codingtea

摘要： 本文介绍了一套基于YOLO算法的风力涡轮机智能检测系统。该系统支持多模态检测（图片/视频/实时画面），具备用户管理、多模型切换、检测结果保存等功能。通过对比YOLOv5/YOLOv8/YOLOv11/YOLOv12模型性能，发现YOLO12n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12000+张图片，最终实现95.8%的检测准确率。完整源码可通过指定链接获取。 阅读全文

摘要： 本项目开发了一套基于YOLO算法的纺织品缺陷检测系统，支持多版本模型(YOLOv5/v8/v11/v12)加载，提供图片/视频/摄像头实时检测功能。系统采用Python+Django+Bootstrap技术栈，具有用户管理、多模态检测、结果保存、模型切换等完整功能模块。测试显示YOLO12n模型精度最高(mAP40.6%)，YOLO11n速度最优(56.1ms)。项目包含完整的模型训练脚本，支持一键批量训练不同YOLO模型，可有效解决纺织品人工检测效率低、主观性强的问题。 阅读全文

摘要： 本文介绍了一套基于YOLO算法的风力涡轮机智能检测系统。系统支持图片、视频及实时摄像头检测，具有用户登录、多模型切换、检测结果保存等功能。技术栈采用Python3.10+PyQt5+SQLite，整合了YOLOv5/v8/v11/v12模型。经测试，YOLO12n模型表现最优（mAP40.6%），YOLO11n速度最快（56.1ms）。系统训练数据2400+张，涡轮机识别率达94%，F1值0.88，[email protected]达93.6%，实现了高效精准的风力涡轮机自动检测。 阅读全文

摘要： 本项目展示了一个基于YOLO算法的路面裂缝检测系统，集成了多版本YOLO模型（v5/v8/v11/v12），支持图片/视频/摄像头实时检测。系统采用Bootstrap+Django开发，具有用户管理、多模态检测、结果保存与导出等功能。通过模型对比测试，YOLO12n在精度上表现最佳（mAP40.6%），而YOLO11n在速度上最优（CPU推理56.1ms）。系统支持模型训练与切换，可满足不同道路检测需求，为道路养护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算法的航拍羊群数量统计系统，包含用户登录、多模态检测、模型切换等功能。系统支持图片、视频和实时摄像头检测，可保存结果并导出数据。通过对比YOLOv5/YOLOv8/YOLOv11/YOLOv12模型性能，发现YOLO12n精度最高（mAP40.6%），YOLO11n速度最优（56.1ms）。系统采用Python3.10+PyQt5+SQLite技术栈，在3900+张羊群图片数据集上训练，取得97%的识别率，F1值0.96，[email protected]达97.6%，为智慧畜牧提供高效解决方案。 阅读全文

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