本研究设计并实现了一套高效、可扩展且用户友好的实时人脸表情识别系统。系统核心采用最前沿的深度学习目标检测架构——YOLO系列模型（支持YOLOv8至YOLOv12的动态切换），在包含‘愤怒’、‘厌恶’、‘恐惧’、‘快乐’、‘中性’、‘悲伤’、‘惊讶’七类表情的自有数据集上进行训练与优化。为实现便捷的交互与高效的管理，本系统创新性地构建了前后端分离的现代化Web应用：前端基于Vue.js框架提供直观

本系统采用前后端分离的架构。后端以SpringBoot框架为核心，负责业务逻辑、用户管理与数据持久化，使用MySQL数据库存储用户信息与检测记录。前端提供交互式Web界面，实现数据可视化与管理功能。系统的核心检测模块集成并支持YOLOv8、YOLOv10、YOLOv11、YOLOv12四种先进的YOLO系列目标检测算法，针对包含black_core（黑心）、crack（裂纹）、finger（断栅）

摘要： 随着城市化进程的加速和智能交通系统的普及，高效、准确的行人与车辆目标检测成为智慧城市、自动驾驶及公共安全等领域的关键技术。传统视频监控方法依赖于人工筛查，存在实时性差、易漏检和成本高昂等问题。本研究设计并实现了一个基于深度学习与Web技术的实时行人车辆检测与分析系统。系统核心集成当前最前沿的YOLOv8、YOLOv10、YOLOv11及YOLOv12四种目标检测算法，构建了一套可灵活切换、

本文提出了一种基于深度学习技术的晶圆体缺陷识别检测系统，该系统集成了当前最先进的YOLO系列目标检测算法（包括YOLOv8、YOLOv10、YOLOv11和YOLOv12），并创新性地融入了DeepSeek智能分析模块。系统采用前后端分离的现代化Web架构，具备完善的用户管理、多模态检测（图像、视频、实时摄像头）、数据可视化和智能分析功能。通过优化的深度学习模型和精心设计的用户界面，本系统能够准确

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

本文设计并实现了一套基于YOLOv8/v10/v11/v12算法与SpringBoot框架的前后端分离火灾检测Web系统。系统旨在通过深度学习技术，实现对火灾早期特征——火焰（'fire'）与烟雾（'smoke'）——的精准、实时识别。项目采用自建数据集，包含6,744张高质量标注图像（训练集4,832张、验证集1,000张、测试集912张），确保了模型的鲁棒性。系统核心提供了一个集用户管理、实时

本文详细介绍了一套功能完整、技术先进的“基于深度学习的安全帽佩戴识别检测系统”。该系统旨在解决工业生产、建筑工地、电力巡检等高风险场景下的人员安全监管难题。系统核心采用当下最前沿的YOLO系列目标检测模型（集成YOLOv8、YOLOv10、YOLOv11及YOLOv12），实现了对“安全帽”（helmet）和“头部”（head，即未佩戴安全帽）两类目标的高精度、实时检测。项目不仅构建了强大的算法后

DeepSeek智能分析是一个集成了最新目标检测技术与现代化Web开发框架的高性能、可扩展的智能视觉分析平台。该系统核心致力于解决公共卫生场景下的口罩佩戴规范检测问题，通过先进的YOLO系列算法，实现了对图像、视频及实时摄像头流中人员是否佩戴口罩的精准、高效识别。系统采用前后端分离的架构设计，后端使用稳健的SpringBoot框架构建RESTful API，负责核心业务逻辑、用户管理与AI模型调度

本文详细阐述了一个集成了先进深度学习目标检测算法与现代化Web交互界面的智能车辆类型识别检测系统的设计与实现。该系统以多版本YOLO系列模型（包括最新的YOLOv8, YOLOv10, YOLOv11, YOLOv12）为核心检测引擎，构建了一个功能完备、前后端分离的Web应用平台。系统不仅实现了对图片、视频及摄像头实时流的精准车辆检测与12类精细车型分类，还创新性地整合了DeepSeek大语言模

摘要： 随着智能手机的普及，在特定场合（如考场、会议室、涉密区域）对其的自动检测与管控需求日益增长。针对这一问题，本文设计并实现了一个基于YOLO系列目标检测算法与SpringBoot框架的手机检测系统。系统采用前后端分离的架构，后端以SpringBoot为核心，负责模型推理、业务逻辑处理和数据库交互；前端提供直观的Web交互界面，支持图像、视频及摄像头实时流的手机检测与识别。系统创新性地集成了Y