本项目基于YOLOv12深度学习框架开发了一套高效的安全帽检测系统，专门用于识别作业场景中的安全防护装备佩戴情况。系统采用两分类检测模式（'helmet'安全帽和'head'头部），通过5,000张标注图像的数据集（训练集3,500张、验证集和测试集各750张）进行模型训练，确保检测精度与泛化能力。项目包含完整的Python实现代码、预训练模型参数，并集成用户友好的UI界面，支持登录注册功能，便于

本项目基于先进的YOLOv8目标检测算法，开发了一套高效准确的可回收塑料识别分类检测系统。系统能够自动识别并分类7种不同类型的塑料制品，包括HDPE塑料、多层塑料、PET瓶、一次性塑料、单层塑料、挤压管和UHT盒。项目使用了大规模数据集进行训练和验证，其中训练集包含19,034张图像，验证集2,051张图像，测试集990张图像，确保了模型的泛化能力和鲁棒性。该系统通过计算机视觉技术实现了塑料废品的

本项目基于YOLOv8算法开发了一套安全手套佩戴识别检测系统，主要用于识别作业人员是否规范佩戴手套。系统采用两类别目标检测模型（Gloves/NO-Gloves），通过实时分析视频流或图像数据，可自动识别佩戴手套的人员和未佩戴手套的违规行为，广泛应用于建筑工地、工厂车间、电力作业等需要手部防护的安全监管场景，有效提升安全生产管理的智能化水平。

本项目基于YOLOv8目标检测算法开发了一套大豆田间杂草精准识别系统，旨在实现对大豆作物与杂草的自动化区分。系统采用轻量化网络结构，能够在复杂农田环境中实时检测并定位两类目标：大豆植株（soy plant）和杂草（weed），为精准农业中的智能除草作业提供核心技术支持。该模型通过端到端的训练方式，兼具高精度与高效率的特性，可部署于移动设备或边缘计算平台，有效助力农业生产的智能化管理。

本项目基于先进的YOLOv8深度学习框架，开发了一套高精度的猫狗品种识别检测系统，能够准确识别和分类37种不同品种的猫狗（包含12种猫品种和25种狗品种）。系统采用大规模标注数据集进行训练，包含训练集12879张图像、验证集736张图像和测试集368张图像，通过数据增强、迁移学习和模型优化技术，实现了对各类猫狗品种的高精度识别。

本项目基于YOLOv8深度学习框架，开发了一套先进的船舶分类识别检测系统，能够自动识别并分类五种主要船舶类型：集装箱船（Container Ship）、邮轮（Cruise Ship）、军用舰艇（Military Ship）、滚装船（RORO）和油轮（Tanker）。系统采用包含3,721张高质量标注图像的数据集（训练集3,232张、验证集339张、测试集150张），通过精细的模型调优和迁移学习技术

本项目基于YOLOv8目标检测算法构建了一个专业的白细胞类型识别系统，旨在实现血液显微图像中五类白细胞的自动化检测与分类。系统以YOLOv8模型为核心架构，设定nc（类别数）参数为5，对应识别嗜碱性粒细胞（Basophil）、嗜酸性粒细胞（Eosinophil）、淋巴细胞（Lymphocyte）、单核细胞（Monocyte）和中性粒细胞（Neutrophil）这些关键白细胞类型。项目通过深度学习技

本文介绍了一个基于YOLOv11目标检测算法的骑手佩戴头盔智能检测系统。该系统旨在对道路交通场景中的摩托车骑手进行实时监测与识别，核心功能是准确检测并区分三类目标：佩戴头盔的骑手（helmet）、未佩戴头盔的骑手（motorcyclist） 以及摩托车车牌（license_plate）。该系统对于提升交通执法效率、促进骑手安全驾驶、降低交通事故伤亡率具有重要的实际应用价值。通过在一个精心构建的数据

本项目基于YOLOv12深度学习框架开发了一套高效的安全帽检测系统，专门用于识别作业场景中的安全防护装备佩戴情况。系统采用两分类检测模式（'helmet'安全帽和'head'头部），通过5,000张标注图像的数据集（训练集3,500张、验证集和测试集各750张）进行模型训练，确保检测精度与泛化能力。项目包含完整的Python实现代码、预训练模型参数，并集成用户友好的UI界面，支持登录注册功能，便于

本文介绍了一个基于YOLOv12目标检测算法的疲劳驾驶监测系统。该系统旨在通过实时分析驾驶员面部图像，自动识别其疲劳状态，分为“清醒”和“疲劳”两类，从而为驾驶安全提供有效的技术保障。YOLOv12作为最新的高性能检测模型，兼具速度快、精度高的优点，非常适合部署在车载设备或边缘计算终端上进行实时预警。实验结果表明，本系统在自建数据集上取得了良好的性能，能够有效区分驾驶员的疲劳状态，为预防因疲劳驾驶