本系统面向糖尿病视网膜病变（DR）的智能识别与早期筛查场景，基于 Python + YOLOv11 + PyTorch 深度学习框架构建，前端界面用 PyQt5 开发，图像处理依托 OpenCV。系统支持单图片识别、批量图片识别、视频识别、实时视频识别四大功能，并自动统计目标数量、位置、置信度与识别用时。

源码 + 论文 + 答辩PPT + 任务书 + 开题报告 + 部署教程 + 答辩教程，全部打包，一套带走，无需东拼西凑。

论文含 17 张图（算法原理图、网络结构图、数据集效果图、训练指标曲线、系统界面截图），训练数据集 1785 张眼底图像，配套 66 分钟视频教程。获取地址见文末。

一、系统功能（源码已跑通）

系统为单机桌面应用（PyQt5 图形界面），左边上传素材、右边展示检测结果，下方一排操作按钮，上手零门槛。核心功能如下：

  • 单图片识别：点击「上传图片」选择一张眼底图像，模型自动框出病变区域，右侧表格显示类别、置信度、坐标位置与识别用时。
  • 批量图片识别：点击「上传批量图片」选择整个文件夹，一次性处理多张图片，适合批量筛查眼底照片。
  • 视频识别：上传视频文件，逐帧检测视网膜病变目标，实时叠加检测框。
  • 实时视频识别：点击「打开摄像头」直接调用本机摄像头，边拍边识别，验证模型的实时性。
  • 结果统计与保存：自动统计检测到的病变目标数量，支持将识别结果（文件路径、目标编号、类别、置信度、坐标）导出为 CSV。

📷 界面截图：系统主界面
在这里插入图片描述

📷 界面截图：单图片识别效果
在这里插入图片描述

📷 界面截图：批量图片识别效果
在这里插入图片描述

📷 界面截图：视频识别效果
在这里插入图片描述

📷 界面截图：实时视频识别效果
在这里插入图片描述

识别模型基于 YOLOv11，对正常、轻度、中度、重度、增殖性病变五种类别进行检测与分级，训练后 mAP 达 96.2%、F1 达 91.5%，检测框精准贴合病变区域。

二、资源清单（买到即得，逐项可验）

第一梯队（核心，展开说明）

① 系统源码（完整可运行，非 demo）

  • 技术栈：Python + YOLOv11 + PyTorch + OpenCV + PyQt5
  • 目录结构规范，含模型训练脚本、界面主程序（MainWindow 类）、UI 资源与样式表（style.css）、配置文件等
  • 训练代码完整（model.train(data=..., epochs=150, batch=4, optimizer='SGD')），界面信号槽逻辑清晰（上传/检测/保存/退出按钮全部连通）

② 毕业论文（格式规范，内容完整）

  • 共 5 章：引言 / 关键技术 / 设计与规划 / 实验过程与应用 / 结论
  • 含 17 张图：YOLOv11 计算原理图、网络结构图、数据集效果图、训练指标变化趋势图、F1/精确率/召回率评估曲线、系统界面与四类识别效果截图
  • 训练数据集 1785 张眼底图像（训练集 1428 + 验证集 357，7:3 划分），YOLO 格式标注，覆盖五类病变

📷 设计图：YOLOv11 网络结构图
在这里插入图片描述

📷 设计图：数据集效果图
在这里插入图片描述

📷 设计图：训练指标变化趋势图
在这里插入图片描述

📷 设计图：数据可视化分析图
在这里插入图片描述

③ 答辩 PPT：毕业答辩 PPT（.pptx，汇报演示用）。

第二梯队（一行清单）

任务书、开题报告、功能模块图（xmind）、指导记录表、中期检查表、周志、模型权重文件、训练数据集。

说明：本课题为深度学习图像识别方向，无关系型数据库与 .sql 脚本，配套材料以「模型权重 + 数据集 + 功能模块图（xmind）」替代，均包含在套餐内。

第三梯队

视频教程，独立成章（见下）。

三、视频教程（零基础也能自己跑起来）

按 Python 深度学习 技术栈组合三件套视频，从环境搭建到部署演示全覆盖：

视频名时长看完你能做到
Python 环境安装约 15min装好 Python + PyCharm，跑通环境
YOLO 部署/代码/演示约 30min独立部署源码、看懂训练与检测代码、跑出识别效果
答辩讲解约 32min吃透答辩要点、常见问题与回答思路

总时长约 66 分钟，全部打包在套餐内，不单独收费。

答辩讲解单独强调：针对本课题的答辩要点、常见问题逐一拆解，评委爱问什么、哪个环节容易卡壳，视频里都讲清楚。

四、售后承诺

  • ✅ 源码已运行验证，非残缺 demo
  • ✅ 论文格式规范：章节完整，含全部 17 张图
  • ✅ 视频教程全覆盖（约 66 分钟）
  • ✅ 资源完整：源码、论文、PPT、任务书、开题报告、xmind、数据集一次到位

获取方式

📌 完整源码 + 论文 + 答辩PPT + 视频教程，打包价 299 元，一次付费全部带走，不另收费。下载链接：完整材料下载链接

有选题方向上的疑问，也可以加微信沟通，我按你的专业和技术栈推荐合适的选题方向。

#糖尿病视网膜病变 #深度学习 #YOLOv11 #PyTorch #毕业设计

# python # pyqt
Logo
亚马逊云科技技术品牌专区

更多推荐

cover

基于STM32的全屋环境智能监测与预警终端设计

avatar 亚马逊云科技技术品牌专区

Keras：面向人类的深度学习库

Keras3支持多后端（TensorFlow、PyTorch、JAX），通过设置环境变量切换，兼容指定版本。pip安装后可用Sequential API快速构建CNN模型，如MNIST分类示例，实

avatar 亚马逊云科技技术品牌专区

AI行业日报｜2026-09-25：5个热点事件

本期行业动态聚焦于端侧算力重构、自主智能体工作流、开发工具经济模型、网络隔离架构设计与公共部门合规审查。以下结合一线技术场景进行结构化梳理，供 AI 研究员与软件工程团队参考。 PrismML 正将其轻量级语言模型适配至搭载高通处理器的智能眼镜终端 1 。该平台的核心战略指向开源权重模型的本地化运行，旨在最大化挖掘穿戴设备现有算力的利用效率 1 。对于嵌入式与边缘计算开发者而言，此类微型模型向低功

avatar 亚马逊云科技技术品牌专区