摘要：本项目基于YOLOv11实现了鲜茶叶分级系统，包含完整代码、数据集、预训练模型、GUI界面及各项评估指标。系统采用PyTorch框架，支持图像/视频实时检测，提供简洁高效的PySide6界面。项目结构清晰，包含模型训练、验证流程，并附带详细使用说明。核心功能包括图像上传、目标检测、结果显示及参数调整，检测速度达毫秒级。所有资料完整打包，开箱即用，适用于PyCharm/Anaconda或VSC

摘要：该项目基于YOLOv11实现草莓病虫害检测系统，包含完整代码、数据集、预训练模型及GUI界面。系统支持图像/视频实时检测，提供精确率、召回率等指标评估。用户可选择使用预训练模型或自行训练，通过修改配置文件路径即可完成模型训练与验证。GUI界面采用PySide6+OpenCV开发，支持图像上传、目标检测及结果显示功能。项目结构清晰，提供详细的环境配置教程，适用于PyCharm/VS Code+

基于yolov11的舰船检测系统在pytorch框架下实现的，这是一个完整的项目，包括代码，数据集，训练好的模型权重，模型训练记录，GUI界面和各种模型指标（精确率、召回率等）等。GUI界面由pyqt5设计实现，可用笔记本摄像头或者外接USB摄像头该项目是在pycharm和anaconda搭建的虚拟环境 或者 vscode和anaconda搭建的虚拟环境 执行的超详细的pycharm+anacon

本项目基于YOLOv10实现舌象诊断系统，结合DeepSeek接口提供治疗建议。系统包含完整代码、数据集、预训练模型权重及GUI界面（采用PySide6开发），支持图像检测、视频实时检测功能。用户可选择使用预训练模型或自行训练（通过修改data.yaml和运行train.py）。系统实现了舌象目标检测，平均检测时间为0.3秒，并展示检测框坐标、类别及置信度等指标。项目提供完整的开发环境配置指南，支

本文介绍了一个基于YOLOv10的疲劳驾驶监控系统，采用PyTorch框架实现。项目包含完整代码、数据集、预训练模型、GUI界面（使用PySide6开发）及模型性能指标。系统通过摄像头实时检测驾驶员状态，发现疲劳时触发语音警报。项目支持模型重新训练（提供train.py和val.py脚本）和GUI演示（gui.py），包含详细的配置教程和环境搭建指南。GUI界面简洁实用，支持图像/视频检测，并显示

本文介绍了一个基于YOLOv13和DeepSORT的行人检测、追踪与计数系统。项目包含完整代码、预训练模型权重、GUI界面（使用PySide6开发）及模型训练记录，支持USB摄像头或笔记本摄像头输入。系统在PyCharm+Anaconda虚拟环境中运行，提供两种使用方式：直接使用预训练模型或重新训练模型。训练过程需修改数据集路径后运行train.py，验证阶段通过val.py评估模型性能。GUI界

本文介绍了一个基于YOLOv10的花卉检测系统，使用PyTorch框架实现。项目包含完整代码、数据集、预训练模型权重、GUI界面及性能指标。GUI界面由PySide6开发，支持图像和视频实时检测。系统支持两种使用方式：直接加载预训练模型或重新训练模型（需修改数据集路径后运行train.py和val.py）。项目结构清晰，包含模型训练、验证和GUI展示模块。核心代码展示了图像上传、目标检测和结果显示

摘要：本文介绍了一个基于YOLOv10的水果成熟度检测系统，使用PyTorch框架实现。项目包含完整代码、数据集、预训练模型权重、GUI界面及各项性能指标。GUI界面采用PySide6开发，支持图像和实时视频检测。用户可选择使用预训练模型或自行训练（通过修改配置文件并运行train.py）。系统提供了精确率、召回率等评估指标，项目结构清晰，开箱即用。核心代码展示了图像上传、目标检测和结果显示功能，

本文介绍了一个基于卷积神经网络的大豆病虫害识别与防治系统。系统采用PyTorch框架实现，包含ResNet50、AlexNet和MobileNet三种可选模型，支持模型对比分析。项目使用Python+Pyside6+OpenCV技术栈开发GUI界面，可在PyCharm/Anaconda或VSCode/Anaconda环境下运行。系统功能包括：1）支持自定义数据集训练；2）输出训练过程的准确率/损失