这是一套面向 YOLO 目标检测训练的水果识别数据集，数据包含完整水果、切面、不同包装、近远景和多类桌面背景。data.yamlAppleBananaCube6OrangePineapple也就是苹果、香蕉、Cube6、橙子和菠萝。虽然数据集标题重点介绍橙子、菠萝、香蕉和苹果，但配置文件中确实包含第五类Cube6，训练时不能忽略。水果目标检测与分类生鲜分拣和自动识别颜色、形状与外观对比YOLO 系

什么是微信小程序？- 移动互联网时代，手机。- 手机软件，在手机上中安装很多软件。- 腾讯和阿里（只安装自己不用别人）- 腾讯：微信 + N小程序- 阿里：支付宝 + N小程序为什么要做小程序？微信用户基数大。在微信上用我们小程序会比较便捷。如何开发小程序？小程序：学习微信开发的语言（前端html、css、js、vue.js）微信开发者工具API：restful接口（Python+django+d

YOLO项目环境安装，环境配置，项目环境配置，python虚拟环境搭建

本文基于YOLOv12深度学习框架，设计并实现了一种高效的水果识别检测系统，支持苹果（Apple）、香蕉（Banana）、芒果（Mango）、橙子（Orange）、菠萝（Pineapple）和西瓜（Watermelon）六类常见水果的实时检测。系统采用包含768张训练集、129张验证集和110张测试集的自建YOLO数据集进行模型训练与评估，结合直观的UI界面及用户登录注册功能，提升了交互体验。

本文设计并实现了一种基于深度学习YOLOv12的工地安全帽与防护服识别检测系统，旨在提升施工现场的安全监管效率。系统采用改进的YOLOv12算法，结合包含5类目标（'helmet', 'no-helmet', 'no-vest', 'person', 'vest'）的自定义数据集进行训练，数据集规模为训练集997张、验证集119张、测试集90张。系统集成用户友好的UI界面，支持登录注册功能。实验表

本文基于YOLOv12深度学习框架，设计并实现了一种高效的车辆类型识别检测系统。该系统支持12类车辆检测，包括大型巴士（big bus）、大型卡车（big truck）、不同尺寸的公交车（bus-l-, bus-s-）和小型卡车（small truck）等。项目采用自建的YOLO格式数据集，包含训练集2634张、验证集966张和测试集458张图像，通过数据增强和模型优化提升检测精度。系统整合了用户

本文介绍了一种基于深度学习目标检测算法YOLOv11的手机识别检测系统，该系统通过YOLOv11模型实现了高精度的手机目标检测，并集成了用户友好的UI界面与登录注册功能。系统以Python为核心开发语言，包含完整的项目源码、预训练模型及标注数据集。针对手机检测任务，数据集包含单一类别“Phone”，训练集2700张图像，验证集800张图像，覆盖多样场景和光照条件，确保模型鲁棒性。实验表明，该系统在

本项目基于YOLOv8目标检测算法开发了一套教师课堂行为识别系统，旨在自动识别并分析教学环境中的教师典型行为。系统共检测6类行为：'翘腿（Crossing legs）'、'指导学生（Guiding students）'、'看屏幕（Looking at the screen）'、'讲授或提问（Teaching or asking）'、'使用手机（Using a phone）' 及 '书写（Writi

本项目基于YOLOv8算法开发了一套晶圆体表面缺陷检测系统，旨在对九类常见缺陷进行精准识别与定位，包括Center（中心缺陷）、Donut（环形缺陷）、Edge-Loc（边缘局部缺陷）、Edge-Ring（边缘环形缺陷）、Loc（局部缺陷）、Near-full（近全圆缺陷）、None（无缺陷）、Random（随机分布缺陷）以及Scratch（划痕缺陷）。数据集规模充足且划分合理，共包含13,000

本项目基于YOLOv8目标检测算法构建了一个吸烟行为识别系统，旨在精准检测吸烟相关目标。模型共支持五类目标检测：香烟（Cigarette）、人体（Person）、烟雾（Smoke）、电子烟（Vape）以及吸烟动作（smoking），通过多目标协同检测提升吸烟行为识别的准确性与可靠性。该系统可应用于公共场所智能监控、安全生产管理等场景，实现对吸烟行为的自动化实时监测与预警。