基于深度学习的数字识别检测系统|全新web界面|多模态|AI大模型智能分析|YOLOv8、YOLOv10、YOLOv11、YOLOv12

斌擎人工智能官方账号

386人浏览 · 2026-03-04 17:32:17

斌擎人工智能官方账号 · 2026-03-04 17:32:17 发布

摘要

本文设计并实现了一个基于深度学习的数字多目标检测与识别系统。系统采用前后端分离架构，后端基于SpringBoot框架，前端采用现代化Web技术提供交互式界面，并利用MySQL数据库进行数据持久化管理。在核心识别算法上，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），并针对数字识别的特点构建了涵盖0-9十个类别的专用数据集。系统功能全面，不仅支持图像、视频及摄像头实时流中的数字目标检测与识别，还深度融合了DeepSeek大型语言模型，为识别结果提供智能化的场景理解分析。此外，系统包含完整的用户权限管理、历史记录追溯、多维度数据可视化及管理员后台等模块。实验结果表明，该系统能够高效、准确地完成复杂场景下的多数字目标定位与分类任务，为教育评估、文档数字化、工业视觉检测等应用场景提供了一个功能强大、可扩展的智能解决方案。

关键词： 数字识别；多目标检测；YOLO；SpringBoot；DeepSeek；智能文档分析；Web系统

详细功能展示视频

数字识别检测系统YOLOv8/YOLOv10/YOLOv11/YOLOv12+深度学习+DeepSeek智能分析 +前后端分离_哔哩哔哩_bilibili

数字识别检测系统YOLOv8/YOLOv10/YOLOv11/YOLOv12+深度学习+DeepSeek智能分析 +前后端分离_哔哩哔哩_bilibilihttps://www.bilibili.com/video/BV1mrzhBAEVi/?spm_id_from=333.999.0.0&vd_source=549d0b4e2b8999929a61a037fcce3b0fhttps://www.bilibili.com/video/BV1mrzhBAEVi/

一、引言

1.1 研究背景与意义

在信息化与智能化快速发展的时代，数字作为最基本的信息载体之一，其自动识别技术在教育、金融、物流、工业质检等诸多领域具有广泛的应用需求。

传统的光学字符识别技术在处理规范印刷体数字方面已较为成熟，但在面对复杂背景下的视频流中的动态数字，其识别鲁棒性和定位准确性仍面临挑战。以YOLO为代表的深度学习目标检测技术，能够同时实现目标的定位与分类，为复杂场景下的数字识别提供了新的技术路径。

1.2 国内外研究现状

YOLO系列算法发展： YOLOv8在速度和精度上取得了良好平衡；YOLOv10致力于无NMS设计以提升效率；后续版本持续优化骨干网络和训练策略。将其应用于专用数字识别任务是一个值得探索的方向。
AI系统集成趋势： 将CV模型与LLM结合，构建具备“视觉感知-语义理解”能力的系统，成为当前的研究热点，例如让系统不仅能“看到”数字，还能“理解”数字组成的含义。

1.3 本文主要工作与贡献

本文的核心工作是设计并实现一个“基于YOLOv8/v10/v11/v12与SpringBoot的数字识别检测系统”。具体贡献如下：

创建了多模型数字识别对比验证平台： 在系统层面集成了YOLOv8至YOLOv12多个版本的先进检测模型，使用户可以在统一框架下对比不同模型在数字识别任务上的精度、速度等性能，为实际部署选型提供依据。
开发了功能完备的数字识别Web应用： 采用SpringBoot后端与现代化前端技术栈，实现了用户管理、多模态数字检测（图/视/实时）、识别记录全生命周期管理、数据可视化等完整业务流程。
实现了DeepSeek驱动的智能数字场景分析
建立了结构化的数字识别数据资产库： 所有用户的识别请求、模型输出、智能分析结果均被系统化存储于MySQL数据库中，形成了可查询、可审计、可挖掘的数据资产，为模型迭代和业务分析奠定了数据基础。

项目概述

本项目是一个专注于数字字符识别的、集成了前沿目标检测算法与多模态AI分析能力的综合性智能应用平台。

核心目标： 实现对图像、视频及实时视频流中多个印刷体数字（0-9）的精确检测、定位与识别，并通过功能丰富的Web平台，为用户提供一站式识别服务、深度智能分析与高效数据管理。

系统亮点：

算法专业化与前沿性：
- 专为数字识别任务优化，内置基于专用数据集训练的YOLOv8, v10, v11, v12四种高性能检测模型。
- 支持多数字目标同时检测与分类，直接输出每个数字的类别。
架构现代化与扩展性：
- 后端服务： 基于SpringBoot构建。
- 前端交互： 采用Vue.js等框架，提供直观易用的操作界面。
- 智能内核： 深度融合DeepSeek API，为识别结果赋予“理解”能力。
功能体系化与实用性：
- 用户与权限： 完整的用户注册登录、个人中心、管理员后台用户管理体系。
- 核心识别： 全面支持图片上传、视频文件分析、摄像头实时流三种输入方式的数字检测，识别结果（标注图、识别内容列表、置信度）自动保存。
- 记录管理： 对图片、视频、摄像头的所有识别历史进行分门别类的归档、查询与回看。

二、系统核心特性概述

功能模块

✅ 用户登录注册：支持密码检测，保存到MySQL数据库。

✅ 支持四种YOLO模型切换，YOLOv8、YOLOv10、YOLOv11、YOLOv12。

✅ 信息可视化，数据可视化。

✅ 图片检测支持AI分析功能，deepseek

✅ 支持图像检测、视频检测和摄像头实时检测，检测结果保存到MySQL数据库。

✅ 图片识别记录管理、视频识别记录管理和摄像头识别记录管理。

✅ 用户管理模块，管理员可以对用户进行增删改查。

✅ 个人中心，可以修改自己的信息，密码姓名头像等等。

✅ 支持更换导航栏背景颜色

登录注册模块

可视化模块

图像检测模块

YOLO模型集成 (v8/v10/v11/v12)
DeepSeek多模态分析
支持格式：JPG/PNG/MP4/RTSP

视频检测模块

实时检测模块

图片识别记录管理

视频识别记录管理

摄像头识别记录管理

用户管理模块

数据管理模块（MySQL表设计）

users - 用户信息表

imgrecords- 图片检测记录表

videorecords- 视频检测记录表

camerarecords- 摄像头检测记录表

模型训练结果

#coding:utf-8
#根据实际情况更换模型
# yolon.yaml (nano)：轻量化模型，适合嵌入式设备，速度快但精度略低。
# yolos.yaml (small)：小模型，适合实时任务。
# yolom.yaml (medium)：中等大小模型，兼顾速度和精度。
# yolob.yaml (base)：基本版模型，适合大部分应用场景。
# yolol.yaml (large)：大型模型，适合对精度要求高的任务。
 
from ultralytics import YOLO
 
model_path = 'pt/yolo12s.pt'
data_path = 'data.yaml'
 
if __name__ == '__main__':
    model = YOLO(model_path)
    results = model.train(data=data_path,
                          epochs=500,
                          batch=64,
                          device='0',
                          workers=0,
                          project='runs',
                          name='exp',
                          )

YOLO概述

YOLOv8

YOLOv8 由 Ultralytics 于 2023 年 1 月 10 日发布，在准确性和速度方面提供了尖端性能。基于先前 YOLO 版本的进步，YOLOv8 引入了新功能和优化，使其成为各种应用中目标检测任务的理想选择。

YOLOv8 的主要特性

高级骨干和颈部架构： YOLOv8 采用最先进的骨干和颈部架构，从而改进了特征提取和目标检测性能。
无锚点分离式 Ultralytics Head： YOLOv8 采用无锚点分离式 Ultralytics head，与基于锚点的方法相比，这有助于提高准确性并提高检测效率。
优化的准确性-速度权衡： YOLOv8 专注于在准确性和速度之间保持最佳平衡，适用于各种应用领域中的实时对象检测任务。
丰富的预训练模型: YOLOv8提供了一系列预训练模型，以满足各种任务和性能要求，使您更容易为特定用例找到合适的模型。

YOLOv10

YOLOv10 由清华大学研究人员基于 Ultralytics Python构建，引入了一种新的实时目标检测方法，解决了先前 YOLO 版本中存在的后处理和模型架构缺陷。通过消除非极大值抑制 (NMS) 并优化各种模型组件，YOLOv10 以显著降低的计算开销实现了最先进的性能。大量实验表明，它在多个模型尺度上都具有卓越的精度-延迟权衡。

概述

实时目标检测旨在以低延迟准确预测图像中的对象类别和位置。YOLO 系列因其在性能和效率之间的平衡而一直处于这项研究的前沿。然而，对 NMS 的依赖和架构效率低下阻碍了最佳性能。YOLOv10 通过引入用于无 NMS 训练的一致双重分配和整体效率-准确性驱动的模型设计策略来解决这些问题。

架构

YOLOv10 的架构建立在之前 YOLO 模型优势的基础上，同时引入了几项关键创新。该模型架构由以下组件组成：

骨干网络：负责特征提取，YOLOv10 中的骨干网络使用增强版的 CSPNet (Cross Stage Partial Network)，以改善梯度流并减少计算冗余。
Neck：Neck 的设计目的是聚合来自不同尺度的特征，并将它们传递到 Head。它包括 PAN（路径聚合网络）层，用于有效的多尺度特征融合。
One-to-Many Head：在训练期间为每个对象生成多个预测，以提供丰富的监督信号并提高学习准确性。
一对一头部：在推理时为每个对象生成一个最佳预测，以消除对NMS的需求，从而降低延迟并提高效率。

主要功能

免NMS训练：利用一致的双重分配来消除对NMS的需求，从而降低推理延迟。
整体模型设计：从效率和准确性的角度对各种组件进行全面优化，包括轻量级分类 Head、空间通道解耦下采样和秩引导块设计。
增强的模型功能: 结合了大内核卷积和部分自注意力模块，以提高性能，而无需显着的计算成本。

YOLOv11

YOLO11 是 Ultralytics YOLO 系列实时目标检测器的最新迭代版本，它以前沿的精度、速度和效率重新定义了可能性。YOLO11 在之前 YOLO 版本的显著进步基础上，在架构和训练方法上进行了重大改进，使其成为各种计算机视觉任务的多功能选择。

主要功能

增强的特征提取: YOLO11 采用改进的 backbone 和 neck 架构，从而增强了特征提取能力，以实现更精确的目标检测和复杂的任务性能。
优化效率和速度： YOLO11 引入了改进的架构设计和优化的训练流程，从而提供更快的处理速度，并在精度和性能之间保持最佳平衡。
更高精度，更少参数： 随着模型设计的进步，YOLO11m 在 COCO 数据集上实现了更高的平均精度均值(mAP)，同时比 YOLOv8m 少用 22% 的参数，在不牺牲精度的情况下提高了计算效率。
跨环境的适应性： YOLO11 可以无缝部署在各种环境中，包括边缘设备、云平台和支持 NVIDIA GPU 的系统，从而确保最大的灵活性。
广泛支持的任务范围： 无论是目标检测、实例分割、图像分类、姿势估计还是旋转框检测 (OBB)，YOLO11 都旨在满足各种计算机视觉挑战。

Ultralytics YOLO11 在其前代产品的基础上进行了多项重大改进。主要改进包括：

增强的特征提取： YOLO11 采用了改进的骨干网络和颈部架构，增强了特征提取能力，从而实现更精确的目标检测。
优化的效率和速度： 改进的架构设计和优化的训练流程提供了更快的处理速度，同时保持了准确性和性能之间的平衡。
更高精度，更少参数： YOLO11m 在 COCO 数据集上实现了更高的平均精度均值 (mAP)，同时比 YOLOv8m 少用 22% 的参数，在不牺牲精度的情况下提高了计算效率。
跨环境的适应性： YOLO11 可以部署在各种环境中，包括边缘设备、云平台和支持 NVIDIA GPU 的系统。
广泛支持的任务范围： YOLO11 支持各种计算机视觉任务，例如目标检测、实例分割、图像分类、姿势估计和旋转框检测 (OBB)。

YOLOv12

YOLO12引入了一种以注意力为中心的架构，它不同于之前YOLO模型中使用的传统基于CNN的方法，但仍保持了许多应用所需的实时推理速度。该模型通过在注意力机制和整体网络架构方面的新颖方法创新，实现了最先进的目标检测精度，同时保持了实时性能。尽管有这些优势，YOLO12仍然是一个社区驱动的版本，由于其沉重的注意力模块，可能表现出训练不稳定、内存消耗增加和CPU吞吐量较慢的问题，因此Ultralytics仍然建议将YOLO11用于大多数生产工作负载。

主要功能

区域注意力机制: 一种新的自注意力方法，可以有效地处理大型感受野。它将特征图分成 l 个大小相等的区域（默认为 4 个），水平或垂直，避免复杂的运算并保持较大的有效感受野。与标准自注意力相比，这大大降低了计算成本。
残差高效层聚合网络（R-ELAN）：一种基于 ELAN 的改进的特征聚合模块，旨在解决优化挑战，尤其是在更大规模的以注意力为中心的模型中。R-ELAN 引入：
- 具有缩放的块级残差连接（类似于层缩放）。
- 一种重新设计的特征聚合方法，创建了一个类似瓶颈的结构。
优化的注意力机制架构：YOLO12 精简了标准注意力机制，以提高效率并与 YOLO 框架兼容。这包括：
- 使用 FlashAttention 来最大限度地减少内存访问开销。
- 移除位置编码，以获得更简洁、更快速的模型。
- 调整 MLP 比率（从典型的 4 调整到 1.2 或 2），以更好地平衡注意力和前馈层之间的计算。
- 减少堆叠块的深度以改进优化。
- 利用卷积运算（在适当的情况下）以提高其计算效率。
- 在注意力机制中添加一个7x7可分离卷积（“位置感知器”），以隐式地编码位置信息。
全面的任务支持: YOLO12 支持一系列核心计算机视觉任务：目标检测、实例分割、图像分类、姿势估计和旋转框检测 (OBB)。
增强的效率: 与许多先前的模型相比，以更少的参数实现了更高的准确率，从而证明了速度和准确率之间更好的平衡。
灵活部署: 专为跨各种平台部署而设计，从边缘设备到云基础设施。

主要改进

增强的特征提取:
- 区域注意力: 有效处理大型感受野，降低计算成本。
- 优化平衡： 改进了注意力和前馈网络计算之间的平衡。
- R-ELAN：使用 R-ELAN 架构增强特征聚合。
优化创新：
- 残差连接：引入具有缩放的残差连接以稳定训练，尤其是在较大的模型中。
- 改进的特征集成：在 R-ELAN 中实现了一种改进的特征集成方法。
- FlashAttention: 整合 FlashAttention 以减少内存访问开销。
架构效率:
- 减少参数：与之前的许多模型相比，在保持或提高准确性的同时，实现了更低的参数计数。
- 简化的注意力机制：使用简化的注意力实现，避免了位置编码。
- 优化的 MLP 比率：调整 MLP 比率以更有效地分配计算资源。

前端代码展示

前端登录界面一小部分代码展示：

<template>
	<div class="login-container">
		<!-- YOLO检测网格背景 -->
		<div class="yolo-background">
			<!-- 检测网格 -->
			<div class="detection-grid">
				<div class="grid-line" v-for="n in 16" :key="`grid-h-${n}`" :style="getGridLineStyle(n, 'horizontal')"></div>
				<div class="grid-line" v-for="n in 16" :key="`grid-v-${n}`" :style="getGridLineStyle(n, 'vertical')"></div>
			</div>
			
			<!-- 数字粒子 -->
			<div class="digital-particles">
				<div class="particle" v-for="n in 25" :key="`particle-${n}`" :style="getParticleStyle(n)">
					<span class="digital">{{ Math.floor(Math.random() * 10) }}</span>
					<div class="particle-glow"></div>
				</div>
			</div>
			
			<!-- 检测框动画 -->
			<div class="detection-boxes">
				<div class="detection-box" v-for="n in 8" :key="`box-${n}`" :style="getBoxStyle(n)">
					<div class="box-label">数字 {{ Math.floor(Math.random() * 10) }}</div>
					<div class="box-confidence">{{ (Math.random() * 0.5 + 0.5).toFixed(2) }}</div>
				</div>
			</div>
			
			<!-- 数据流 -->
			<div class="data-stream">
				<div class="stream-line" v-for="n in 6" :key="`stream-${n}`" :style="getStreamStyle(n)">
					<span v-for="i in 20" :key="`data-${n}-${i}`">
						{{ Math.floor(Math.random() * 2) }}
					</span>
				</div>
			</div>
			
			<!-- 扫描线 -->
			<div class="scan-lines">
				<div class="scan-line" v-for="n in 3" :key="`scan-${n}`" :style="getScanStyle(n)"></div>
			</div>
		</div>

		<!-- 登录主容器 -->
		<div class="login-main">
			<!-- YOLO界面容器 -->
			<div class="yolo-container">
				<div class="yolo-effect">
					<div class="matrix-scan"></div>
					<div class="pulse-ring"></div>
				</div>
				
				<!-- 系统标志 -->
				<div class="system-brand">
					<div class="brand-icon">
						<div class="yolo-icon">
							<div class="detection-frame">
								<div class="frame-corner tl"></div>
								<div class="frame-corner tr"></div>
								<div class="frame-corner bl"></div>
								<div class="frame-corner br"></div>
								<div class="digital-core">
									<span class="digit">Y</span>
									<span class="digit">O</span>
									<span class="digit">L</span>
									<span class="digit">O</span>
								</div>
							</div>
							<div class="grid-overlay"></div>
						</div>
						<div class="icon-glow"></div>
					</div>
					<div class="brand-text">
						<h1 class="system-title">
							<span class="yolo-text">YOLO</span>
							<span class="detection-text">数字检测系统</span>
						</h1>
						<p class="system-subtitle">实时目标识别与数字检测平台</p>
						<p class="company-tag">计算机视觉 · 深度学习实验室</p>
					</div>
				</div>

				<!-- 登录面板 -->
				<div class="login-panel">
					<div class="panel-header">
						<div class="header-line"></div>
						<h2>系统访问认证</h2>
						<div class="header-line"></div>
					</div>
					
					<div class="panel-content">
						<el-form :model="ruleForm" :rules="registerRules" ref="ruleFormRef">
							<!-- 用户名输入 -->
							<el-form-item prop="username">
								<div class="input-field">
									<div class="field-icon">
										<div class="terminal-icon"></div>
									</div>
									<el-input 
										v-model="ruleForm.username" 
										placeholder="请输入访问ID" 
										class="digital-input"
										size="large"
										@focus="onInputFocus"
										@blur="onInputBlur"
									/>
									<div class="field-glow"></div>
								</div>
							</el-form-item>

							<!-- 密码输入 -->
							<el-form-item prop="password">
								<div class="input-field">
									<div class="field-icon">
										<div class="encrypt-icon"></div>
									</div>
									<el-input 
										v-model="ruleForm.password" 
										type="password" 
										placeholder="请输入安全密钥" 
										show-password
										class="digital-input"
										size="large"
										@focus="onInputFocus"
										@blur="onInputBlur"
									/>
									<div class="field-glow"></div>
								</div>

							</el-form-item>

							<!-- 登录按钮 -->
							<el-form-item>
								<div class="login-action">
									<el-button 
										type="primary" 
										class="digital-btn"
										@click="submitForm(ruleFormRef)"
										@mouseenter="onBtnHover"
										@mouseleave="onBtnLeave"
									>
										<div class="btn-content">
											<div class="btn-text">
												<span class="text-main">启动检测系统</span>
												<span class="text-sub">DETECTION SYSTEM</span>
											</div>
											<div class="btn-scanner">
												<div class="scanner-dot"></div>
												<div class="scanner-dot"></div>
												<div class="scanner-dot"></div>
											</div>
										</div>
										<div class="btn-energy"></div>
										<div class="btn-particles">
											<div class="particle" v-for="n in 3" :key="`btn-particle-${n}`"></div>
										</div>
									</el-button>
									
									<div class="system-status">
										<div class="status-indicator">
											<div class="status-dot active"></div>
											<span>YOLO就绪</span>
										</div>
										<div class="status-info">
											<span>FPS: 60 • 延迟: 16ms</span>
										</div>
									</div>
								</div>
							</el-form-item>
						</el-form>

						<!-- 辅助选项 -->
						<div class="panel-options">
							<router-link to="/register" class="option-link">
								<div class="link-icon">
									<div class="terminal-plus"></div>
								</div>
								<span>注册新账户</span>
								<div class="link-trail"></div>
							</router-link>
							
						</div>
					</div>
				</div>

				<!-- 系统信息 -->
				<div class="system-info">
					<div class="info-grid">
						<div class="info-item">
							<div class="info-icon model-icon"></div>
							<div class="info-content">
								<span class="info-label">检测模型</span>
								<span class="info-value">v8|10|11|12|</span>
							</div>
						</div>
						<div class="info-item">
							<div class="info-icon accuracy-icon"></div>
							<div class="info-content">
								<span class="info-label">识别精度</span>
								<span class="info-value">99.5%</span>
							</div>
						</div>
						<div class="info-item">
							<div class="info-icon classes-icon"></div>
							<div class="info-content">
								<span class="info-label">识别类别</span>
								<span class="info-value">10类</span>
							</div>
						</div>
					</div>
				</div>
			</div>
		</div>

		<!-- 背景装饰元素 -->
		<div class="background-elements">
			<!-- 浮动数字 -->
			<div class="floating-digits">
				<div class="floating-digit" v-for="n in 15" :key="`digit-${n}`" :style="getDigitStyle(n)">
					{{ Math.floor(Math.random() * 10) }}
				</div>
			</div>
			
			<!-- 神经网络连接 -->
			<div class="neural-connections">
				<div class="connection" v-for="n in 12" :key="`conn-${n}`" :style="getConnectionStyle(n)"></div>
			</div>
		</div>
		
		<!-- 右下角版本信息 -->
		<div class="version-info">
			<div class="version-text">YOLO-Digit v2.1.0</div>
			<div class="version-sub">CUDA 11.8 • PyTorch 2.0</div>
		</div>
	</div>
</template>

<script lang="ts" setup>
import { reactive, ref, computed, onMounted } from 'vue';
import { useRoute, useRouter } from 'vue-router';
import { ElMessage } from 'element-plus';
import { useI18n } from 'vue-i18n';
import Cookies from 'js-cookie';
import { storeToRefs } from 'pinia';
import { useThemeConfig } from '/@/stores/themeConfig';
import { initFrontEndControlRoutes } from '/@/router/frontEnd';
import { initBackEndControlRoutes } from '/@/router/backEnd';
import { Session } from '/@/utils/storage';
import { formatAxis } from '/@/utils/formatTime';
import { NextLoading } from '/@/utils/loading';
import type { FormInstance, FormRules } from 'element-plus';
import request from '/@/utils/request';

// 定义变量内容
const { t } = useI18n();
const storesThemeConfig = useThemeConfig();
const { themeConfig } = storeToRefs(storesThemeConfig);
const route = useRoute();
const router = useRouter();
const formSize = ref('default');
const ruleFormRef = ref<FormInstance>();

// 定义表单数据
const ruleForm = reactive({
	username: '',
	password: '',
});

// 校验规则
const registerRules = reactive<FormRules>({
	username: [
		{ required: true, message: '请输入访问ID', trigger: 'blur' },
		{ min: 3, max: 20, message: '长度在3-20个字符', trigger: 'blur' },
	],
	password: [
		{ required: true, message: '请输入安全密钥', trigger: 'blur' },
		{ min: 5, max: 30, message: '长度在5-30个字符', trigger: 'blur' },
	],
});

// 网格线样式
const getGridLineStyle = (index: number, type: 'horizontal' | 'vertical') => {
	if (type === 'horizontal') {
		return {
			top: `${(index / 16) * 100}%`,
			width: '100%',
			left: '0',
			height: '1px',
		};
	} else {
		return {
			left: `${(index / 16) * 100}%`,
			height: '100%',
			top: '0',
			width: '1px',
		};
	}
};

// 数字粒子样式
const getParticleStyle = (index: number) => {
	const left = Math.random() * 100;
	const top = Math.random() * 100;
	const size = 20 + Math.random() * 30;
	const duration = 2 + Math.random() * 3;
	const delay = Math.random() * 2;
	const colors = ['#00FFFF', '#FF2A6D', '#05FFA1', '#FFE900'];
	const colorIndex = Math.floor(Math.random() * colors.length);
	
	return {
		left: `${left}%`,
		top: `${top}%`,
		fontSize: `${size}px`,
		animationDuration: `${duration}s`,
		animationDelay: `${delay}s`,
		color: colors[colorIndex]
	};
};

// 检测框样式
const getBoxStyle = (index: number) => {
	const left = Math.random() * 70;
	const top = Math.random() * 70;
	const width = 60 + Math.random() * 120;
	const height = 60 + Math.random() * 120;
	const duration = 4 + Math.random() * 8;
	const delay = Math.random() * 3;
	
	return {
		left: `${left}%`,
		top: `${top}%`,
		width: `${width}px`,
		height: `${height}px`,
		animationDuration: `${duration}s`,
		animationDelay: `${delay}s`
	};
};

// 数据流样式
const getStreamStyle = (index: number) => {
	const left = Math.random() * 100;
	const duration = 10 + Math.random() * 15;
	const delay = Math.random() * 5;
	const speed = 0.5 + Math.random() * 1;
	
	return {
		left: `${left}%`,
		animationDuration: `${duration / speed}s`,
		animationDelay: `${delay}s`
	};
};

// 扫描线样式
const getScanStyle = (index: number) => {
	const delay = index * 2;
	return {
		animationDelay: `${delay}s`
	};
};

// 浮动数字样式
const getDigitStyle = (index: number) => {
	const left = Math.random() * 100;
	const top = Math.random() * 100;
	const size = 24 + Math.random() * 48;
	const duration = 15 + Math.random() * 25;
	const delay = Math.random() * 6;
	const opacity = 0.05 + Math.random() * 0.15;
	
	return {
		left: `${left}%`,
		top: `${top}%`,
		fontSize: `${size}px`,
		animationDuration: `${duration}s`,
		animationDelay: `${delay}s`,
		opacity: opacity
	};
};

// 神经网络连接样式
const getConnectionStyle = (index: number) => {
	const startX = Math.random() * 100;
	const startY = Math.random() * 100;
	const endX = Math.random() * 100;
	const endY = Math.random() * 100;
	const duration = 3 + Math.random() * 4;
	const delay = Math.random() * 2;
	
	// 计算距离和角度
	const dx = endX - startX;
	const dy = endY - startY;
	const distance = Math.sqrt(dx * dx + dy * dy);
	const angle = Math.atan2(dy, dx) * 180 / Math.PI;
	
	return {
		left: `${startX}%`,
		top: `${startY}%`,
		width: `${distance}%`,
		transform: `rotate(${angle}deg)`,
		animationDuration: `${duration}s`,
		animationDelay: `${delay}s`
	};
};

// 事件处理
const onInputFocus = (event: Event) => {
	const target = event.target as HTMLElement;
	target.parentElement?.classList.add('focused');
};

const onInputBlur = (event: Event) => {
	const target = event.target as HTMLElement;
	target.parentElement?.classList.remove('focused');
};

const onBtnHover = (event: Event) => {
	const btn = event.currentTarget as HTMLElement;
	btn.classList.add('hover');
};

const onBtnLeave = (event: Event) => {
	const btn = event.currentTarget as HTMLElement;
	btn.classList.remove('hover');
};

// 原有的登录逻辑保持不变
const currentTime = computed(() => {
	return formatAxis(new Date());
});

const onSignIn = async () => {
	Session.set('token', Math.random().toString(36).substr(0));
	Cookies.set('userName', ruleForm.username);
	
	if (!themeConfig.value.isRequestRoutes) {
		const isNoPower = await initFrontEndControlRoutes();
		signInSuccess(isNoPower);
	} else {
		const isNoPower = await initBackEndControlRoutes();
		signInSuccess(isNoPower);
	}
};

const signInSuccess = (isNoPower: boolean | undefined) => {
	if (isNoPower) {
		ElMessage.warning('抱歉，您没有登录权限');
		Session.clear();
	} else {
		let currentTimeInfo = currentTime.value;
		if (route.query?.redirect) {
			router.push({
				path: <string>route.query?.redirect,
				query: Object.keys(<string>route.query?.params).length > 0 ? JSON.parse(<string>route.query?.params) : '',
			});
		} else {
			router.push('/');
		}
		const signInText = t('message.signInText');
		ElMessage.success(`${currentTimeInfo}，${signInText}`);
		NextLoading.start();
	}
};

const submitForm = (formEl: FormInstance | undefined) => {
	if (!formEl) return;
	formEl.validate((valid) => {
		if (valid) {
			request.post('/api/user/login', ruleForm).then((res) => {
				console.log(res);
				if (res.code == 0) {
					Cookies.set('role', res.data.role);
					onSignIn();
				} else {
					ElMessage({
						type: 'error',
						message: res.msg,
					});
				}
			});
		} else {
			console.log('error submit!');
			return false;
		}
	});
};

// 初始化
onMounted(() => {
	// 可以在这里添加初始化代码
});
</script>

<style scoped>
.login-container {
	min-height: 100vh;
	display: flex;
	align-items: center;
	justify-content: center;
	background: linear-gradient(135deg, #0a0a0f 0%, #0f1a1a 30%, #1a0f1a 70%, #0a0a0f 100%);
	padding: 20px;
	position: relative;
	overflow: hidden;
	font-family: 'JetBrains Mono', 'Consolas', monospace;
}

/* YOLO背景 */
.yolo-background {
	position: absolute;
	top: 0;
	left: 0;
	width: 100%;
	height: 100%;
	z-index: 1;
	overflow: hidden;
}

/* 检测网格 */
.detection-grid {
	position: absolute;
	top: 0;
	left: 0;
	width: 100%;
	height: 100%;
	opacity: 0.1;
}