- 博客(15)
- 收藏
- 关注
RSS订阅原创 【大作业-12】草莓成熟度检测模型，YOLO+PyQt+MySQL
本文介绍了一个基于YOLO系列模型的草莓成熟度检测系统，结合PyQt界面和MySQL数据库实现。系统对比测试了YOLOv5s、YOLOv8s、YOLO11s、YOLO12s和RT-DETR五种模型，其中RT-DETR表现最优但速度较慢，YOLOv8s在精度和速度上取得平衡。系统功能包括用户登录注册、图片/视频/摄像头流检测，支持调整置信度等参数。文章详细说明了数据集配置、Python环境搭建和MySQL数据库设置方法，相关资源可通过B站获取。项目为草莓成熟度检测提供了实用的解决方案。
2025-08-05 15:35:01
660
原创 【大作业-11】PCB缺陷检测模型，YOLO+PyQt+MySQL
本文介绍了一个基于YOLO系列模型的PCB缺陷检测系统，整合了PyQt界面和MySQL数据库。通过对YOLOv5s、YOLOv8s、YOLO11s、YOLO12s和RT-DETR五个模型的对比实验，发现RT-DETR在mAP指标上表现最优（0.951），但YOLOv8s在精度与速度平衡性上更佳。系统提供登录注册、图片/视频/摄像头检测功能，采用6类PCB缺陷数据集，要求配置Python深度学习环境和MySQL数据库。项目资源可通过B站获取，包含完整的代码、数据集和配置说明。
2025-08-01 18:24:47
1071
原创 【大作业-1】行人目标检测模型，YOLO+PyQt+MySQL
本文介绍了一个基于YOLO系列模型的行人目标检测系统，结合PyQt5界面和MySQL数据库开发。系统通过对比实验(YOLOv5s/v8s/v11s)选择最优模型，并在表现最佳的YOLOv8s基础上加入SE注意力机制和改进损失函数(WIOU)。项目包含登录注册、图片/视频/摄像头检测功能模块，提供完整的运行环境配置指南(数据集、Python依赖、MySQL数据库)。实验结果显示优化后的YOLOv8s+WIOU+SE模型达到最佳性能(mAP:0.781)。所有资源可通过B站链接获取，包含训练代码、界面设计和数据
2025-07-26 00:07:17
728
原创 【大作业-10】口罩识别检测模型，YOLO+PyQt+MySQL
本文介绍了基于YOLO系列模型的口罩检测系统，采用YOLOv5s/YOLOv8s/YOLO11s/YOLO12s四种模型进行对比实验，其中YOLO11s表现最优（mAP0.949）。系统通过PyQt实现可视化界面，包含登录注册（MySQL数据库支持）、图片/视频/摄像头检测等功能模块，支持置信度调节和结果保存。项目提供完整代码及数据集资源，需配置Python深度学习环境（PyTorch等）和MySQL数据库。详细教程和资源可通过B站视频获取。
2025-07-24 18:59:18
727
原创 【大作业-2】车辆目标检测，YOLO+PyQt+MySQL
本文介绍了一个基于YOLO系列的车辆目标检测系统，整合了PyQt界面和MySQL数据库。通过对YOLOv5s、v8s、v11s和v12s四个模型进行对比实验，最终选择性能最优的YOLO12s模型进行改进，增加了SE注意力机制和WIOU损失函数优化。系统提供用户登录注册、图片/视频/摄像头流检测功能，包含五次模型选择、参数设置和结果保存选项。文中详细展示了实验数据、界面设计、训练结果及资源获取方式，并说明了数据集来源和环境配置要求。项目完整代码和资料可通过B站获取。
2025-07-22 22:35:35
545
原创 【大作业-9】安全帽目标检测，YOLO+PyQt+MySQL
本文介绍了一个基于YOLO系列模型的安全帽目标检测系统，整合了PyQt界面和MySQL数据库。系统实现了登录注册、图片/视频/摄像头检测功能，并对比测试了YOLOv5s、v8s、11s、12s四个模型，最终在YOLO12s基础上加入SE注意力机制和WIOU损失函数进行优化。项目包含完整的训练结果展示、环境配置指南和数据库设置说明，所有资源可通过B站获取。该系统将深度学习模型与可视化界面结合，为安全帽检测提供了完整的解决方案。
2025-07-21 14:53:40
609
原创 【大作业-3】行人追踪计数检测模型，YOLO+PyQt+MySQL+DeepSORT
本文介绍了一个基于YOLO系列模型的行人追踪计数检测系统，整合了PyQt界面、MySQL数据库和DeepSORT追踪技术。通过对比YOLOv5s、v8s和v11s模型，选定性能最优的YOLOv8s进行改进，加入SE注意力机制和WIOU损失函数，使mAP提升至0.781。系统实现了登录注册、图片/视频/摄像头检测功能，利用DeepSORT实现行人进出计数。项目使用WiderPerson数据集，需配置PyTorch等深度学习环境和MySQL数据库。完整代码和资源可通过B站视频链接获取。
2025-07-20 17:22:42
562
原创 【大作业-4】抽烟目标检测，YOLO+PyQt+MySQL
本文介绍了一个基于YOLO11+PyQt+MySQL的抽烟目标检测系统。通过对比YOLOv5s、YOLOv8s、YOLO11s和YOLO12s四个模型的实验数据，结果显示YOLO11s性能最优。在此基础上，通过加入SE注意力机制和修改损失函数，进一步提升了模型表现(mAP提升至0.828)。系统采用PyQt开发了包含登录注册功能的交互界面，并集成MySQL数据库管理用户信息。论文详细展示了项目的数据集、环境配置、训练结果和操作流程，相关资源可通过B站获取。该项目实现了图片、视频、摄像头等多种场景下的抽烟行为
2025-07-19 12:43:56
920
原创 【大作业-5】火灾目标检测，YOLO+PyQt+MySQL
本文介绍了一个基于YOLO+PyQt+MySQL的火灾目标检测系统。系统包含登录注册界面、多种检测功能（图片/视频/摄像头流），并通过四次对比实验（YOLOv5s/v8s/v11s/v12s）确定最优模型。在表现最佳的YOLO11s基础上，进一步优化加入SE注意力机制和WIOU损失函数改进。项目展示了完整的训练结果、检测界面设计，并详细说明了环境配置要求（Python深度学习环境、MySQL数据库安装）和数据集来源。相关资源可通过B站视频获取。
2025-07-18 16:28:30
1053
原创 【大作业-6】钢材表面缺陷检测，YOLO+PyQt+MySQL
本文介绍了一个基于YOLO系列模型、PyQt和MySQL的钢材表面缺陷检测系统。项目通过对比YOLOv5s、v8s、11s、12s四个模型的性能（PR、mAP等指标），确定YOLO11s表现最佳。系统包含PyQt设计的登录/检测界面，支持图片/视频/摄像头检测，使用MySQL存储用户数据。文章详细说明了数据集来源（NEU-DET钢材数据集）、Python环境配置（PyTorch等依赖）和MySQL数据库设置方法，并提供了相关资源获取途径。该项目实现了从模型训练到应用部署的完整流程。
2025-07-16 17:15:46
960
原创 【大作业-8】交通标识检测模型，YOLO+PyQt+MySQL
摘要：本文介绍了一个基于YOLO系列模型的交通标志检测系统，结合PyQt界面和MySQL数据库。系统实现了登录注册、图片/视频/摄像头检测功能，并对YOLOv5s、v8s、11s、12s四个模型进行了对比实验，结果显示YOLOv8s表现最优（mAP50-95达0.788）。项目包含完整的检测界面设计、训练结果展示（F1曲线、PR曲线等）和数据库配置说明。需要安装PyTorch、MySQL等环境，数据集采用CCTSDB交通标识数据集。详细资源和代码可通过B站视频获取。
2025-07-15 00:12:59
842
原创 【大作业-7】手势识别检测模型，YOLO+PyQt+MySQL
手势识别检测模型，YOLO+PyQt+MySQL，四次对比实验、PyQt与MySQL结合的登陆界面，PyQt与YOLO结合的检测界面，可推理图像、视频和摄像头。
2025-07-13 18:50:25
1119
原创 安装深度学习PyTorch的教程
本文介绍了深度学习PyTorch环境搭建的基础环境配置方法。主要内容包括：1）Anaconda下载安装指南，区分不同操作系统(Windows/Linux/MacOS)和处理器架构的安装包选择；2）配置清华镜像源加速下载，详细说明.condarc文件设置方法；3）常用conda命令操作，如创建虚拟环境(python=3.8)、激活环境、安装特定版本的PyTorch和Torchvision，并针对有无NVIDIA显卡提供不同安装指令，通过本指南可快速搭建PyTorch开发环境。
2025-06-09 21:42:18
963
原创 yolo系列模型数据集处理过程
YOLO系列目标检测模型在实验中常缺乏规范的测试集划分，许多实验数据仅基于验证集。为此，本文提供了两个关键代码：首先，将XML格式的标注文件转换为YOLO所需的TXT格式；其次，将图像和TXT文件按比例划分为训练集、验证集和测试集。代码中需自定义类名、文件路径和数据集比例。此外，还介绍了数据集YAML文件的配置方法及训练和验证命令，确保实验的规范性和结果的准确性。
2025-05-22 22:43:53
460
原创 Anaconda下载和使用教程 | conda配置、命令 | pip配置、命令
是一个用于python/R科学计算和机器学习的开源工具，支持 Linux, macOS, Windows, 包含了conda等众多工具包及其依赖项，提供了包管理与环境管理的功能，可以很方便地： Jupyter 是一个交互式的计算环境，支持多种编程语言，但在 Anaconda 中主要用于 Python。它允许用户创建和共享包含实时代码、方程式、可视化和叙述文本的文档。：使用便捷，管理方便，电脑有条理，分割环境，
2025-05-21 17:41:40
837
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人