本项目基于先进的YOLOv8目标检测算法，开发了一套专门用于家具识别的智能视觉系统。系统针对三类常见家具（椅子、沙发和桌子）进行高效识别与定位，共使用了689张标注图像作为数据集。通过深度学习技术，该系统能够实时准确地检测图像或视频流中的家具物品，并标注其类别和位置信息。项目实现了从数据采集、标注、模型训练到性能评估的完整流程，最终在测试集上达到了较高的识别精度，为智能家居、室内导航、家具电商等应

本项目基于先进的YOLOv12目标检测算法，开发了一套高效可靠的设备泄漏检测系统。系统整合了深度学习技术与用户友好的交互界面，实现了对工业设备泄漏情况的实时监测与精准识别。项目包含完整的YOLO数据集支持，采用Python作为核心开发语言，构建了包含用户登录注册功能的可视化UI界面。系统通过优化的YOLOv12模型实现了高精度的泄漏点检测，同时提供完整的项目源码和预训练模型，便于二次开发和性能调优

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。本研究基于包含7类皮肤病变的公开数据集，包括Bowen's Disease（鲍温病）、Basal Cell Carcinoma（基底细胞癌）、Benign Keratosis Lesions（良性角化病变）、Dermatofibroma（皮肤纤维瘤）、Melanoma（黑色素瘤）、Melanocytic Nevus（黑素

本文提出了一种基于深度学习YOLOv12的皮肤病识别检测系统，旨在实现对7类常见皮肤病变的自动化识别与分类。该系统整合了YOLOv12目标检测算法、定制化的皮肤病YOLO数据集（包含Bowen's Disease、Basal Cell Carcinoma等7类病变，总计训练集681张、验证集97张、测试集195张图像），并开发了用户友好的UI界面及登录注册功能。实验结果表明，该系统在测试集上表现出

本文提出了一种基于深度学习YOLOv12的无人机红外检测系统，旨在实现对行人（Person）、车辆（Car）、其他交通工具（OtherVehicle）及干扰项（DontCare）的高效检测。系统采用改进的YOLOv12算法，结合红外图像特性进行优化，在包含10,128张训练图像、715张验证图像和355张测试图像的自定义数据集中实现了高精度目标识别。系统设计包含用户友好的UI界面，支持登录注册功能

本文提出了一种基于深度学习YOLOv12的表情识别检测系统，能够实时检测并分类7种基本表情（愤怒、厌恶、恐惧、快乐、中性、悲伤、惊讶）。系统采用改进的YOLOv12算法，结合高质量YOLO格式表情数据集（训练集4483张、验证集550张、测试集566张），显著提升了复杂场景下的表情检测精度与鲁棒性。此外，系统集成了用户友好的UI界面，支持登录注册功能引言表情识别是人机交互与情感计算的核心技术，广泛

本文设计并实现了一种基于深度学习YOLOv11算法的无人机红外检测系统，用于实时检测行人（Person）、车辆（Car）、其他交通工具（OtherVehicle）及干扰项（DontCare）四类目标。系统采用改进的YOLOv11模型，结合红外图像特性优化检测性能，并在自制数据集（训练集10,128张、验证集715张、测试集355张）上达到较高精度。此外，系统集成用户友好的UI界面，支持登录注册功能

本文提出了一种基于深度学习YOLOv11架构的表情识别检测系统，能够实时检测并分类7种基本表情：愤怒（Angry）、厌恶（Disgusted）、恐惧（Fearful）、快乐（Happy）、中性（Neutral）、悲伤（Sad）和惊讶（Surprised）。系统采用YOLOv11目标检测模型，结合高质量的表情数据集（训练集4483张、验证集550张、测试集566张），实现了高精度和鲁棒性的表情识别。

本文基于深度学习目标检测算法YOLOv11，设计并实现了一套传送带缺陷识别检测系统。系统针对传送带表面常见的四类缺陷（堵塞、裂缝、异物、孔洞）进行自动化检测，采用改进的YOLOv11模型，结合1860张训练图像、318张验证图像和167张测试图像构建的数据集进行训练与优化。系统集成用户友好的UI界面，支持登录注册功能，实现了缺陷检测的可视化操作与结果管理。实验结果表明，该系统在测试集上达到较高的检

本文提出了一种基于深度学习目标检测模型YOLOv11的晶圆体缺陷检测系统，旨在实现高效、精准的晶圆制造缺陷分类与定位。该系统针对9类典型晶圆缺陷（Center、Donut、Edge-Loc、Edge-Ring、Loc、Near-full、None、Random、Scratch）进行检测，采用包含13,000张标注图像的数据集（训练集10,400张，验证集与测试集各1,300张）进行模型训练与评估。