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

落石与滑坡是我国山区常见的地质灾害类型，具有突发性强、破坏性大、监测预警困难等特点，严重威胁山区公路、铁路及居民点安全。针对传统人工巡查效率低、传感器监测成本高等问题，本文提出了一种基于改进YOLO26的目标检测方法，实现对落石与滑坡两类地质灾害的自动识别与定位。研究构建了包含1000张标注图像的数据集（训练集810张、验证集90张、测试集100张），涵盖不同地形、光照和季节条件下的落石与滑坡样本

疲劳驾驶是导致交通事故的主要原因之一，因此开发实时、准确的驾驶员状态监测系统具有重要意义。本文基于YOLO26目标检测算法，构建了一个针对驾驶员面部状态的疲劳检测系统，专注于识别"清醒"（awake）和"疲劳"（drowsy）两种状态。系统采用YOLO26架构进行模型训练与优化，数据集包含训练集1056张、验证集103张和测试集71张。实验结果表明，模型在验证集上的平均精度（mAP50）达到0.9

本报告基于YOLO26目标检测算法，构建并训练了一个面向交通场景的车辆与行人检测系统。系统采用双类别检测架构（行人、车辆），使用包含5607张标注图像的数据集进行训练与验证。实验结果表明，模型在验证集上取得了0.944的mAP50优异成绩，其中车辆检测mAP50达到0.970，行人检测达到0.919。模型推理速度仅1.2ms/张，具备实时检测能力。混淆矩阵分析显示，行人与车辆之间存在一定程度的互相

本文针对Apex英雄游戏中的关键视觉元素检测任务，构建了一套基于YOLO26深度学习模型的人物与物体识别系统。该系统以YOLO26架构为基础，实现对游戏画面中“avatar”（角色）与“object”（物体）两类目标的实时检测与定位。实验采用包含3,689张标注图像的数据集（训练集2,583张，验证集691张，测试集415张），经过充分训练后，模型在验证集上取得了0.846的mAP50。其中，av

本文基于YOLO26目标检测算法，构建了一套面向热成像图像的人员识别检测系统。系统以YOLO26为骨干网络，采用单类别（人员）检测任务，训练数据集共包含25,000余张热成像图像，其中训练集21,422张，验证集3,061张，测试集1,531张。实验结果表明，模型在验证集上的mAP@0.5达到0.91。混淆矩阵分析显示，人员检测准确率为88%。系统在热成像低光照、复杂背景等条件下表现出较好的鲁棒性

本文针对火箭发射过程中的关键目标检测任务，构建了一个基于YOLO架26构的三类目标检测系统，用于识别发动机火焰（Engine Flames）、火箭箭体（Rocket Body） 及太空（Space） 区域。模型在包含24,435张训练图像、2,428张验证图像及1,286张测试图像的数据集上进行训练与评估。实验结果表明，模型在发动机火焰与火箭箭体两类目标上表现优异，mAP50分别达到0.966与0

本项目基于YOLOv10目标检测算法，开发了一套专注于交通场景下骑手安全装备合规性检测的系统。模型共检测三类目标：佩戴的头盔（helmet）、摩托车车牌（license_plate）以及摩托车骑手（motorcyclist），类别数nc=3。该系统可同时对骑手、头盔及车牌进行实时定位，核心应用价值在于自动监控骑手是否按规定佩戴头盔，为智慧交通管理、违章自动执法及骑手安全督导提供有效的技术解决方案。

本项目基于YOLOv8目标检测算法构建了一个专业的白细胞类型识别系统，旨在实现血液显微图像中五类白细胞的自动化检测与分类。系统以YOLOv8模型为核心架构，设定nc（类别数）参数为5，对应识别嗜碱性粒细胞（Basophil）、嗜酸性粒细胞（Eosinophil）、淋巴细胞（Lymphocyte）、单核细胞（Monocyte）和中性粒细胞（Neutrophil）这些关键白细胞类型。

本项目基于YOLOv10目标检测算法构建了一个专业的火箭发射过程多部件检测系统，专门用于识别火箭发射过程中的三个关键组成部分：发动机火焰（Engine Flames）、火箭箭体（Rocket Body）以及周围空间背景（Space）。系统通过对火箭发射场景的实时分析，能够精准定位并分类火箭本体及其产生的尾焰。该项目展现了YOLOv10在高速度、高精度目标检测任务上的优势，适用于航天发射场监控、视频