本项目基于YOLOv10目标检测算法开发了一套专门用于家具识别的智能视觉系统，能够准确识别和定位三种常见家具类别：椅子(Chair)、沙发(Sofa)和桌子(Table)。系统使用包含689张图像的自建数据集进行训练和评估，通过优化网络结构和训练策略，该系统在保持实时检测速度的同时，实现了较高的检测精度，可应用于智能家居、室内导航、家具电商等多个领域。项目不仅验证了YOLOv10算法在小规模专用数

本项目基于YOLOv10目标检测算法开发了一套专门用于水下生物识别的智能检测系统，旨在实现对五种常见水下生物（海胆、海参、扇贝、海星和水草）的自动识别与定位。系统采用改进的YOLOv10模型架构，针对水下环境的特殊性进行了优化调整，在自构建的数据集上取得了优异的检测性能。该数据集包含7600张高质量标注图像，其中训练集5320张、验证集1520张、测试集760张，涵盖了各种水下场景和光照条件。本项

本项目基于YOLOv10目标检测算法，开发了一套专门针对Apex Legends（Apex英雄）游戏中人物与物体的识别检测系统。系统通过对游戏画面进行实时分析，能够准确识别游戏中的玩家角色（avatar）和各种游戏物体（object），为游戏AI开发、战术分析、辅助工具制作等应用场景提供技术支持。项目使用自定义收集的Apex游戏数据集进行训练和验证，包含训练集2583张、验证集691张和测试集41

本项目基于YOLOv10目标检测算法开发了一套高精度的扑克牌识别检测系统，能够准确识别和定位52种标准扑克牌（包括13个点数×4种花色）。系统在包含24,233张图像的数据集上进行了训练和验证，其中训练集21,203张，验证集2,020张，测试集1,010张。该系统可实时检测扑克牌的种类、位置和数量，可广泛应用于赌场监控、扑克游戏自动计分、魔术教学分析、智能机器人抓取等多个领域，具有重要的实用价值

本项目基于YOLOv8目标检测算法开发了一套专业的篮球比赛场景智能分析系统，能够实时检测和识别比赛中的9类关键元素：篮球(Ball)、篮筐(Hoop)、比赛节次(Period)、运动员(Player)、裁判(Ref)、进攻计时器(Shot Clock)、队名(Team Name)、球队得分(Team Points)和剩余时间(Time Remaining)。系统使用包含1,196张标注图像的数据集

道路坑洼是城市交通基础设施面临的主要问题之一，严重影响行车安全和道路使用寿命。传统的坑洼检测方法主要依靠人工巡检或车载传感器，存在效率低、成本高和覆盖范围有限等缺点。基于深度学习的目标检测技术可以自动识别道路坑洼，为市政部门和道路养护单位提供高效、准确的检测方案。

森林火灾是威胁生态环境和人类安全的重要灾害之一，快速准确的火灾检测对灾害防控至关重要。本文基于深度学习目标检测算法YOLOv12，构建了一套红外森林火灾火焰与烟雾检测系统。该系统利用红外图像数据，通过YOLOv12模型实现了对火焰（fire）和烟雾（smoke）的高精度实时检测，检测类别包括2类。数据集包含训练集1600张、验证集200张和测试集200张，确保了模型的泛化能力。系统还集成了用户友好

晶圆体是半导体制造的核心材料，其表面质量直接影响芯片的性能和良率。在制造过程中，晶圆体表面可能出现多种缺陷，如中心缺陷（Center）、环形缺陷（Donut）、边缘局部缺陷（Edge-Loc）、边缘环形缺陷（Edge-Ring）、局部缺陷（Loc）、近全区域缺陷（Near-full）、无缺陷（None）、随机缺陷（Random）和划痕（Scratch）等。这些缺陷可能导致芯片失效，造成巨大的经济损

本项目旨在利用 YOLOv10 目标检测算法，构建一个高效、准确的 3D 打印缺陷检测系统。系统能够实时检测图像或视频中的 3D 打印缺陷，并输出检测结果。通过训练和优化模型，系统能够在复杂背景下准确识别缺陷，满足 3D 打印质量监控的需求。

本项目基于YOLOv8深度学习算法，开发了一套高效、高精度的脑肿瘤检测系统，用于医学影像（如MRI、CT等）中的脑肿瘤识别与分类。系统可检测3类脑肿瘤（类别标签：["0", "2", "3"]），适用于辅助医生进行快速、准确的脑肿瘤筛查和诊断。数据集包含9900张医学影像，其中训练集7920张，验证集1980张，确保模型具备较强的泛化能力。