本项目基于YOLOv8深度学习框架，开发了一套专用于水下环境的高效鱼类识别系统。系统针对单一鱼类类别进行优化，采用1463张精心标注的水下图像数据集（训练集1170张、验证集146张、测试集147张）进行模型训练。通过特殊的数据增强技术和水下图像复原算法，系统能够克服水下环境特有的光线衰减、散射干扰和低对比度等挑战，实现高精度的鱼类目标检测。

YOLOv10七种车辆类型检测系统是一个基于YOLOv10（You Only Look Once version 10）目标检测算法的智能系统，专门用于检测和分类七种不同类型的车辆。tiny-car（小型汽车）mid-car（中型汽车）big-car（大型汽车）small-truck（小型卡车）big-truck（大型卡车）oil-truck（油罐车）和special-car（特种车辆）。通过该系

铁路轨道缺陷检测对保障列车运行安全至关重要。传统人工检测方法效率低且易受主观因素影响，而基于计算机视觉的自动化检测技术可显著提升检测精度与效率。本研究提出一种基于YOLOv11深度学习模型的铁路轨道缺陷智能检测系统，针对四种常见缺陷（裂缝Crack、断裂Putus、剥落Spalling、压溃Squat）进行高精度识别。系统采用包含1,312张训练图像、184张验证图像和97张测试图像的数据集进行模

本文设计并实现了一个基于深度学习的船舶类型智能识别与管理系统。系统采用前后端分离架构，后端基于SpringBoot框架，前端提供现代化的Web交互界面，并利用MySQL数据库进行数据持久化管理。在核心检测算法上，系统创新性地集成并对比了当前最先进的YOLO系列目标检测模型（包括YOLOv8、YOLOv10、YOLOv11和YOLOv12），并针对海事场景构建了涵盖10类常见船舶（如散货船、集装箱船

本文介绍了一个集成了最新计算机视觉技术与现代Web开发框架的综合性教师课堂行为识别与分析系统。该系统旨在通过非侵入式手段，自动识别和记录教师在课堂教学中的关键行为模式，为教学评估、教师专业发展与教育研究提供客观、量化的数据支持。系统的核心采用以YOLOv8为基准，并兼容至前沿的YOLOv12系列模型的目标检测算法，确保了对“翘腿”、“指导学生”、“看屏幕”、“讲授/提问”、“使用手机”、“书写”等

随着中医药现代化的推进，中药材的自动化检测与智能化分拣成为行业升级的关键需求。传统的人工鉴别方法效率低、主观性强，难以满足大规模生产的需求。本项目基于前沿的YOLOv11深度学习目标检测算法，开发了一套面向45类常见中药材的可见光检测系统。该系统能够高效、准确地识别包括白茯苓、白芍、白术、冬虫夏草、人参等在内的多种药材。系统支持静态图片批量检测、动态视频流实时分析以及摄像头实时捕捉三种工作模式，为

随着人工智能与中医药现代化的深度融合，基于深度学习的计算机视觉技术为中药材的自动化鉴别与分类提供了全新的解决方案。本系统基于最新的YOLOv10目标检测算法，针对45种常见中药材（如白茯苓、白芍、白术、人参、天麻、川贝母等）的视觉特征，开发了一套高精度的智能检测识别系统。系统支持图像、视频以及实时摄像头三种检测模式，能够对采集的药材图像进行实时、准确的定位与分类。该研究旨在解决传统人工鉴别效率低、

本项目基于YOLOv8深度学习框架，开发了一套面向中药材的可见光图像智能识别系统。系统针对45种常见中药材（包括白茯苓、白芍、白术、蒲公英、甘草等）进行目标检测与识别，可实现从图像、视频以及实时摄像头流中快速准确地识别和定位中药材。系统采用先进的YOLOv8目标检测算法，结合自建的10,000余张高质量中药材图像数据集，实现了对中药材外观特征的精准学习和识别。该系统可广泛应用于中药材种植基地的药材

该系统实现了对图像、视频流以及实时摄像头画面中无人机的精准识别与定位，为低空空域安全监控提供了高效智能的技术解决方案。实验结果表明，基于YOLOv12的检测模型在自建无人机数据集上取得了优异的检测性能，在保证实时检测速度的同时，有效提升了小目标的检测精度。

本项目基于最新的YOLOv10（You Only Look Once version 10）深度学习目标检测算法，设计并实现了一套面向可见光场景的无人机检测系统。YOLOv10以其端到端的实时检测能力和高精度特性，为复杂背景下的无人机识别提供了技术支撑。系统具备三大核心功能模块：图片检测、视频检测以及实时摄像头检测，能够实现对单张图像、离线视频文件及实时监控画面中无人机的精准定位与识别。实验结果表