本文介绍了一款基于YOLO算法的红外行人识别系统，该系统具备多模态检测、模型切换、结果保存等功能，适用于安防监控等场景。系统采用Python3.10开发，前端使用bootstrap，后端基于django，数据库为SQLite。通过对比YOLOv5/v8/v11/v12模型性能，YOLO12n在精度上表现最优（mAP40.6%），YOLO11n在速度上最具优势（CPU推理56.1ms）。系统支持用户

本文介绍了一个基于YOLO算法的肾结石检测系统。该系统支持多模态检测（图片/视频/实时摄像头）、多模型切换（YOLOv5/v8/v11/v12）、检测结果保存与历史浏览等功能，并配有管理员后台。技术栈采用Python3.10+Django+Bootstrap+SQLite。通过模型对比，YOLO12n精度最高（mAP40.6%），YOLO11n速度最快（56.1ms）。训练结果显示mAP@0.5达

本文介绍了一款基于YOLO算法的电缆损害检测系统，该系统针对电力行业智能化需求，解决了传统人工检测效率低、风险高的问题。系统支持多模态检测（图片/视频/实时流）、多模型切换（YOLOv5/v8/v11/v12）及结果保存导出，并配备管理员功能。技术分析显示，YOLO12n模型精度最高（mAP40.6%），YOLO11n速度最优（56.1ms）。训练结果显示F1值达0.88，mAP@0.5达90.7

本文介绍了一款基于YOLO算法的PCB板元器件检测系统。该系统支持多模态检测（图片/视频/实时画面）、多模型切换（YOLOv5/v8/v11/v12）、结果保存与历史追溯等功能，并配备管理员后台。技术栈采用Python+Django+Bootstrap，模型对比显示YOLO12n精度最高（mAP40.6%），YOLO11n速度最优（56.1ms）。系统通过795张图片训练22类元器件，最终达到69

本文介绍了一款基于YOLO算法的水稻病害检测系统。该系统支持图片、视频及实时摄像头检测，具备多模型切换、检测结果保存与历史追溯等功能，采用Django+Bootstrap框架开发。通过对比YOLOv5/v8/v11/v12模型性能，推荐YOLO12n(精度最高)和YOLO11n(速度最快)。训练结果显示mAP@0.5达96.6%，F1值0.94，能有效识别6类水稻病害。该系统解决了传统人工巡检效率

本文介绍了一个基于YOLO算法的多物种动物识别系统。该系统支持图片、视频及摄像头实时检测，具备多模型切换、结果保存、历史记录查询等功能，并采用YOLOv5/YOLOv8/YOLOv11/YOLOv12等多种模型进行性能对比。实验表明，YOLO12n模型在精度(mAP40.6%)和效率上表现最优，YOLO11n则在推理速度(56.1ms)上最具优势。系统采用Python3.10+Django+Boo

本视频演示了一款基于YOLO算法的跌倒检测系统，该系统针对养老看护、园区安防等场景设计，解决了传统人工看护的局限性。系统支持多模态检测（图片/视频/实时画面）、模型切换（YOLOv5/v8/v11/v12）、检测结果保存与历史追溯等功能，并配备语音预警。技术栈采用Python+Django+Bootstrap，模型对比显示YOLO12n精度最高（mAP40.6%），YOLO11n速度最优（56.1

本文介绍了一套基于YOLO系列算法的麦穗计数系统，该系统支持图片、视频和实时摄像头的多模态检测。系统采用PyQt5开发前端界面，内置YOLOv5/v8/v11/v12等多种模型，用户可灵活切换并调节置信度。技术分析显示，YOLO12n模型表现最优（mAP40.6%），YOLO11n速度最快（56.1ms）。系统支持检测结果保存、语音播报和数据导出功能，为智慧农业提供高效精准的麦穗计数解决方案。

本文介绍了一款基于YOLO算法的花朵识别系统，该系统支持多模态检测（图片/视频/摄像头）、多模型切换（YOLOv5/v8/v11/v12）和结果保存功能。系统采用Python+Django+Bootstrap技术栈，通过对比测试显示YOLO12n模型精度最高（mAP40.6%），YOLO11n速度最优（56.1ms）。训练数据包含5400+张图片、103种花卉类别，最终模型达到92.3%的mAP@

本文介绍了一款基于YOLO算法的农业害虫检测系统。系统具备多模态检测、多模型切换、结果保存和历史追溯等功能，支持图片/视频/摄像头实时检测。技术栈采用Python3.10+Django+Bootstrap，集成YOLOv5/v8/v11/v12等模型。实验显示YOLO12n精度最高（mAP40.6%），YOLO11n速度最优（56.1ms）。系统提供完整的用户管理和数据导出功能，为农业害虫检测提供