- 博客(63)
- 收藏
- 关注
RSS订阅原创 基于yolov10的井盖缺失破损检测系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】
基于yolov10的井盖缺失破损检测系统是在 PyTorch 框架之下得以实现的。这是一个完备的项目，涵盖了诸多方面，其中包括代数据集，模型，模型训练记录，GUI 界面以及各类重要的模型指标（如准确率、精确率、召回率等等）。该系统的 UI 界面是通过 tkinter 设计并成功实现的。该项目可在windows、linux(ubuntu，centos)、mac系统下运行，可外接usb摄像头或直接用笔记本摄像头实现摄像实时检测。该项目可在pycharm和anaconda搭建的虚拟环境执行，
2025-05-04 11:00:00
648
原创 基于yolov10的金属表面缺陷检测系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】
基于yolov10的金属表面缺陷检测系统是在 PyTorch 框架之下得以实现的。这是一个完备的项目，涵盖了诸多方面，其中包括代数据集，模型，模型训练记录，GUI 界面以及各类重要的模型指标（如准确率、精确率、召回率等等）。该系统的 UI 界面是通过 tkinter 设计并成功实现的。该项目可在windows、linux(ubuntu，centos)、mac系统下运行，可外接usb摄像头或直接用笔记本摄像头实现摄像实时检测。该项目可在pycharm和anaconda搭建的虚拟环境执行，
2025-05-03 15:16:36
513
原创 基于yolov8的人类动作行为检测识别系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】
基于yolov8的人类动作行为检测识别系统是在 PyTorch 框架之下得以实现的。这是一个完备的项目，涵盖了诸多方面，其中包括代码部分，精心整理的数据集，训练完备的模型权重，详实的模型训练记录，直观友好的 UI 界面以及各类重要的模型指标（如准确率、精确率、召回率等等）。该系统的 UI 界面是通过 tkinter 设计并成功实现的。该项目可在windows、linux(ubuntu，centos)、mac系统下运行，可外接usb摄像头或直接用笔记本摄像头实现摄像实时检测。
2025-05-01 11:00:00
1088
原创 基于yolov8的黑葡萄成熟度检测识别系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】
基于yolov8的黑葡萄成熟度检测识别系统是在 PyTorch 框架之下得以实现的。这是一个完备的项目，涵盖了诸多方面，其中包括代码部分，精心整理的数据集，训练完备的模型权重，详实的模型训练记录，直观友好的 UI 界面以及各类重要的模型指标（如准确率、精确率、召回率等等）。该系统的 UI 界面是通过 tkinter 设计并成功实现的。该项目可在windows、linux(ubuntu，centos)、mac系统下运行，可外接usb摄像头或直接用笔记本摄像头实现摄像实时检测。
2025-04-30 09:45:00
1700
原创 基于yolov10的蓝莓成熟度检测系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】
基于yolov10的蓝莓成熟度检测系统是在 PyTorch 框架之下得以实现的。这是一个完备的项目，涵盖了诸多方面，其中包括代数据集，模型，模型训练记录，GUI 界面以及各类重要的模型指标（如准确率、精确率、召回率等等）。该系统的 UI 界面是通过 tkinter 设计并成功实现的。该项目可在windows、linux(ubuntu，centos)、mac系统下运行，可外接usb摄像头或直接用笔记本摄像头实现摄像实时检测。该项目可在pycharm和anaconda搭建的虚拟环境执行，
2025-04-29 14:30:00
504
原创 基于卷积神经网络的蔬菜水果识别系统，resnet50，mobilenet模型【pytorch框架+python源码】
基于卷积神经网络的蔬菜水果识别系统是在pytorch框架下实现的，这是一个完整的项目，包括代码，数据集，训练好的模型权重，模型训练记录，ui界面和各种模型指标图表等。该项目有两个可选模型：resnet50和mobilenet，两个模型都在项目中；GUI界面由tkinter设计和实现。此项目可在windowns、linux(ubuntu, centos)、mac系统下运行。该项目是在pycharm和anaconda搭建的虚拟环境执行，
2025-04-28 14:30:00
1982
3
原创 基于yolov10的鲜茶叶分级系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】
基于yolov10的鲜茶叶分级系统是在 PyTorch 框架之下得以实现的。这是一个完备的项目，涵盖了诸多方面，其中包括代数据集，模型，模型训练记录，GUI 界面以及各类重要的模型指标（如准确率、精确率、召回率等等）。该系统的 UI 界面是通过 tkinter 设计并成功实现的。该项目可在windows、linux(ubuntu，centos)、mac系统下运行，可外接usb摄像头或直接用笔记本摄像头实现摄像实时检测。该项目可在pycharm和anaconda搭建的虚拟环境执行，
2025-04-23 09:30:00
946
原创 基于卷积神经网络的草莓分级系统，resnet50，mobilenet模型【pytorch框架+python源码】
基于卷积神经网络的草莓分级系统是在pytorch框架下实现的，这是一个完整的项目，包括代码，数据集，训练好的模型权重，模型训练记录，ui界面和各种模型指标图表等。该项目有两个可选模型：resnet50和mobilenet，两个模型都在项目中；GUI界面由tkinter设计和实现。此项目可在windowns、linux(ubuntu, centos)、mac系统下运行。该项目是在pycharm和anaconda搭建的虚拟环境执行，
2025-04-22 09:15:00
725
原创 基于yolov10的皮肤病检测识别系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】
基于yolov10的皮肤病检测识别系统是在 PyTorch 框架之下得以实现的。这是一个完备的项目，涵盖了诸多方面，其中包括代数据集，模型，模型训练记录，GUI 界面以及各类重要的模型指标（如准确率、精确率、召回率等等）。该系统的 UI 界面是通过 tkinter 设计并成功实现的。该项目可在windows、linux(ubuntu，centos)、mac系统下运行，可外接usb摄像头或直接用笔记本摄像头实现摄像实时检测。该项目可在pycharm和anaconda搭建的虚拟环境执行，
2025-04-21 14:30:00
834
原创 基于卷积神经网络的水果分类识别系统，resnet50，mobilenet模型【pytorch框架+python源码】
基于卷积神经网络的水果分类识别系统是在pytorch框架下实现的，这是一个完整的项目，包括代码，数据集，训练好的模型权重，模型训练记录，ui界面和各种模型指标图表等。该项目有两个可选模型：resnet50和mobilenet，两个模型都在项目中；GUI界面由tkinter设计和实现。此项目可在windowns、linux(ubuntu, centos)、mac系统下运行。该项目是在pycharm和anaconda搭建的虚拟环境执行，
2025-04-11 10:00:00
1194
原创 基于yolov10的蘑菇检测识别系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】
基于yolov10的蘑菇检测识别系统是在 PyTorch 框架之下得以实现的。这是一个完备的项目，涵盖了诸多方面，其中包括代数据集，模型，模型训练记录，GUI 界面以及各类重要的模型指标（如准确率、精确率、召回率等等）。该系统的 UI 界面是通过 tkinter 设计并成功实现的。该项目可在windows、linux(ubuntu，centos)、mac系统下运行，可外接usb摄像头或直接用笔记本摄像头实现摄像实时检测。该项目可在pycharm和anaconda搭建的虚拟环境执行，
2025-04-10 10:00:00
1483
原创 基于yolov10的水稻害虫检测识别系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】
基于yolov10的水稻害虫检测识别系统是在 PyTorch 框架之下得以实现的。这是一个完备的项目，涵盖了诸多方面，其中包括代数据集，模型，模型训练记录，GUI 界面以及各类重要的模型指标（如准确率、精确率、召回率等等）。该系统的 UI 界面是通过 tkinter 设计并成功实现的。该项目可在windows、linux(ubuntu，centos)、mac系统下运行，可外接usb摄像头或直接用笔记本摄像头实现摄像实时检测。该项目可在pycharm和anaconda搭建的虚拟环境执行，
2025-04-09 10:00:00
656
原创 基于yolov11的梨子分级、新鲜度检测识别系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】
基于yolov11的梨子分级、新鲜度检测识别系统是在 PyTorch 框架之下得以实现的。这是一个完备的项目，涵盖了诸多方面，其中包括代数据集，模型，模型训练记录，GUI 界面以及各类重要的模型指标（如准确率、精确率、召回率等等）。该系统的 UI 界面是通过 tkinter 设计并成功实现的。该项目可在windows、linux(ubuntu，centos)、mac系统下运行，可外接usb摄像头或直接用笔记本摄像头实现摄像实时检测。该项目可在pycharm和anaconda搭建的虚拟环境执行，
2025-03-24 14:30:00
550
原创 基于yolov11的橙子分级、新鲜度检测识别系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】
基于yolov11的橙子分级、新鲜度检测识别系统是在 PyTorch 框架之下得以实现的。这是一个完备的项目，涵盖了诸多方面，其中包括代数据集，模型，模型训练记录，GUI 界面以及各类重要的模型指标（如准确率、精确率、召回率等等）。该系统的 UI 界面是通过 tkinter 设计并成功实现的。该项目可在windows、linux(ubuntu，centos)、mac系统下运行，可外接usb摄像头或直接用笔记本摄像头实现摄像实时检测。该项目可在pycharm和anaconda搭建的虚拟环境执行，
2025-03-21 14:15:00
867
原创 基于yolov11的柑橘、沃柑分级、新鲜度检测识别系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】
基于yolov11的柑橘、沃柑分级、新鲜度检测识别系统是在 PyTorch 框架之下得以实现的。这是一个完备的项目，涵盖了诸多方面，其中包括代数据集，模型，模型训练记录，GUI 界面以及各类重要的模型指标（如准确率、精确率、召回率等等）。该系统的 UI 界面是通过 tkinter 设计并成功实现的。该项目可在windows、linux(ubuntu，centos)、mac系统下运行，可外接usb摄像头或直接用笔记本摄像头实现摄像实时检测。该项目可在pycharm和anaconda搭建的虚拟环境执行，
2025-03-20 14:15:00
1440
原创 基于yolov11的苹果分级、新鲜度检测识别系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】
基于yolov11的苹果分级、新鲜度检测识别系统是在 PyTorch 框架之下得以实现的。这是一个完备的项目，涵盖了诸多方面，其中包括代数据集，模型，模型训练记录，GUI 界面以及各类重要的模型指标（如准确率、精确率、召回率等等）。该系统的 UI 界面是通过 tkinter 设计并成功实现的。该项目可在windows、linux(ubuntu，centos)、mac系统下运行，可外接usb摄像头或直接用笔记本摄像头实现摄像实时检测。该项目可在pycharm和anaconda搭建的虚拟环境执行，
2025-03-19 14:36:39
583
原创 基于yolov11的香蕉分级、新鲜度检测识别系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】
基于yolov11的香蕉分级、新鲜度检测识别系统是在 PyTorch 框架之下得以实现的。这是一个完备的项目，涵盖了诸多方面，其中包括代数据集，模型，模型训练记录，GUI 界面以及各类重要的模型指标（如准确率、精确率、召回率等等）。该系统的 UI 界面是通过 tkinter 设计并成功实现的。该项目可在windows、linux(ubuntu，centos)、mac系统下运行，可外接usb摄像头或直接用笔记本摄像头实现摄像实时检测。该项目可在pycharm和anaconda搭建的虚拟环境执行，
2025-03-18 10:02:18
485
原创 基于卷积神经网络的大米缺陷识别，分级系统，resnet50，mobilenet模型【pytorch框架+python源码】
基于卷积神经网络的大米缺陷识别，分级系统是在pytorch框架下实现的，这是一个完整的项目，包括代码，数据集，训练好的模型权重，模型训练记录，ui界面和各种模型指标图表等。该项目有两个可选模型：resnet50和mobilenet，两个模型都在项目中；GUI界面由tkinter设计和实现。此项目可在windowns、linux(ubuntu, centos)、mac系统下运行。该项目是在pycharm和anaconda搭建的虚拟环境执行，
2025-02-27 14:00:00
692
原创 基于卷积神经网络的电气元件识别系统，resnet50，mobilenet模型【pytorch框架+python源码】
基于卷积神经网络的电气元件识别系统是在pytorch框架下实现的，这是一个完整的项目，包括代码，数据集，训练好的模型权重，模型训练记录，ui界面和各种模型指标图表等。该项目有两个可选模型：resnet50和mobilenet，两个模型都在项目中；GUI界面由tkinter设计和实现。此项目可在windowns、linux(ubuntu, centos)、mac系统下运行。该项目是在pycharm和anaconda搭建的虚拟环境执行，
2025-02-26 14:00:00
625
原创 基于卷积神经网络的建筑物识别系统，resnet50，mobilenet模型【pytorch框架+python源码】
基于卷积神经网络的建筑物识别系统是在pytorch框架下实现的，这是一个完整的项目，包括代码，数据集，训练好的模型权重，模型训练记录，ui界面和各种模型指标图表等。该项目有两个可选模型：resnet50和mobilenet，两个模型都在项目中；GUI界面由tkinter设计和实现。此项目可在windowns、linux(ubuntu, centos)、mac系统下运行。该项目是在pycharm和anaconda搭建的虚拟环境执行，
2025-02-25 15:45:00
786
原创 基于卷积神经网络的桃子品质分级系统，resnet50，mobilenet模型【pytorch框架+python源码】
基于卷积神经网络的桃子品质分级系统是在pytorch框架下实现的，这是一个完整的项目，包括代码，数据集，训练好的模型权重，模型训练记录，ui界面和各种模型指标图表等。该项目有两个可选模型：resnet50和mobilenet，两个模型都在项目中；GUI界面由tkinter设计和实现。此项目可在windowns、linux(ubuntu, centos)、mac系统下运行。windows保姆级的pycharm+anaconda搭建python虚拟环境_windows启动python虚拟环境-CSDN博客。
2024-12-17 15:15:00
533
原创 基于卷积神经网络的柠檬品质分级系统，resnet50，mobilenet模型【pytorch框架+python源码】
基于卷积神经网络的柠檬品质分级系统是在pytorch框架下实现的，这是一个完整的项目，包括代码，数据集，训练好的模型权重，模型训练记录，ui界面和各种模型指标图表等。该项目有两个可选模型：resnet50和mobilenet，两个模型都在项目中；GUI界面由tkinter设计和实现。此项目可在windowns、linux(ubuntu, centos)、mac系统下运行。windows保姆级的pycharm+anaconda搭建python虚拟环境_windows启动python虚拟环境-CSDN博客。
2024-12-16 15:21:20
1086
1
原创 基于yolov8的道路病害、缺陷检测识别系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】
基于yolov8的道路病害、缺陷检测识别系统是在 PyTorch 框架之下得以实现的。这是一个完备的项目，涵盖了诸多方面，其中包括代码部分，精心整理的数据集，训练完备的模型权重，详实的模型训练记录，直观友好的 UI 界面以及各类重要的模型指标（如准确率、精确率、召回率等等）。该系统的 UI 界面是通过 tkinter 设计并成功实现的。该项目可在windows、linux(ubuntu，centos)、mac系统下运行，可外接usb摄像头或直接用笔记本摄像头实现摄像实时检测。
2024-11-28 14:30:00
597
原创 基于yolov8的课堂行为检测识别系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】
基于yolov8的课堂行为检测识别系统是在 PyTorch 框架之下得以实现的。这是一个完备的项目，涵盖了诸多方面，其中包括代码部分，数据集，训练完备的模型权重，详实的模型训练记录，直观友好的 GUI 界面以及各类重要的模型指标（如准确率、精确率、召回率等等）。该系统的 UI 界面是通过 tkinter 设计并成功实现的。该项目可在windows、linux(ubuntu，centos)、mac系统下运行，可外接usb摄像头或直接用笔记本摄像头实现摄像实时检测。
2024-11-27 14:30:00
874
原创 基于yolov8和deepsort实现行人检测、追踪和计数，支持视频和摄像实时检测与追踪，可用自己的数据集训练模型【pytorch框架，python源码】
基于yolov8和deepsort实现行人检测、追踪和计数，支持视频和摄像实时检测与追踪系统是在pytorch框架下实现的，这是一个完整的项目，包括代码，数据集，训练好的模型权重，模型训练记录，GUI界面等。GUI界面由Tkinter设计实现，该项目可在windows、linux(ubuntu，centos)、mac系统下运行，可外接usb摄像头或直接用笔记本摄像头实现摄像实时检测。
2024-11-26 14:30:00
832
原创 基于yolov8和deepsort实现车辆检测、追踪和计数，支持视频和摄像实时检测与追踪，可用自己的数据集训练模型【pytorch框架，python源码】
基于yolov8和deepsort实现车辆检测、追踪和计数，支持视频和摄像实时检测与追踪系统是在pytorch框架下实现的，这是一个完整的项目，包括代码，数据集，训练好的模型权重，模型训练记录，GUI界面等。GUI界面由Tkinter设计实现，该项目可在windows、linux(ubuntu，centos)、mac系统下运行，可外接usb摄像头或直接用笔记本摄像头实现摄像实时检测。
2024-11-25 14:58:34
1125
原创 yolov5+deepsort实现电动车头盔检测与追踪，支持视频和摄像实时检测与追踪，可用自己的数据集训练模型【pytorch框架，python源码】
yolov5+deepsort实现电动车头盔检测与追踪系统是在pytorch框架下实现的，这是一个完整的项目，包括代码，数据集，训练好的模型权重，模型训练记录，GUI界面等。GUI界面由Tkinter设计实现，该项目可在windows、linux(ubuntu，centos)、mac系统下运行，可外接usb摄像头或直接用笔记本摄像头实现摄像实时检测。超详细的pycharm+anaconda搭建python虚拟环境_pycharm配置anaconda虚拟环境-CSDN博客。
2024-11-22 10:45:00
1307
原创 yolov5+deepsort实现行人检测、追踪和计数，支持视频和摄像实时检测与追踪，可用自己的数据集训练模型【pytorch框架，python源码】
yolov5+deepsort实现行人检测、追踪和计数系统是在pytorch框架下实现的，这是一个完整的项目，包括代码，数据集，训练好的模型权重，模型训练记录，GUI界面等。GUI界面由Tkinter设计实现，该项目可在windows、linux(ubuntu，centos)、mac系统下运行，可外接usb摄像头或直接用笔记本摄像头实现摄像实时检测。超详细的pycharm+anaconda搭建python虚拟环境_pycharm配置anaconda虚拟环境-CSDN博客。
2024-11-21 14:15:00
1073
原创 基于yolov5和deepsort实现车辆检测、追踪和计数，支持视频和摄像实时检测与追踪，可用自己的数据集训练模型【pytorch框架，python源码】
基于yolov5和deepsort实现车辆检测、追踪和计数系统是在pytorch框架下实现的，这是一个完整的项目，包括代码，数据集，训练好的模型权重，模型训练记录，GUI界面等。GUI界面由Tkinter设计实现，该项目可在windows、linux(ubuntu，centos)、mac系统下运行，可外接usb摄像头或直接用笔记本摄像头实现摄像实时检测。超详细的pycharm+anaconda搭建python虚拟环境_pycharm配置anaconda虚拟环境-CSDN博客。
2024-11-20 14:15:00
1111
原创 基于Faster-RCNN模型的遥感卫星影像目标检测系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】
基于Faster-RCNN模型的遥感卫星影像目标检测系统是在 PyTorch 框架之下得以实现的。这是一个完备的项目，涵盖了诸多方面，其中包括代码部分，数据集，训练完备的模型权重， UI 界面以及各类重要的模型指标该系统的 UI 界面是通过 tkinter 设计并成功实现的。该项目可在windows、linux(ubuntu，centos)、mac系统下运行，可外接usb摄像头或直接用笔记本摄像头实现摄像实时检测。
2024-11-19 14:15:00
930
原创 基于Faster-RCNN模型的工地安全帽检测系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】
基于Faster-RCNN模型的工地安全帽检测系统是在 PyTorch 框架之下得以实现的。这是一个完备的项目，涵盖了诸多方面，其中包括代码部分，数据集，训练完备的模型权重， UI 界面以及各类重要的模型指标该系统的 UI 界面是通过 tkinter 设计并成功实现的。该项目可在windows、linux(ubuntu，centos)、mac系统下运行，可外接usb摄像头或直接用笔记本摄像头实现摄像实时检测。
2024-11-18 15:23:03
971
原创 基于yolov5的食堂自动计价系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】
基于 YOLOv5 的食堂自动计价系统是在 PyTorch 框架之下得以实现的。这是一个完备的项目，涵盖了诸多方面，其中包括代码部分，精心整理的数据集，训练完备的模型权重，详实的模型训练记录，直观友好的 UI 界面以及各类重要的模型指标（如准确率、精确率、召回率等等）。该系统的 UI 界面是通过 tkinter 设计并成功实现的。该项目可在windows、linux(ubuntu，centos)、mac系统下运行，可外接usb摄像头或直接用笔记本摄像头实现摄像实时检测。
2024-11-13 14:30:00
572
原创 基于yolov5的番茄成熟度检测系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】
基于 YOLOv5 的番茄成熟度检测系统是在 PyTorch 框架之下得以实现的。这是一个完备的项目，涵盖了诸多方面，其中包括代码部分，精心整理的数据集，训练完备的模型权重，详实的模型训练记录，直观友好的 UI 界面以及各类重要的模型指标（如准确率、精确率、召回率等等）。该系统的 UI 界面是通过 tkinter 设计并成功实现的。该项目可在windows、linux(ubuntu，centos)、mac系统下运行，可外接usb摄像头或直接用笔记本摄像头实现摄像实时检测。
2024-11-12 14:38:53
911
原创 基于SSD模型的路面坑洼检测系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】
基于SSD模型的路面坑洼检测系统是在 PyTorch 框架之下得以实现的。这是一个完备的项目，涵盖了诸多方面，其中包括代码部分，数据集，训练完备的模型权重， UI 界面以及各类重要的模型指标该系统的 UI 界面是通过 tkinter 设计并成功实现的。该项目可在windows、linux(ubuntu，centos)、mac系统下运行，可外接usb摄像头或直接用笔记本摄像头实现摄像实时检测。
2024-11-07 15:04:13
952
原创 基于SSD模型的输电线绝缘子及绝缘子缺陷检测系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】
基于SSD模型的输电线绝缘子及绝缘子缺陷检测系统是在 PyTorch 框架之下得以实现的。这是一个完备的项目，涵盖了诸多方面，其中包括代码部分，数据集，训练完备的模型权重， UI 界面以及各类重要的模型指标该系统的 UI 界面是通过 tkinter 设计并成功实现的。该项目可在windows、linux(ubuntu，centos)、mac系统下运行，可外接usb摄像头或直接用笔记本摄像头实现摄像实时检测。
2024-11-06 16:08:26
704
原创 基于SSD模型的行人跌倒、摔倒检测系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】
基于SSD模型的行人跌倒、摔倒检测系统是在 PyTorch 框架之下得以实现的。这是一个完备的项目，涵盖了诸多方面，其中包括代码部分，数据集，训练完备的模型权重， UI 界面以及各类重要的模型指标该系统的 UI 界面是通过 tkinter 设计并成功实现的。该项目可在windows、linux(ubuntu，centos)、mac系统下运行，可外接usb摄像头或直接用笔记本摄像头实现摄像实时检测。
2024-11-05 16:16:43
933
原创 基于yolov8的农作物杂草检测识别系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】
基于yolov8的农作物杂草检测识别系统是在 PyTorch 框架之下得以实现的。这是一个完备的项目，涵盖了诸多方面，其中包括代码部分，精心整理的数据集，训练完备的模型权重，详实的模型训练记录，直观友好的 UI 界面以及各类重要的模型指标（如准确率、精确率、召回率等等）。该系统的 UI 界面是通过 tkinter 设计并成功实现的。该项目可在windows、linux(ubuntu，centos)、mac系统下运行，可外接usb摄像头或直接用笔记本摄像头实现摄像实时检测。
2024-11-04 14:46:17
1194
原创 基于yolov8的生猪检测和统计系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】
基于yolov8的生猪检测和统计系统是在 PyTorch 框架之下得以实现的。这是一个完备的项目，涵盖了诸多方面，其中包括代码部分，精心整理的数据集，训练完备的模型权重，详实的模型训练记录，直观友好的 UI 界面以及各类重要的模型指标（如准确率、精确率、召回率等等）。该系统的 UI 界面是通过 tkinter 设计并成功实现的。该项目可在windows、linux(ubuntu，centos)、mac系统下运行，可外接usb摄像头或直接用笔记本摄像头实现摄像实时检测。
2024-10-31 15:27:11
1332
原创 基于yolov8的柑橘叶片病虫害检测系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】
基于yolov8的柑橘叶片病虫害检测系统是在 PyTorch 框架之下得以实现的。这是一个完备的项目，涵盖了诸多方面，其中包括代码部分，精心整理的数据集，训练完备的模型权重，详实的模型训练记录，直观友好的 UI 界面以及各类重要的模型指标（如准确率、精确率、召回率等等）。该系统的 UI 界面是通过 tkinter 设计并成功实现的。该项目可在windows、linux(ubuntu，centos)、mac系统下运行，可外接usb摄像头或直接用笔记本摄像头实现摄像实时检测。
2024-10-30 15:01:46
912
3
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