- 博客(1279)
- 收藏
- 关注
RSS订阅原创 YOLO26蘑菇毒性识别检测系统（项目源码+YOLO数据集+模型权重+UI界面+python+深度学习+远程环境部署）
蘑菇毒性自动识别是预防野生蘑菇中毒事件的关键技术手段。本文基于YOLO26目标检测算法构建了一套蘑菇毒性识别检测系统，旨在实现对食用蘑菇（edible）、不可食用蘑菇（inedible）及有毒蘑菇（poisonous）的实时检测与分类。系统采用YOLO26作为基础模型，在包含2019张训练图像、576张验证图像及288张测试图像的自建数据集上进行训练与评估。混淆矩阵分析显示，模型存在明显的背景误检问题以及edible与poisonous之间的类别混淆，召回率整体偏低。
2026-06-26 11:20:01
94
原创 YOLO26中药识别检测系统（项目源码+YOLO数据集+模型权重+UI界面+python+深度学习+远程环境部署）
中药饮片的自动识别是推动中医药现代化、智能化发展的关键技术之一。本文基于YOLO26目标检测算法，构建了一个包含45类常见中药饮片的高效识别检测系统。系统采用1500张验证图像进行性能评估，整体达到了0.912的mAP50和0.877的召回率，其中蒲公英、地肤子、天麻等多类药材的mAP50达到0.995以上。训练过程中损失函数收敛平稳，F1值最高达到0.87，表明模型在检测精度与覆盖率之间取得了良好平衡。实验同时发现了桃仁与去皮桃仁类别混淆、山楂召回率偏低等问题，为后续模型优化提供了明确方向。
2026-06-26 11:19:31
40
原创 YOLO26车辆类型识别检测系统（项目源码+YOLO数据集+模型权重+UI界面+python+深度学习+远程环境部署）
本论文基于YOLO26目标检测算法，构建了一个面向城市交通场景的多类别车辆类型识别检测系统。系统针对12类常见车辆类别进行识别，包括：大型客车、大型卡车、长型客车、短型客车、轿车、中型卡车、小型客车、小型卡车、长型卡车、中型卡车、短型卡车和超长型卡车。实验数据集包含训练集2634张、验证集966张和测试集458张，共计4058张标注图像。本研究使用的数据集为自建的车辆类型识别数据集，共包含4058张标注图像，其中训练集2634张、验证集966张、测试集458张。大型客车。
2026-06-26 11:19:00
110
原创 YOLO26鱼病害识别检测系统（项目源码+YOLO数据集+模型权重+UI界面+python+深度学习+远程环境部署）
针对水产养殖中鱼类病害人工识别效率低、主观性强等问题，本文基于YOLO26架构构建了一套四类鱼病害识别检测系统。系统涵盖EUS（流行性溃疡综合征）、Eye disease（眼病）、Fin lesions（鳍病变）和Rotten gills（烂鳃病）四种常见病害。实验采用2,321张标注图像进行训练，在255张验证集和290张测试集上评估模型性能。结果表明，模型整体mAP50达到0.847，其中Rotten gills识别效果最优（mAP50=0.992），推理速度达3.4ms/帧。
2026-06-26 11:18:29
30
原创 YOLO26车辆碰撞识别检测系统（项目源码+YOLO数据集+模型权重+UI界面+python+深度学习+远程环境部署）
车辆碰撞事故的快速、准确识别对于智能交通管理与紧急救援响应具有重要意义。本文基于YOLO26目标检测算法，构建了一个面向车辆碰撞严重程度分级（中度车祸与重度车祸）的自动识别检测系统。模型训练共使用11,780张标注图像，其中训练集9,758张，验证集1,347张，测试集675张，包含中度与重度两类碰撞实例共计1,406个。实验结果表明，模型在验证集上的整体mAP50达到0.987，整体精度为0.993，召回率为0.965，mAP50-95为0.98。其中重度车祸识别精度高达0.999，召回率0.985；
2026-06-26 11:17:58
76
原创 YOLO26道路裂缝识别检测系统（项目源码+YOLO数据集+模型权重+UI界面+python+深度学习+远程环境部署）
道路裂缝作为路面主要病害形式之一，其自动化、高精度检测对公路养护具有重要意义。本文基于YOLO26目标检测算法构建了一套道路裂缝识别检测系统，针对横向裂缝（D00）、纵向裂缝（D10）、网状裂缝（D20）及车道线裂缝（D40）四类典型路面病害进行检测。模型在包含10000张图像的数据集上进行训练与验证（训练集8000张，验证集2000张），但对车道线裂缝及纵向裂缝仍存在一定漏检问题。本文系统为道路裂缝的自动化识别提供了一种可行的技术方案。编号类别名称英文标识形态描述0横向裂缝D00。
2026-06-26 11:16:14
209
原创 YOLO26电梯内电动车识别检测系统（项目源码+YOLO数据集+模型权重+UI界面+python+深度学习+远程环境部署）
针对电梯内电动车违规进入带来的安全隐患，本文提出一种基于YOLO26的目标检测系统，用于实时识别电梯内的电动车（含自行车与摩托车）及行人。系统采用YOLO26框架进行训练，数据集共包含7111张标注图像，其中训练集5291张、验证集1168张、测试集652张，类别为自行车（bicycle）、摩托车（motorcycle）和行人（person）三类。实验结果表明，模型在验证集上的mAP50达到0.983，平均精度为0.97，召回率为0.954，单张图像推理时间仅2.3ms。
2026-06-26 11:15:38
30
原创 YOLO26花卉品种识别检测系统（项目源码+YOLO数据集+模型权重+UI界面+python+深度学习+远程环境部署）
本文基于YOLO26目标检测算法构建了一套花卉识别检测系统，旨在实现对13种常见花卉（包括Common Lanthana、Hibiscus、Jatropha、Marigold、Rose、champaka、chitrak、honeysuckle、indian mallow、malabar melastome、shankupushpam、spider lily、sunflower）的自动识别与定位。
2026-06-26 11:15:05
154
原创 YOLO26火箭检测：箭体mAP50=0.973，火焰0.966，三类航天目标识别（2.4万张数据集）（项目源码+数据集+模型权重+UI界面+python+深度学习+远程环境部署）
本文针对火箭发射过程中的关键目标检测任务，构建了一个基于YOLO架26构的三类目标检测系统，用于识别发动机火焰（Engine Flames）、火箭箭体（Rocket Body） 及太空（Space） 区域。模型在包含24,435张训练图像、2,428张验证图像及1,286张测试图像的数据集上进行训练与评估。实验结果表明，模型在发动机火焰与火箭箭体两类目标上表现优异，mAP50分别达到0.966与0.973，精确率与召回率均超过0.92。
2026-06-26 11:14:29
22
原创 YOLO26桥梁缺陷识别检测系统（项目源码+YOLO数据集+模型权重+UI界面+python+深度学习+远程环境部署）
桥梁结构在长期服役过程中受环境侵蚀和荷载作用，易产生多种表观缺陷，传统人工检测方式效率低、主观性强。本文基于YOLO26目标检测算法，构建了一套桥梁缺陷识别检测系统，涵盖腐蚀、裂缝、退化混凝土、混凝土空洞、潮湿、路面劣化、收缩裂缝及底层收缩裂缝共8类典型缺陷。模型在6308张图像数据集上训练后，整体mAP50达到0.712，其中收缩裂缝和底层收缩裂缝的mAP50分别达到0.85和0.995，潮湿和混凝土空洞的识别精度超过0.83。
2026-06-26 11:13:57
221
原创 YOLO26超市商品识别检测系统（项目源码+YOLO数据集+模型权重+UI界面+python+深度学习+远程环境部署）
本研究旨在开发并验证一种基于YOLO26（You Only Look Once）架构的深度学习目标检测系统，专门用于复杂零售环境下的超市商品识别。针对超市商品种类繁多、包装相似度高以及货架摆放密集的挑战，本系统构建了一个包含295类常见快速消费品的大型数据集。实验结果表明，该模型在验证集上表现出卓越的性能，平均精度均值（）高达0.950，F1分数峰值达到0.91。混淆矩阵分析显示，模型在区分高度相似的商品（如不同口味的薯片或不同品牌的饮料）方面具有极高的准确性，极少出现类别混淆。
2026-06-26 11:13:22
210
原创 YOLO26管道泄漏识别检测系统（项目源码+YOLO数据集+模型权重+UI界面+python+深度学习+远程环境部署）
管道泄漏是石油、化工、城市供水及燃气输送系统中的主要安全隐患，传统人工巡检与基于压力、流量等参数的监测方法存在响应慢、定位难、误报率高等问题。本文基于YOLO26系列目标检测算法，构建了一套端到端的管道泄漏视觉识别检测系统。系统以管道场景图像为输入，通过单阶段目标检测网络直接输出泄漏区域的边界框位置与置信度。实验采用自建管道泄漏图像数据集，共计4392张标注图像，其中训练集3481张，验证集911张，类别为单一泄漏目标（leak）。数据集类型图像数量用途训练集3481 张模型参数学习验证集。
2026-06-26 11:12:12
200
原创 YOLO26变电站液体泄露红外检测系统（项目源码+5035张YOLO数据集+模型权重+UI界面+python+深度学习+远程环境部署）
变电站内的液体泄漏（如绝缘油、冷却液等）是电力系统中的常见隐患，传统可见光检测方法易受光照、遮挡及环境干扰影响。本文提出一种基于YOLO26深度学习模型的红外图像液体泄露检测系统。利用红外成像技术对变电站关键设备区域进行监测，采用YOLO26算法对泄漏区域进行目标检测。实验采用自建红外数据集，共包含5035张图像，其中训练集3524张、验证集504张、测试集1007张，类别为“leak”。
2026-06-26 11:11:40
253
原创 YOLO26红外无人机识别检测系统（项目源码+YOLO数据集+模型权重+UI界面+python+深度学习+远程环境部署）
针对红外场景下无人机目标检测任务，本文基于YOLO26框架构建了一套高精度识别系统。实验采用包含5019张训练图像与1233张验证图像的红外无人机数据集，类别为单一目标drone。模型训练后，在验证集上取得了mAP50为0.981、Precision为0.986、Recall为0.949的优异性能，F1-score最高达0.97。混淆矩阵显示，无人机识别准确率达96%，背景误检率仅为4%。实验结果表明，该YOLO模型在红外无人机检测任务中具备高可靠性与低虚警率，满足实际部署需求。
2026-06-26 11:11:09
30
原创 YOLO26可见光无人机识别检测系统（项目源码+YOLO数据集+模型权重+UI界面+python+深度学习+远程环境部署）
针对低空无人机黑飞、违规飞行等安全隐患日益突出的问题，本文基于YOLO26目标检测算法构建了一套可见光条件下的无人机识别检测系统。系统采用单类别（无人机）检测方案，使用共计6252张可见光图像进行模型训练与验证，其中训练集5019张，验证集1233张。实验结果表明，模型在验证集上取得了0.992的精确率、0.908的召回率以及0.957的mAP50，最佳F1分数达到0.95。混淆矩阵分析显示，无人机类别的识别准确率为92.1%，误检率为8%。
2026-06-25 13:58:53
45
原创 基于YOLO26深度学习的水下生物识别检测系统（海胆、海参、扇贝、海星、水草）（项目源码+数据集+模型权重+UI界面+python+深度学习+远程环境部署）
水下生物识别是海洋生态监测与渔业资源管理的关键技术。本研究构建了一个基于YOLO26的水下生物目标检测系统，针对5类典型水下生物（海胆、海参、扇贝、海星、水草）进行自动识别与定位。系统采用5320张训练图像、1520张验证图像和760张测试图像进行模型训练与评估。本文详细阐述了研究背景、数据集构成及当前技术瓶颈，为后续数据修复与模型优化提供基础。类别索引英文名称中文名称生态/经济意义0echinus海胆海藻林生态关键种，过度繁殖会破坏藻床1海参底栖环境指示生物，具有较高经济价值2。
2026-06-25 13:58:22
37
原创 YOLO26汽车损坏检测：mAP50=92.9%，精确率88.5%，召回率89.6%（附10218张数据集）（项目源码+数据集+模型权重+UI界面+python+深度学习+远程环境部署）
本文基于YOLO26目标检测算法，构建了一套汽车损坏识别检测系统。系统以“Car-Damage”为单一检测类别，旨在对车辆外观损伤（如划痕、凹陷、破裂等）进行自动定位与识别。训练过程采用10,218张标注图像，验证集包含971张图像，测试集为486张图像。实验结果显示，模型在测试集上的mAP50达到92.9%，mAP50-95为84.6%，精确率和召回率分别为88.5%和89.6%，F1分数最高为0.89。训练损失曲线平稳收敛，未出现明显过拟合。
2026-06-25 13:57:52
32
原创 从数据到部署：YOLO26吸烟行为检测系统实战（香烟/人/烟雾/电子烟/吸烟动作）（项目源码+数据集+模型权重+UI界面+python+深度学习+远程环境部署）
吸烟行为识别在公共安全、健康管理和禁烟区域监控中具有重要应用价值。本文基于YOLO26目标检测框架，构建了一个五类吸烟相关目标的检测系统，包括：香烟（Cigarette）、人（Person）、烟雾（Smoke）、电子烟（Vape）和吸烟动作（smoking）。数据集共包含12486张标注图像，其中训练集12046张，验证集318张，测试集122张。关键词：YOLO26；吸烟检测；电子烟识别；烟雾检测；目标检测本研究所使用的数据集为自建的吸烟行为检测数据集，共计包含12486。
2026-06-25 13:57:21
60
原创 YOLO26麻将识别检测系统（项目源码+数据集+模型权重+UI界面+python+深度学习+远程环境部署）
本文针对麻将牌面识别任务，基于YOLO26目标检测算法构建了一套自动识别系统。数据集共包含6731张图像，涵盖42个类别（包括万、条、筒及字牌）。训练过程中，模型表现出优异的收敛特性，最终在验证集上达到0.932的mAP@0.5，最高精确率达1.00。实验结果表明，该系统能够高精度地识别各类麻将牌面，具备良好的实用性和部署价值。本系统使用的数据集为自建麻将牌检测数据集，共计6731张图像。
2026-06-25 13:56:51
26
原创 精准率94.5%！YOLO26实现护目镜佩戴/未佩戴二分类检测系统（项目源码+YOLO数据集+模型权重+UI界面+python+深度学习+远程环境部署）
在工业安全与实验室管理场景中，护目镜作为关键个人防护装备，其佩戴状态的自动检测对于预防职业伤害具有重要意义。本研究基于YOLO26目标检测算法，构建了一个用于识别“佩戴护目镜”（Goggles）与“未佩戴护目镜”（NO-Goggles）两类状态的检测系统。数据集共包含15,083张标注图像，其中训练集13,200张、验证集1,256张、测试集627张。实验结果表明，模型在验证集上的平均精度均值（mAP50）达到0.962，精确率为0.945，召回率为0.944，F1值达到0.94。
2026-06-25 13:56:16
24
原创 YOLO26巅峰实战！可回收塑料7分类检测系统：mAP50高达0.97（附数据集/源码）（项目源码+YOLO数据集+模型权重+UI界面+python+深度学习+远程环境部署）
针对当前可回收塑料人工分拣效率低、误差大以及传统视觉方法难以区分多类相似塑料的痛点，本文基于YOLO26目标检测算法构建了一套可回收塑料识别分类检测系统。系统涵盖高密度聚乙烯塑料、多层塑料、PET瓶、一次性塑料、单层塑料、挤压软管和超高温瞬时杀菌盒共7类常见可回收塑料。实验采用包含19034张训练图像、2051张验证图像和990张测试图像的自建数据集，并对模型进行了充分训练与评估。
2026-06-25 13:55:42
21
原创 YOLO26道路坑洼检测系统：3043张标注图像+PyQt5界面+模型权重+远程环境部署
道路坑洼是影响行车安全与道路使用寿命的主要因素之一，实现自动化、高效率的坑洼检测对智能交通系统具有重要意义。本文基于YOLO26目标检测算法构建了一套道路坑洼识别检测系统，采用单类别（pothole）检测任务，共使用3 043张图像进行训练，273张用于验证，174张用于测试。实验结果表明，模型在验证集上的平均精度均值（mAP@0.5）达到0.895，最佳F1分数为0.85，最大召回率为0.92，误报率仅约2%，展现出良好的检测精度与较低的虚警水平。混淆矩阵分析进一步显示，模型对坑洼的正确识别数量为825。
2026-06-25 13:55:09
20
原创 YOLO26瓶子罐子识别检测系统：7967张标注图像+PyQt5界面+模型权重+远程环境部署（项目源码+数据集+模型权重+UI界面+python+深度学习+远程环境部署）
针对城市固体废物中可回收物品（瓶子与罐子）的人工分拣效率低、成本高的问题，本文基于YOLO26目标检测算法构建了一套高效、准确的自动识别系统。系统采用YOLO26框架进行训练与验证，数据集共包含7,967张图像，涵盖瓶子与罐子两类目标。实验结果表明，模型在验证集上的平均精度均值（mAP50）达到95.2%，其中罐子的识别精度为97.4%，瓶子为93.0%。模型总体精度为94.5%，召回率为91.4%，在保证较高检测速度的同时（单张推理时间1.7ms），展现出良好的工程部署潜力。
2026-06-25 13:54:39
21
原创 YOLO26字母数字识别检测系统（项目源码+数据集+模型权重+UI界面+python+深度学习+远程环境部署）
本文针对复杂场景下的字母数字识别问题，基于YOLO26目标检测框架构建了一套包含36类（0-9、A-Z）的字符检测系统。实验采用自建数据集，共计6076张图像，其中训练集4245张、验证集1221张、测试集610张。实验结果表明，模型在验证集上的整体mAP50达到0.977，精确率与召回率分别为0.961和0.948。本研究验证了YOLO26在字母数字识别任务中的有效性，并为后续优化提供了明确方向。本研究所使用的数据集为自建字母数字检测数据集，包含36个类别，即数字0-9与大写字母A-Z。数据集图像数量。
2026-06-25 13:54:08
31
原创 YOLO26安全手套佩戴识别检测系统（项目源码+YOLO数据集+模型权重+UI界面+python+深度学习+远程环境部署）
在工业、医疗及实验室等高风险作业环境中，未按规定佩戴安全手套是导致手部伤害事故的主要诱因。为实现对安全手套佩戴状态的自动化、实时监控，本文基于YOLO26目标检测算法构建了一套安全手套佩戴识别系统。系统能够同时检测“戴手套”（Gloves）与“未戴手套”（NO-Gloves）两种状态。实验采用包含7,086张训练图像、676张验证图像及335张测试图像的私有数据集进行模型训练与评估。最终模型在验证集上取得了0.937的mAP50，整体精度为0.878，召回率为0.899，推理速度达到2.8ms/张。
2026-06-25 13:53:35
28
原创 YOLO26实战系列：工地挖掘机/自卸车/轮式装载机识别检测系统，工地运输车识别检测系统（项目源码+数据集+模型权重+UI界面+python+深度学习+远程环境部署）
针对工地环境中挖掘机、自卸车和轮式装载机三类关键运输车辆的实时检测需求，本文基于YOLO26算法构建了一套目标识别检测系统。系统数据集共包含2655张标注图像，其中训练集2244张、验证集267张、测试集144张，涵盖三类工程车辆。实验结果表明，模型在测试集上的平均精度均值（mAP@0.5）达到0.938，其中轮式装载机的识别精度最高（0.978），挖掘机和自卸车分别为0.914和0.923。模型整体表现出较高的识别能力，训练过程收敛稳定，为工地车辆智能监控与管理提供了可行的技术方案。EXCAVATORS。
2026-06-25 13:53:04
68
原创 基于YOLO26深度学习的安全锥识别检测系统（项目源码+数据集+模型权重+UI界面+python+深度学习+远程环境部署）
安全锥作为临时交通管控和施工区域的核心警示设施，其自动化识别对于智能交通、自动驾驶及施工安全管理具有重要意义。本研究基于YOLO26目标检测算法，构建了一个针对安全锥的单类别检测系统，数据集包含训练集5960张、验证集341张、测试集170张，共计6471张图像。训练过程中，模型在训练集上表现出损失函数的稳定下降，但在验证集上的关键评估指标表现不佳。本研究所使用的安全锥检测数据集共包含6471数据集类型图像数量占比用途训练集5960 张92.1%模型参数学习验证集341 张5.3%
2026-06-25 13:52:33
71
原创 YOLO26船舶分类识别检测系统（项目源码+YOLO数据集+模型权重+UI界面+python+深度学习+远程环境部署）
本文基于YOLO26目标检测算法，构建了一套船舶分类识别检测系统，用于对五类常见船舶（集装箱船、游轮、军舰、滚装船、油轮）进行自动识别与定位。系统在包含3,721张标注图像的数据集上进行训练与评估，其中训练集3,232张，验证集339张，测试集150张。实验结果表明，模型在验证集上的整体mAP50达到0.879，mAP50-95达到0.875，平均精度为0.843，召回率为0.85。各类别中，游轮和军舰的识别效果最佳，mAP50分别为0.941和0.924；油轮的识别效果相对较差，mAP50为0.703。
2026-06-25 13:52:01
173
原创 YOLO26扑克牌识别检测系统（项目源码+数据集+模型权重+UI界面+python+深度学习+远程环境部署）
扑克牌识别是计算机视觉在智能娱乐、棋牌辅助分析、自动化发牌系统等应用中的关键任务。本文基于YOLO26目标检测算法，构建了一个面向52类扑克牌（含点数与花色组合）的端到端识别检测系统。实验采用自建扑克牌图像数据集，其中训练集21,203张、验证集2,020张、测试集1,010张。模型在验证集上的实验结果表明：平均精度mAP50达到0.995，精确度与召回率分别高达0.998和0.997，且所有类别表现高度均衡，混淆矩阵显示无任何类别间误判。
2026-06-25 13:51:04
99
原创 基于YOLO26的Apex游戏人物目标检测系统设计与实现（项目源码+数据集+模型权重+UI界面+python+深度学习+远程环境部署）
本文针对Apex英雄游戏中的关键视觉元素检测任务，构建了一套基于YOLO26深度学习模型的人物与物体识别系统。该系统以YOLO26架构为基础，实现对游戏画面中“avatar”（角色）与“object”（物体）两类目标的实时检测与定位。实验采用包含3,689张标注图像的数据集（训练集2,583张，验证集691张，测试集415张），经过充分训练后，模型在验证集上取得了0.846的mAP50。其中，avatar类别的检测精度达到0.912，mAP50高达0.905，表现优异；
2026-06-25 13:50:30
220
原创 YOLO26+热成像人员检测：从数据集训练到远程部署完整实战，YOLO26热成像人员识别检测系统（项目源码+数据集+模型权重+UI界面+python+深度学习+远程环境部署）
本文基于YOLO26目标检测算法，构建了一套面向热成像图像的人员识别检测系统。系统以YOLO26为骨干网络，采用单类别（人员）检测任务，训练数据集共包含25,000余张热成像图像，其中训练集21,422张，验证集3,061张，测试集1,531张。实验结果表明，模型在验证集上的mAP@0.5达到0.91。混淆矩阵分析显示，人员检测准确率为88%。系统在热成像低光照、复杂背景等条件下表现出较好的鲁棒性，适用于夜间安防、边界巡逻、消防救援等典型热成像人员检测场景。
2026-06-25 13:49:49
203
原创 基于YOLO26的公共安全武器检测系统：95.7% mAP50+混淆矩阵96%准确率，提供PyTorch模型+GUI演示（项目源码+数据集+模型权重+UI界面+python+深度学习+远程环境部署）
针对公共安全领域中危险武器（如刀具）的实时检测需求，本文基于YOLO26目标检测算法构建了一套高精度、高速度的刀具识别系统。系统采用单类别检测头（nc:1），在包含 6675 张训练图像与 2514 张验证图像的自建数据集上进行训练。实验结果表明，模型在验证集上取得了 95.7% 的 mAP50 和 70.7% 的 mAP50-95，精确率达 95.3%，召回率达 92.1%。在 NVIDIA GeForce RTX 4090 D 硬件环境下，单张图像推理耗时仅 0.9 毫秒，满足实时检测要求。
2026-06-25 13:49:12
224
原创 YOLO26蜜蜂识别检测系统：8080张图像+PyQt5界面+模型权重+远程部署（含训练曲线/混淆矩阵）
本文基于YOLO26目标检测算法构建了一套蜜蜂识别检测系统，用于自动识别图像中的蜜蜂目标。数据集共包含8,080张标注图像（训练集5,640张、验证集1,604张、测试集836张），类别仅为bees。实验结果表明，模型在验证集上的mAP50达到0.91，最佳F1值为0.85，精确率最高可达1.00，召回率接近1.00。然而，模型存在一定的假阳性问题（背景误检为蜜蜂）以及定位精度不足的现象，并表现出轻微过拟合趋势。总体而言，该系统具备初步部署能力。
2026-06-25 13:48:13
222
原创 基于YOLO26的管道泄漏识别检测系统（项目源码+数据集+模型权重+UI界面+python+深度学习+远程环境部署）
管道泄漏是石油、化工、城市供水及燃气输送系统中的主要安全隐患，传统人工巡检与基于压力、流量等参数的监测方法存在响应慢、定位难、误报率高等问题。本文基于YOLO26系列目标检测算法，构建了一套端到端的管道泄漏视觉识别检测系统。系统以管道场景图像为输入，通过单阶段目标检测网络直接输出泄漏区域的边界框位置与置信度。实验采用管道泄漏图像数据集，共计4392张标注图像，其中训练集3481张，验证集911张，类别为单一泄漏目标（leak）。数据集类型图像数量用途训练集3481 张模型参数学习验证集。
2026-06-25 13:47:29
234
原创 YOLO26精准识别37个猫狗品种（柯基/布偶/哈士奇…）（项目源码+YOLO数据集+模型权重+UI界面+python+深度学习+远程环境部署）
本文针对宠物猫狗精细品种识别任务，构建了一套基于YOLO26深度学习框架的实时目标检测系统。系统涵盖37个常见猫狗品种，包括12个猫品种和25个狗品种。实验采用包含14,000余张标注图像的数据集，按8:1:1比例划分为训练集、验证集和测试集。模型训练后，在验证集上取得了0.942的mAP50和0.824的mAP50-95，精确率达到0.935，召回率达到0.878。推理速度达到1.1毫秒/张，满足实时检测需求。实验结果表明，该系统在宠物品种识别任务上具备高精度、高效率和良好的鲁棒性，具备实际应用部署价值。
2026-06-24 13:53:56
35
原创 【YOLO26实战项目】风力发电机叶片缺陷识别系统：烧蚀/裂纹/油污等7类检测，mAP达91.4%（附4467张数据集）（项目源码+数据集+模型权重+UI界面+python+深度学习+远程环境部署）
本文提出并实现了一种基于YOLO26（You Only Look Once）系列算法的风力发电机叶片表面缺陷自动检测系统。针对风力叶片在复杂环境下易产生的烧蚀、裂纹、变形、污渍、油污、起皮及锈蚀等七类典型缺陷，构建了包含4467张图像的专业数据集。通过深度学习模型的训练与优化，该系统实现了对叶片缺陷的高效识别与定位。实验结果表明，该模型在测试集上表现出优异的检测性能，平均精度均值（）达到91.4%。特别是在“污渍”与“油污”等高频缺陷的检测中，mAP超过93%。
2026-06-24 13:53:25
33
原创 基于YOLO26深度学习的白细胞类型识别检测系统（项目源码+数据集+模型权重+UI界面+python+深度学习+远程环境部署）
白细胞分类计数是临床血液学诊断中的关键环节，对于白血病、感染及免疫系统疾病的诊断具有重要意义。传统的人工镜检方法耗时且依赖检验人员经验。本文提出了一种基于YOLO26（You Only Look Once）架构的自动化白细胞检测与分类系统。该系统针对五种主要白细胞类型（嗜碱性粒细胞、嗜酸性粒细胞、淋巴细胞、单核细胞、中性粒细胞）进行训练。实验结果表明，该模型在验证集上表现出卓越的性能，平均精度均值（）达到98.3%，推理速度极快。
2026-06-24 13:52:55
22
原创 基于YOLO26深度学习的水果识别检测系统（项目源码+数据集+模型权重+UI界面+python+深度学习+远程环境部署）
本文介绍了一种基于YOLO26架构的高效水果识别检测系统，旨在实现对多种常见水果的实时、精准检测与分类。系统针对六类水果——金冠苹果、青苹果、梨、红元帅苹果、红油桃和黄桃，构建了专用的数据集并完成了模型训练。实验结果表明，该模型在验证集上表现优异，平均精度均值mAP50达到0.993，mAP50-95高达0.992，展现出卓越的检测精度与定位能力。系统不仅具备高准确率与高召回率，且推理速度快，适用于农业自动化、智能分拣、零售结算等实际场景，具有良好的应用前景与推广价值。
2026-06-24 13:52:24
15
原创 YOLO26密集行人识别检测系统（项目源码+数据集+模型权重+UI界面+python+深度学习+远程环境部署）
针对密集场景下行人检测存在的严重遮挡、目标小尺寸及漏检率高等问题，本文基于YOLO26框架构建了一套密集行人识别检测系统。系统以单类别（行人）为检测目标，采用7200张图像进行训练，1800张图像进行验证。本系统所使用的数据集为密集行人场景图像数据集，专门用于训练和评估YOLO26模型在人群密集环境下的行人检测能力。数据集中仅包含一个目标类别——行人（person），对应配置文件中的nc: 1和。采用单类别设计可以排除其他物体的干扰，使模型专注于行人特征的学习，便于针对性分析密集场景下的检测瓶颈。
2026-06-24 13:51:52
26
原创 YOLO26野生动物识别检测系统（项目源码+数据集+模型权重+UI界面+python+深度学习+远程环境部署）
针对野外环境下野生动物自动识别的需求，本文基于YOLO26目标检测算法构建了一套包含5类目标（郊狼、鹿、野猪、兔、浣熊）的野生动物识别系统。系统采用大规模数据集进行训练，其中训练集10,665张，验证集928张，测试集536张。实验结果表明，模型在验证集上的整体平均精度mAP50达到0.968，mAP50-95达到0.737，平均精度为0.954，召回率为0.927。单张图像推理时间仅1.8ms，综合处理速度约2.8ms/张，满足实时检测要求。
2026-06-24 13:51:21
25
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人