皮肤癌是全球范围内最常见的恶性肿瘤之一，早期准确诊断对提高患者生存率至关重要。本文基于YOLO26目标检测算法，构建了一个针对七类常见皮肤病变的自动识别检测系统。研究数据集包含681张训练图像、97张验证图像和195张测试图像，涵盖Bowen‘s Disease、Basal Cell Carcinoma、Benign Keratosis Lesions、Dermatofibroma、Melanom

玉米是我国重要的粮食作物，苗期杂草竞争严重影响其产量与品质。本研究基于YOLO26目标检测算法，构建了一套针对玉米幼苗与杂草的智能识别检测系统。系统采用YOLO26模型，对两个关键类别——玉米幼苗（cron）和杂草（weed）进行训练与验证。数据集包含2661张训练图像、254张验证图像和127张测试图像。

草莓在生长过程中易受多种病害侵袭，严重影响果实品质与产量。本研究基于YOLO26目标检测算法，构建了一套草莓果实病害识别检测系统，实现对五种关键状态的自动检测与分类：Benh cao su（橡胶病）、Benh dom den（黑斑病）、Benh moc xam（灰霉病）、Benh phan trang（白粉病）以及Qua binh thuong（正常果实）。实验数据集包含884张标注图像，其中训练

本研究报告基于YOLO26目标检测算法，构建了一个面向10类常见手势的实时识别检测系统。系统采用Ultralytics YOLO26框架，在包含1400张标注图像的数据集上进行训练与验证，其中训练集1200张，验证集200张。实验结果表明，模型在验证集上达到了98.9%的mAP50，推理速度高达1.0ms/张（约1000 FPS），展现了卓越的检测精度与实时性能。通过对精度-召回率曲线、混淆矩阵及

本研究基于YOLO26目标检测算法，针对铁轨轨道表面缺陷进行自动化识别与分类。实验采用包含四种常见轨道缺陷类型（Spalling、Wheel Burn、Squat、Corrugation）的数据集，其中训练集1916张图像，验证集和测试集各240张图像。通过训练YOLO模型，对各类缺陷的检测性能进行了系统评估。实验结果显示，模型在背景与缺陷的区分上表现良好，但在不同缺陷类别间的区分能力有待提升。总

本论文旨在研究和实现基于YOLO26（You Only Look Once）深度学习框架的船舶识别检测系统。针对海上交通监控、港口管理和海洋安防等应用场景，构建了一个包含10类船舶的数据集，分别为：散货船、集装箱船、杂货船、油品船、客船、油轮、拖网渔船、拖船、车辆运输船和游艇。数据集共包含训练集3498张图像、验证集1000张图像和测试集500张图像。

本报告基于YOLO26目标检测框架，构建了数字的识别系统。系统共包含10个类别，训练集、验证集和测试集分别为966张、99张和50张图像。模型在验证集上取得了mAP50为0.993、mAP50-95为0.917的优异性能，精度和召回率分别达到0.993和0.982。混淆矩阵分析显示，模型对各类别数字的识别准确率接近100%，无明显类别混淆问题。训练过程中的损失函数持续下降，mAP指标稳定上升，表明

本文针对苹果品质检测中的新鲜与腐烂分类问题，基于YOLO目标检测算法构建了一套高效的苹果新鲜腐烂检测系统。该系统可自动识别图像中的新鲜苹果（apple）与腐烂苹果（damaged_apple），为果蔬品质评估提供智能化解决方案。实验采用YOLO26模型在数据集上进行训练与验证，数据集共包含697张标注图像，其中训练集489张、验证集178张、测试集30张。训练结果显示，模型在验证集上的mAP50达

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

本研究基于YOLO26架构构建并训练了一款面向七类基础情绪（愤怒/厌恶/恐惧/高兴/中立 /悲伤/惊讶）的表情识别检测系统。实验数据集共包含5600余张图像，划分为训练集（4483张）、验证集（550张）及测试集（566张）。训练结果表明，该模型在验证集上取得了良好的收敛性。各类别中，“厌恶”（Disgusted）与“高兴”（Happy）的识别精度极高，mAP分别达到93.1%和91.2%。混淆矩