本文介绍了一个基于AI的桥梁缺陷智能检测系统。系统采用Vue+Flask技术栈，集成了YOLO系列目标检测模型和多模态大语言模型(Qwen-VL)，支持图片、视频和实时摄像头三种检测模式。核心功能包括缺陷精准检测、智能预警分析、多模态AI辅助分析、模型评估系统等，可识别裂缝、破损、渗水等6类桥梁缺陷。系统提供完整的数据集(10589张图片)和预训练模型(mAP50达0.638)，并实现了从数据集管

本文介绍了一个基于AI的热轧钢带表面缺陷检测系统。系统采用Vue3+Flask技术栈，集成YOLOv8等先进目标检测模型，支持图片、视频和实时摄像头三种检测模式。核心功能包括缺陷精准识别定位、多模态AI分析、模型评估系统等，可实现钢带表面裂纹、夹杂等6类缺陷的自动检测。系统提供完整的数据集管理、模型训练和评估流程，测试集上达到0.702的mAP50精度。配套资源包含6116张标注图片数据集、训练代

本文介绍了一个基于AI的交通事故检测系统，采用Vue+Flask技术栈，集成YOLO系列模型实现多模态检测。系统支持图片、视频和实时摄像头三种检测模式，具备事故场景精准识别、多模态大模型辅助分析、模型评估等功能。提供完整源码、2.8万张事故数据集和预训练模型(mAP50达0.611)，适用于智慧交通管理、高速公路监控等场景。项目包含详细部署教程和B站演示视频，实现从数据管理到智能检测的完整闭环。

基于YOLO-OBB模型的智慧停车位检测系统。系统采用Vue.js+Flask技术架构，前端提供用户管理、检测结果可视化等功能，后端集成深度学习算法实现精准停车位检测。技术亮点包括采用旋转边界框(OBB)技术提升不规则车位检测精度，支持图像、视频和实时摄像头三种检测模式。系统提供完整源码、部署教程和1347张停车位数据集，已训练模型在测试集上达到88.4%的mAP50精度。项目实现了从数据采集、模

本项目是一个基于AI技术的番茄病害智能检测系统，采用Vue3+Flask技术栈开发。系统集成了YOLOv8/YOLO11等先进目标检测模型，支持图片、视频和实时摄像头三种检测模式，能够识别6种番茄常见病害和药害。核心功能包括用户管理、数据集上传、模型训练、病害检测分析等，检测精度达mAP50 0.89。创新性地结合多模态大模型提供防治建议，并具备模型评估系统。适用于设施农业、露地种植等场景，为番茄

本文介绍了一个基于YOLO目标检测和多模态AI的光伏板缺陷检测系统。该系统采用Vue+Flask技术栈，集成YOLOv8/YOLO11/YOLO12等模型，支持图片、视频和实时摄像头三种检测模式，可识别4类光伏板缺陷。系统包含数据集管理(3276张图片)、模型训练和缺陷检测完整流程，并采用多模态大模型辅助分析。项目提供完整源码、3.2K+图片数据集和预训练模型(mAP50达0.539)，适用于光伏

本文介绍了一个基于知识图谱和大语言模型的智能音乐推荐系统。该系统采用Vue3+Flask技术栈，集成了Neo4j知识图谱和DeepSeek/Qwen API，实现多模态推荐功能。核心功能包括： 1）用户端：音乐播放、个性化推荐、AI对话推荐 2）管理端：数据管理、知识图谱可视化 3）特色功能：GraphRAG图检索增强推荐、多算法融合推荐 系统提供完整的源码、文档和启动教程，实现了从传统推荐到智能

基于AI技术的智慧校园暴力检测系统，该系统采用前沿技术架构实现校园安全智能化管理。系统技术栈包含Vue3+SpringBoot+Flask框架，整合YOLO目标检测与Qwen-VL大语言模型，形成"视觉+语义"双模态检测机制。核心功能包括实时暴力行为识别、多场景适应、自动证据保存、智能群组分析等，通过WebSocket实现多路视频流并发处理。系统创新性地融合计算机视觉与自然语言

基于知识图谱(Neo4j)和大语言模型的智能旅游推荐系统。系统采用前后端分离架构，前端使用Vue3+TypeScript+Element Plus，后端采用SpringBoot3+MySQL8，算法端使用Flask+PyTorch+Neo4j+Qwen/DeepSeek等AI技术。主要功能包括用户管理、景点浏览、个性化推荐(协同过滤/内容推荐)、AI对话式推荐、图检索增强(GraphRAG)等，并

基于人工智能的智慧交通监控预警系统。该系统采用Vue3+SpringBoot+Flask技术栈，整合了YOLO目标检测和多模态大语言模型(Qwen-VL)，实现了"视觉感知+语义理解"的双重检测机制。核心功能包括实时交通状况分析、多场景适应、自动证据记录、多级预警机制和群体行为检测等创新特性。系统通过WebSocket实现实时视频流处理，并采用多级风险评估算法提高检测准确性。项