🌿 农作物虫害检测系统摘要 PDDI是一个基于YOLOv8深度学习模型的植物病虫害检测系统，提供Web界面支持实时检测、模型训练和评估功能。系统采用模块化设计，包含训练、测试和检测三大核心模块，支持可视化监控和性能分析。项目使用改进的PlantVillage数据集（54,000+图像），要求Python 3.8+环境，推荐GPU加速。主要功能包括：实时病虫害识别、训练过程可视化、模型性能评估及优

本文介绍了一种基于深度学习的乳腺癌超声图像智能诊断系统。该系统采用改进的ResNet50网络结合CBAM注意力机制，有效提升病灶特征提取能力，并通过Grad-CAM算法实现可视化解释。系统提供完整的Web交互平台，支持图像上传、智能诊断（输出良/恶/正常分类及热力图）、在线模型训练和实验记录管理三大核心功能。使用公开BUSI数据集（780张超声图像），通过数据增强和归一化预处理优化模型性能。该系统

摘要： 本文提出了一种融合YOLOv8目标检测与LLaVA大语言模型的中医智能舌诊系统。系统通过YOLOv8实现舌象病理特征（如黑苔、紫舌等）的毫秒级精准识别，结合用户主诉症状，利用LLaVA大模型进行多模态辩证分析，模拟中医"望闻问切"过程。系统可生成结构化诊断报告（含症状关联、辩证结论及调理方案），支持批量体检和健康档案管理，为中医数字化提供新思路。采用B/S架构，通过Ol

基于YOLOv8的车牌识别系统是一个集车牌检测、识别和管理于一体的综合平台。系统采用YOLOv8目标检测模型实现车牌的精准定位，结合PaddleOCR文字识别技术完成车牌字符的高效识别。整个系统基于Streamlit构建了友好的Web界面，支持多种输入方式、批量处理和实时识别功能。

本项目开发了一个基于YOLOv8和LLaVA的铝片表面缺陷智能检测系统。该系统集成了四大核心功能：1)智能单件检测，通过YOLOv8精确定位针孔、擦伤等4类缺陷，并利用LLaVA生成诊断报告；2)批量自动质检，支持高通量处理并生成Excel报表；3)生产质量看板，提供实时统计和历史追溯；4)自主模型训练，实现零代码训练YOLOv8模型。系统采用YOLOv8+LLaVA的多模态架构，结合Gradio

本文介绍了一个基于YOLOv8目标检测模型和LLaVA多模态大语言模型的消化道息肉智能识别系统。该系统能快速准确地定位消化道内镜图像中的息肉病灶，并通过检索增强生成技术提供分型参考和诊疗建议。系统采用前后端分离架构，包含智能诊断、数据分析、模型训练等功能模块。实验表明，该系统可有效降低息肉漏诊率，为消化道疾病的早期筛查提供AI辅助。项目提供了完整的数据集处理流程和开源代码，便于二次开发和临床落地应

本文介绍了一个基于YOLOv8模型的安全帽检测系统，该系统具有高精度检测（mAP50达96.53%）、多模式检测和友好Web界面等特点。系统支持完整的AI开发流程，从数据集处理到模型训练再到部署应用，并提供了GPU加速功能。文章详细说明了系统目录结构、快速启动步骤、模型性能指标、使用指南以及故障排除方法，涵盖了单图检测、批量检测和实时摄像头检测等多种应用场景。该系统适用于工业安全监控场景，能够有效

本文介绍了一种基于YOLOv8和LLaVA多模态大模型的PCB智能缺陷检测系统。该系统通过结合高速目标检测和语义分析技术，实现了对PCB常见缺陷（如缺孔、鼠咬、开路等）的毫秒级精准识别，支持单张检测、批量处理、历史数据追踪等功能。系统采用Python+PyTorch技术栈，提供可视化界面，可一键生成质检报告，满足工业现场部署需求。项目开源并提供详细的使用指南，为PCB质检提供了高效的AI解决方案。

本文提出了一种基于改进YOLO的齿轮缺陷检测系统，针对传统人工质检效率低的问题，构建了包含2000张齿轮图像的数据集，涵盖三类典型缺陷（齿面缺陷CM/CD和磕碰）。系统采用YOLOv8n作为基线模型，通过模块化设计实现了从数据预处理到模型部署的全流程自动化。实验结果表明，该系统能有效识别齿轮表面微小缺陷，mAP@0.5达到92.3%，为工业质检提供了智能化解决方案。系统支持图像/视频检测、实时推理

WCIS是一款创新的墙体裂缝检测系统，整合了YOLOv8目标检测和LLaVA多模态大语言模型。系统具备四大核心功能：1）高精度裂缝检测，支持图片/视频/批量处理；2）智能成因分析，自动生成专业修复建议；3）可视化模型训练，无需编程即可微调；4）完整历史管理，记录所有检测任务。采用模块化分层架构设计，包含表现层（Gradio交互界面）、业务逻辑层（视频处理/批处理）和算法核心层（YOLOv8+LLa