在使用 PyTorch 训练模型并通过 ONNX Runtime 进行 C++ 部署时，遇到 CUDA、cuDNN 和 ONNX Runtime 版本选择的问题。例如：PyTorch 使用 CUDA 11.3PyTorch 使用 cuDNN 8.3.2系统安装 CUDA 11.3系统安装 cuDNN 8.2.0此时部署 ONNX Runtime 时应该选择什么版本？

本文提出了一种基于YOLO目标检测和OpenCV图像处理的瓶装液位检测系统。系统采用两阶段检测流程：首先通过bottle.pt模型检测瓶体并跟踪，然后使用roi_level.pt模型在瓶体区域内定位液位区域。核心算法通过分析图像灰度梯度检测液位，利用液面处亮度变化剧烈的特性确定液位线位置。系统支持实时可视化显示检测结果，包括瓶体框、液位线、目标液位线和统计信息，并具备合格/不合格自动判定功能。

本文展示了一个基于 YOLOv11 深度学习模型的目标检测与跟踪系统，并通过 PyQt5 提供了直观易用的可视化界面。整个项目集成了 模型推理、文件夹自动监控、图像处理、结果可视化、UI交互 等功能，既可以进行单张图片的检测，也支持对文件夹进行实时监控和目标跟踪。

本文展示了一个基于 YOLOv11 深度学习模型的目标检测与跟踪系统，并通过 PyQt5 提供了直观易用的可视化界面。整个项目集成了 模型推理、文件夹自动监控、图像处理、结果可视化、UI交互 等功能，既可以进行单张图片的检测，也支持对文件夹进行实时监控和目标跟踪。