本研究构建了一套基于深度学习YOLOv11的棉花叶片病害检测系统，旨在实现棉花病害的快速、准确识别与分类。系统针对六类目标病害（blight、curl、grey mildew、healthy、leaf spot、wilt）进行检测，利用包含3708张训练集、232张验证集及233张测试集的高质量YOLO格式数据集进行模型训练与评估。在算法层面，采用YOLOv11模型以兼顾检测精度与推理速度，并在数

本项目基于最新的YOLOv11目标检测算法，开发了一套高效的火焰烟雾检测系统，旨在通过深度学习技术实现对火焰和烟雾的快速准确识别，为火灾早期预警提供智能化解决方案。该系统可广泛应用于森林防火、工业安全监控、智能楼宇等场景。

随着太阳能产业的快速发展，太阳能电池板的质量检测成为保障光伏系统高效运行的关键环节。传统人工检测方法效率低、成本高，难以满足大规模生产需求。本文基于深度学习目标检测算法YOLOv12，设计并实现了一种高效、准确的太阳能电池板缺陷识别检测系统。该系统能够自动检测六类常见缺陷，包括黑芯（black_core）、裂纹（crack）、指状缺陷（finger）、水平位移（horizontal_disloca

铁轨轨道的健康状况直接关系到铁路运输的安全性和效率。传统的轨道缺陷检测方法主要依赖人工巡检或专用检测设备，效率低且成本高。随着计算机视觉和深度学习技术的发展，基于图像的目标检测方法逐渐成为轨道缺陷检测的研究热点。YOLO（You Only Look Once）系列算法因其高效性和准确性，在目标检测领域得到了广泛应用。本项目基于YOLOv10模型，旨在开发一个能够自动检测铁轨轨道缺陷的系统，帮助铁路

本项目基于先进的YOLOv12目标检测算法，开发了一套高性能的船舶图像分类与检测系统。该系统能够精准地识别和定位图像或视频流中的船舶，并将其自动分类为五大特定类别：集装箱船（Container Ship）、邮轮（Cruise Ship）、军用船舶（Military Ship）、滚装船（RORO） 和 油轮（Tanker）。YOLOv12作为YOLO系列的最新迭代，在检测速度与精度上实现了显著提升，

本项目基于先进的YOLOv11目标检测算法，开发了一套高效、精准的船舶图像分类与检测系统。该系统能够对输入图像或视频中的船舶目标进行实时定位（Bounding Box）并准确分类为五大特定类别：集装箱船（Container Ship）、邮轮（Cruise Ship）、军用船舶（Military Ship）、滚装船（RORO）以及油轮（Tanker）。YOLOv11作为YOLO系列的最新迭代，其在检

本文介绍了一种基于深度学习目标检测算法YOLOv11的船舶类型识别检测系统，该系统能够高效准确地识别10类常见船舶，包括散货船（BULK CARRIER）、集装箱船（CONTAINER SHIP）、杂货船（GENERAL CARGO）、成品油船（OIL PRODUCTS TANKER）、客船（PASSENGERS SHIP）、油轮（TANKER）、拖网渔船（TRAWLER）、拖船（TUG）、车辆运

本项目基于YOLOv11深度学习算法开发了一套学生课堂行为检测系统，旨在实时识别并分析学生在课堂中的多种行为表现。系统可检测6类典型课堂行为：举手（hand-raising）、阅读（reading）、书写（writing）、使用手机（using phone）、低头（bowing the head）和趴桌（leaning over the table）。采用精心标注的YOLO格式数据集，包含训练集1

本文设计并实现了一种基于深度学习YOLOv12的学生课堂行为检测系统，旨在实时识别课堂中的学生行为，提升教学管理与课堂互动效率。系统支持6类行为检测，包括举手（hand-raising）、阅读（reading）、书写（writing）、使用手机（using phone）、低头（bowing the head）和趴桌子（leaning over the table）。数据集包含训练集1,422张、验

本文设计并实现了一种基于深度学习YOLOv11的布料缺陷检测系统，旨在高效识别六类常见布料缺陷，包括“带纱”（DaiSha）、“断纱”（DuanSha）、“棉球”（MianQiu）、“破洞”（PoDong）、“脱纱”（TuoSha）和“污渍”（WuZi）。系统采用YOLOv11目标检测算法，结合包含1650张训练集图像和467张验证集图像的自定义数据集进行模型训练，确保缺陷检测的准确性和鲁棒性。