本系统采用前后端分离的架构。后端以SpringBoot框架为核心，负责业务逻辑、用户管理与数据持久化，使用MySQL数据库存储用户信息与检测记录。前端提供交互式Web界面，实现数据可视化与管理功能。系统的核心检测模块集成并支持YOLOv8、YOLOv10、YOLOv11、YOLOv12四种先进的YOLO系列目标检测算法，针对包含black_core（黑心）、crack（裂纹）、finger（断栅）

葡萄作为全球广泛种植的重要经济果树，其产量和品质极易受到各类病害的威胁。传统的病害诊断主要依赖人工田间巡查，存在效率低、主观性强且难以在病害初期发现等弊端。为此，本文提出了一种基于深度学习YOLO26（You Only Look Once）目标检测算法的葡萄叶片病害智能识别系统。本研究构建了一个包含黑腐病（Black_rot）、叶斑病（Esca）和健康（Healthy）三类样本的高质量葡萄叶片图像

本报告详细阐述了基于YOLO26架构的肺炎识别检测系统的开发与评估过程。该系统旨在通过深度学习技术，实现对医学影像中肺炎病灶的自动化检测。数据集包含训练集3772张、验证集539张及测试集1078张图像。实验结果显示，模型在训练集上表现良好，但在验证集上出现了明显的过拟合现象，具体表现为验证集损失（box_loss, cls_loss）在训练后期反弹上升。综合分析表明，当前模型性能尚不理想，需通过

针对传统森林火灾监测手段响应滞后、精度不足等问题，本文基于YOLO26目标检测算法构建了一套森林火灾烟雾识别检测系统。系统针对火焰（fire）与烟雾（smoke）两类目标进行检测，数据集共包含2604张标注图像，其中训练集2083张、验证集260张、测试集261张。混淆矩阵分析显示，模型存在一定比例的漏检与误检问题，尤其在火焰检测和背景干扰方面仍有提升空间。总体而言，该系统能够有效识别森林火灾中的

随着光伏电站规模的不断扩大，太阳能板的缺陷检测成为保障发电效率与运行安全的关键环节。传统的人工巡检方式效率低、主观性强，难以满足大规模电站的实时监测需求。本文基于YOLO26目标检测算法，构建了一套针对红外图像中太阳能板典型缺陷的自动识别系统。系统可识别四类缺陷：Bypass Diode（旁路二极管异常）、Cell Fault（电池片故障）、Defects（其他缺陷）和 Hotspot（热斑）。实

随着城市化进程加快和环境保护要求的提高，生活垃圾的智能分类成为实现资源循环利用和减少环境污染的关键技术。本文基于YOLO目标检测算法构建了一个四类垃圾分类检测系统，包括可回收物（recyclable waste）、有害垃圾（hazardous waste）、厨余垃圾（kitchen waste）和其他垃圾（other waste）。实验采用YOLO26模型在自建数据集上进行训练，数据集共计2743

跌倒行为识别是智慧养老、医疗监护和公共安全领域的关键技术之一。本文基于YOLOv26s目标检测模型，构建了一个包含三类行为状态（fallen：已跌倒、falling：跌倒过程、stand：站立）的跌倒识别检测系统。系统采用YOLOv26s作为骨干网络，在包含3888张标注图像的数据集上进行训练与验证。实验结果表明，模型整体mAP50达到0.874，其中“已跌倒”类别表现最优（mAP50=0.936

传送带作为工业生产中的关键输送设备，其表面缺陷的实时检测对于保障生产安全、提高运维效率具有重要意义。针对传统人工检测效率低、易漏检等问题，本文基于YOLO26目标检测算法构建了一套传送带缺陷识别检测系统，重点识别block（堵塞）、crack（裂纹）、foreign（异物）、hole（孔洞）四类典型缺陷。实验采用包含2345张图像的自建数据集，其中训练集1860张、验证集318张、测试集167张。

本研究提出了一种基于YOLO26（You Only Look Once）架构的深度学习目标检测系统，旨在实现草莓成熟度的自动化、高精度识别。该系统将草莓分为三类：生长期（raw）、成熟期（ripe）和变色期（turning）。实验数据集包含2939张训练图像和774张验证图像。经过充分训练，模型在验证集上取得了优异的性能指标，其中达到了95.7%，:0.95达到了85.1%。

钢材表面缺陷自动检测是工业质量控制中的关键环节。本文基于YOLO26目标检测算法，构建了一套钢材表面缺陷识别系统，涵盖六类常见缺陷：crazing、inclusion、patches、pitted_surface、rolled_in_scale、scratches。实验采用2352张训练图像、295张验证图像和113张测试图像。类别索引英文名称中文名称0crazing网状裂纹1inclusion夹