codingtea

摘要： 本文介绍了一套基于YOLO算法的X光骨折检测系统，旨在解决传统人工阅片效率低、一致性差的问题。系统支持图片、视频及实时摄像头检测，提供可视化交互界面、批量处理、结果导出等功能。通过对比YOLOv5/v8/v11/v12等模型，发现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，训练数据集包含22,000张X光影像，实验结果显示[email protected]达97.0%，F1值0.95，具备良好的临床应用价值。 阅读全文

摘要： 本文介绍了一种基于YOLO系列深度学习算法的水下垃圾检测系统。该系统可识别多种水下垃圾，支持图片、视频及实时摄像头检测，具有可视化界面、多模型切换、结果导出等功能。通过对比YOLOv5/YOLOv8/YOLOv11/YOLOv12等模型性能，显示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，训练结果显示[email protected]达84%，F1值0.81，具有较高检测精度。该系统为海洋环境保护和水下作业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算法的水面垃圾检测系统，该系统具备垃圾识别分类、多模态检测和模型训练功能。系统采用PyQt5开发界面，支持图片/视频/实时摄像头检测，检测结果可标注保存。内置YOLOv5/v8/v11/v12模型对比显示，YOLO12n精度最高(mAP40.6%)，YOLO11n速度最优(56.1ms)。系统提供完整的训练脚本，支持数据路径自动修正和批量模型训练，在2500张图片的数据集上达到95.7%的[email protected]准确率。该系统适用于水面清洁监测及相关计算机视觉项目。 阅读全文

摘要： 本文介绍了一套基于YOLO深度学习算法的学生上课行为检测系统。该系统能自动识别低头、使用手机、举手等12种课堂行为，支持图片、视频和实时摄像头检测，检测结果可标注保存并导出Excel报表。系统采用PyQt5开发界面，支持多模型切换，包含用户管理和模型训练功能。实验对比显示，YOLO12n模型在3700张训练集上达到74.7%的[email protected]准确率，优于其他版本。该系统将传统课堂观察转化为量化分析，为智慧教育提供智能化解决方案。 阅读全文

摘要： 摘要：本文介绍了一个基于YOLO算法的智能安检危险品检测系统。该系统采用三栏式界面设计，支持图片、视频及实时摄像头检测，可识别枪支、刀具等危险品，检测结果可标注保存并导出Excel。系统内置YOLOv5/v8/v11/v12多种模型，其中YOLO12n精度最高(mAP40.6%)，YOLO11n速度最快(56.1ms)。通过7000张训练数据，系统在IoU阈值为0.5时达到90.6%的mAP准确率。项目采用Python3.10+PyQt5技术栈，提供完整的训练脚本和用户管理功能，实现安检流程的智能化升级。 阅读全文

摘要： 本文介绍了一个基于YOLO算法的水下海洋生物识别系统，该系统具有以下特点：1）采用三栏式交互界面，支持图片、视频、摄像头等多种检测模式；2）具备多模型切换功能，内置YOLOv5/v8/v11/v12等模型，其中YOLO12n精度最高（mAP40.6%），YOLO11n速度最快（56.1ms）；3）提供完整的数据处理流程，包括1700张图片的数据集、训练可视化及结果导出功能；4）集成用户管理系统，支持注册登录、信息修改等操作。系统通过Python3.10+PyQt5+SQLite技术栈实现，可满足水下生物识别的多样化需求。 阅读全文

摘要： 本文介绍了一套基于YOLO算法的草莓健康度智能检测系统。该系统采用三栏式界面设计，支持图片、视频和实时摄像头检测，能自动识别10种草莓病害状态并生成可视化报告。系统内置YOLOv5/v8/v11/v12多模型切换功能，其中YOLO12n以40.6%mAP表现最优，YOLO11n则以56.1ms推理速度最适合实时检测。配套的训练脚本支持批量训练和模型优化，在6000张标注数据上取得了93.1%的[email protected]准确率。该系统实现了从人工检测到智能化、可追溯的农业品质管控转型。 阅读全文

摘要： 摘要：本文介绍了一个基于YOLO算法的螺栓螺母智能检测系统，可精准识别图片和视频中的零件细节。系统采用三栏式界面设计，支持多模态检测、模型切换和个人信息管理。核心代码展示了YOLO模型的批量训练流程，可自动处理数据集路径并支持多种预训练模型。技术对比显示YOLO12n模型在精度和效率上表现最优。该系统通过可视化操作和脚本化检测两种方式，实现了工业质检场景的高效自动化，准确率达97.3%。 阅读全文

摘要： 本文介绍了一个基于YOLO算法的非机动车头盔检测系统，通过深度学习技术实现骑行安全监测。系统采用PyQt5前端界面和SQLite数据库，支持图片、视频及实时摄像头的多模态检测，具备模型切换、参数调节和结果统计功能。核心代码展示了YOLO模型批量训练工具，支持自动路径修正和多模型训练对比。实验数据显示，YOLO12n模型在[email protected]达到95.2%，综合F1值0.92，显著优于其他版本。该系统实现了从检测到模型训练的全流程解决方案，为城市骑行安全提供了有效的技术保障。 阅读全文

摘要： 本文介绍了一种基于YOLO系列深度学习算法的水果品质检测系统。该系统可自动识别多种水果（如草莓、香蕉等）及其变质程度（优质、轻微变质、腐烂），使用超过21,000张图片的数据集训练，在YOLOv5、v8、v11和v12等多个模型版本中实现高精度检测。系统采用三栏式用户界面，支持图片、视频、摄像头等多种检测方式，并具备模型切换、参数调整等功能。性能测试显示YOLO12n模型达到最佳检测精度（mAP40.6%），而YOLO11n在速度上表现最优（CPU推理56.1ms）。该系统有效解决了传统人工检测效率低、主观性强的问题，适用于农业和食品安全领域。 阅读全文