摘要：本文介绍了一款基于YOLOv8深度学习的淡水鱼检测桌面应用系统，采用PySide6构建中文图形界面，支持4种常见淡水鱼（黄辣丁、鳊鱼、鲫鱼、黑鱼）的自动识别。系统提供图片、视频、摄像头等多种检测模式，具备参数调节、类别筛选、实时显示、统计分析等功能，可一键导出Excel报表和标注图像/视频。采用多线程架构确保流畅运行，支持用户认证管理，面向水产养殖、市场监管等非专业用户设计，实现零代码操作。

输入模式说明单张图片选择一张图片进行检测，结果显示在右侧面板批量图片选择文件夹，自动检测其中所有图片文件视频文件逐帧检测视频，支持跳帧加速实时摄像头连接 USB/内置摄像头，实时显示检测结果main.py# 程序入口：初始化数据库 → 登录认证 → 启动主界面auth.py# 认证模块：SQLite 用户数据库 + 登录/注册界面。

摘要：本文介绍了一套基于YOLOv8深度学习模型的鸟类检测系统，采用PySide6构建GUI界面，支持34种常见鸟类识别。系统具备多模式检测（图片/视频/摄像头）、参数调节、类别筛选、实时显示和结果统计等功能，可输出Excel报表及标注图像/视频。技术架构包含PyTorch后端、OpenCV图像处理和SQLite用户认证，具有零代码操作、中文生态支持和灵活参数控制等特点。系统适用于野外生态监测，提

摘要：本文介绍了一套基于YOLOv8深度学习模型的鸟类检测系统，采用PySide6构建GUI界面，支持34种常见鸟类识别。系统具备多模式检测（图片/视频/摄像头）、参数调节、类别筛选、实时显示和结果统计等功能，可输出Excel报表及标注图像/视频。技术架构包含PyTorch后端、OpenCV图像处理和SQLite用户认证，具有零代码操作、中文生态支持和灵活参数控制等特点。系统适用于野外生态监测，提

本文介绍了遥感领域10个重要的公开数据集，包括DOTA、DIOR、FAIR1M等，涵盖目标检测和场景分类任务。这些数据集具有不同特点：DOTA规模最大且支持旋转框标注；FAIR1M提供精细目标分类；NWPU-RESISC45专注于场景分类；HRSC2016专攻舰船检测。每个数据集均提供了下载链接和引用论文，强调仅限学术使用。这些数据集为遥感图像分析研究提供了重要基准，适用于不同算法验证需求，从大规