codingtea

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，[email protected]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

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

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

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

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

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[email protected]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

摘要： 本文介绍了一种基于YOLO系列深度学习模型的路面坑洞检测系统。该系统采用YOLOv5/v8/v11等模型，结合PyQt5界面开发，支持图片/视频/摄像头多模态检测。系统包含用户登录、模型切换等功能模块，技术栈涵盖Python3.10、SQLite等。通过对比测试，YOLO12n模型以40.6%的mAP表现最优，YOLO11n则在实时性上领先(56.1ms)。该方案有效解决了传统人工检测效率低的问题，为道路养护提供了智能化解决方案。 阅读全文

摘要： 构建了一个支持中英文和图像检索的自定义系统。通过PyQt5开发GUI界面，集成KimiAI实现中文翻译，解决了原生框架中文支持差、界面固定等问题。系统核心功能包括：1）中文文本检索（自动翻译为英文）；2）以图搜图（基于语义相似度）；3）实时显示相似度最高的8张图像。演示显示系统检索速度快，文本检索耗时主要在翻译环节。视频提供了完整的代码实现方案，包括Kimi翻译API集成和PyQt5界面开发，最终实现了 阅读全文

摘要： 本文介绍了一个基于Zero-DCE深度学习模型的图像增强系统，能够自动优化曝光不足的暗淡图片。该系统采用PyQt5构建GUI界面，集成了预训练模型，支持快速图像增强处理（仅需几秒）。文章详细展示了系统原理、效果演示（包括夜景、街景等场景增强对比）、代码实现（含图像加载、模型推理、结果显示和保存功能）以及二次训练方法。该系统无需成对训练数据，通过增强曲线实现零参考学习，支持使用自定义数据集进行模型优化。完整代码和打包文件可通过作者获取。 阅读全文