时画面）、检测结果保存、多模型切换、历史记录管理等，并支持管理员进行用户和识别历史管理。技术栈采用Python3.10、Django框架和SQLite数据库，集成YOLOv5/v8/v11/v12多种模型。测试结果显示YOLO12n模型精度最高（mAP40.6%），YOLO11n速度最优（56.1ms）。系统提供源码获取方式，适用于无人机巡检检测需求。 阅读全文

摘要： 摘要：本文介绍了基于YOLO算法的夜间红外小目标检测系统。系统支持图片、视频及实时检测，具备多模型切换(YOLOv5/v8/v11/v12)和结果保存功能。技术分析显示YOLO12n模型精度最高(mAP40.6%)，YOLO11n速度最优(56.1ms)。系统采用Python3.10+PyQt5+SQLite技术栈，训练数据集包含4类目标(鸟类/无人机/直升机/飞机)。完整源码可通过指定视频链接获取。 阅读全文

摘要： 本文介绍了一个基于YOLO算法的火焰烟雾检测系统，该系统集成了YOLOv5/V8/V11/V12多版本模型，支持图片、视频、摄像头实时检测等多种模式。系统具备用户管理、检测结果保存、模型切换等功能，并提供了详细的技术栈说明和模型性能对比。演示视频展示了系统界面和核心功能，包括登录、检测展示、历史记录管理等。文章还分析了各YOLO模型的性能差异，推荐YOLO12n和YOLO11n分别作为高精度和高速场景的首选方案。 阅读全文

摘要： 《基于YOLO算法的番茄叶子病害检测系统》是一套智能化农业解决方案，支持14种番茄病害检测。系统采用YOLOv5/v8/v11/v12多模型架构，具备图片/视频/实时摄像头多模态检测功能，包含用户管理、结果保存与可视化等模块。技术分析显示YOLO12n模型精度最高（mAP40.6%），YOLO11n速度最优（56.1ms）。系统通过2400+张样本训练，实现F1值0.41和[email protected]值37.2%的识别效果，为精准农业提供高效病害识别工具。 阅读全文

摘要： 本视频演示了一款基于YOLO算法的西红柿成熟度检测系统，该系统支持多版本模型(YOLOv5/v8/v11/v12)自由切换，具备图片/视频/摄像头实时检测功能，并包含置信度调节、数据导出、历史追溯等实用模块。系统采用Python+Django+Bootstrap技术栈，支持用户端和管理员端权限管理。测试结果显示，YOLO12n模型表现最优(mAP40.6%)，YOLO11n速度最快(56.1ms)。该系统为果蔬分拣提供了一站式解决方案，可有效提升检测效率和准确性。 阅读全文

摘要： 本文介绍了一套基于YOLO算法的猪只识别系统，该系统能够精准识别猪只位置并判断其姿态（坐姿/站姿）。系统采用Python3.10开发，前端界面为PyQt5，支持图片、视频及实时摄像头检测，具备多模型切换、结果保存与导出等功能。通过对比测试YOLOv5/v8/v11/v12模型，发现YOLO12n精度最高（mAP40.6%），YOLO11n速度最优（56.1ms）。系统已实现99.5%的高准确率，可满足养殖场智能巡检和科研分析需求。源码获取详见视频链接。 阅读全文

摘要： 本文介绍了一个基于YOLO算法的钢材表面缺陷检测系统。该系统支持多版本YOLO模型切换（v5/v8/v11/v12），提供图片/视频/摄像头等多种检测方式，并具有检测结果保存、历史记录查询等功能。系统采用Python+Django+Bootstrap技术栈，包含用户和管理员双权限体系。模型对比显示YOLO12n精度最高（mAP40.6%），YOLO11n速度最优（56.1ms）。训练结果表明系统在钢材缺陷检测任务中表现良好（[email protected]达77%）。该项目为钢材质量检测提供了高效实用的解决方案。 阅读全文

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[email protected]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