本文针对课堂教学智能化分析需求，构建了一套基于YOLOv8的教师行为检测系统。该系统旨在自动识别课堂场景中教师的六类关键行为：跷腿、引导学生、看屏幕、授课或提问、使用手机及书写。通过构建包含9,820张标注图像的数据集，并按照约9:1的比例划分为训练集（8,843张）、验证集（617张）与测试集（360张），训练了轻量级YOLOv8检测模型。实验结果表明，模型在验证集上的整体平均精度均值（mAP5

茶叶病害的快速、准确识别是智慧农业的重要组成部分。本研究基于YOLOv8目标检测算法，构建了一套茶叶病害检测系统，涵盖黑腐病、褐枯病、叶锈病、红蜘蛛 infestation、茶角盲蝽 infestation、茶叶健康叶片、白斑病及病害区域共8个类别。实验采用4,736张训练图像、273张验证图像和406张测试图像进行模型训练与评估。

本文设计并实现了一种基于YOLOv8的美国硬币识别检测系统，旨在自动识别图像中的四种常见硬币：Dime（10美分）、Nickel（5美分）、Penny（1美分）和Quarter（25美分）。系统采用YOLOv8目标检测框架，在包含120张标注图像的数据集上进行训练、验证与测试。实验结果表明，模型在验证集上的mAP50和mAP50-95均达到1.0，精确率与召回率表现良好。然而，混淆矩阵分析显示，N

施工现场因人员、机械、环境复杂，安全违章行为检测是智慧工地建设的关键环节。本文基于YOLOv8目标检测算法，构建了一个涵盖25类施工场景目标（包括人员、安全防护用品、工程车辆及违章行为等）的施工现场安全检测系统。模型在包含521张训练图像、114张验证图像和82张测试图像的私有数据集上进行训练与评估。训练结果表明，模型收敛良好，损失函数平稳下降，最终mAP50达到0.99，mAP50-95达到0.

本文基于YOLOv8目标检测算法构建了一个高精度的石头剪刀布手势识别系统。系统采用三类别检测框架（Paper、Rock、Scissors），共使用包含7365张图像的数据集进行训练与验证。训练结果显示，模型在576张验证集上取得了0.962的mAP50和0.79的mAP50-95，总体精确率达0.966，召回率达0.93。推理速度仅为3.8ms/图像（NVIDIA RTX 3080 Ti），满足实

本系统基于YOLOv8框架构建了一个针对足球比赛场景的轻量级多目标检测模型，旨在实现对球员、裁判、守门员及足球的实时识别。模型共包含168层网络结构，参数量为1112万，计算复杂度为28.4 GFLOPs，具备良好的实时部署潜力。在包含298张训练图像、49张验证图像和25张测试图像的自建数据集上进行训练与评估后，实验结果显示，模型在球员类别上取得了98.6%的mAP50，裁判与守门员类别的mAP

本报告针对密集行人检测任务，基于YOLOv8框架构建了一个单类别（person）目标检测系统。模型在包含9,000张图像（训练集7,200张，验证集1,800张）的数据集上进行训练与评估。实验结果表明，模型在验证集上达到0.760的mAP50和0.792的精确率，但召回率仅为0.658，mAP50-95为0.477。混淆矩阵分析显示存在9,825例漏检（占真实样本约22.5%），主要源于密集场景下

本研究基于YOLOv8框架构建了一种针对12类常见农田杂草的实时检测系统。该系统采用单阶段目标检测架构，在包含2796张训练图像和523张验证图像的数据集上进行训练与评估。实验结果表明，模型在验证集上取得了93.8%的mAP50和88.1%的mAP50-95，整体精确度达到91.9%，召回率为88.9%。模型推理速度仅为2.1ms/张（约476 FPS），参数量控制在1113万，展现出优异的检测精

针对苹果成熟度分级依赖人工、主观性强且效率低的问题，本文提出一种基于YOLOv8的苹果成熟度自动检测系统。系统能够识别五个类别：20%成熟度、50%成熟度、75%成熟度、100%成熟度以及烂果。模型训练使用2,144张标注图像，并在独立验证集（359张）和测试集（225张）上进行评估。实验结果表明，模型在验证集上的平均精度均值（mAP@0.5）达到94%，其中50%成熟度和烂果的检测精度分别高达0

针对工业轴承表面缺陷自动化检测需求，本文基于YOLOv8目标检测算法构建了一套高精度轴承缺陷检测系统。系统聚焦四类典型缺陷：aocao、aoxian、cashang与huahen，共采集并标注1085张轴承图像，按7:3比例划分为训练集（759张）与验证集（326张）。实验采用YOLOv8网络架构，结合数据增强与迁移学习策略进行训练。模型在验证集上取得了mAP50达0.995、精确率0.997、召