<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[GD10099的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/GD10099</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; GD10099]]></copyright><item><title><![CDATA[毕设 课设：基于YOLOv8、YOLO11、YOLO12、YOLO13的花卉检测识别系统]]></title><link>https://blog.youkuaiyun.com/GD10099/article/details/152218096</link><guid>https://blog.youkuaiyun.com/GD10099/article/details/152218096</guid><author>GD10099</author><pubDate>Sun, 28 Sep 2025 15:34:40 +0800</pubDate><description><![CDATA[高质量的数据集是模型训练的基础，本项目通过 “公开数据集补充 + 自建数据采集” 的方式，构建了覆盖15类5700张花卉的标注数据集，确保模型泛化能力与检测精度。]]></description><category></category></item><item><title><![CDATA[毕设 课设：基于YOLOv8、YOLO11、YOLO12、YOLO13的行人车辆检测与计数系统]]></title><link>https://blog.youkuaiyun.com/GD10099/article/details/152210563</link><guid>https://blog.youkuaiyun.com/GD10099/article/details/152210563</guid><author>GD10099</author><pubDate>Sun, 28 Sep 2025 11:14:52 +0800</pubDate><description><![CDATA[高质量的数据集是模型训练的基础，本项目通过 “公开数据集补充 + 自建数据采集” 的方式，构建了覆盖2类5600张标注数据集，确保模型泛化能力与检测精度。]]></description><category></category></item><item><title><![CDATA[毕设课设：基于YOLOv8、YOLO11、YOLO12、YOLOv13的水果蔬菜识别检测系统]]></title><link>https://blog.youkuaiyun.com/GD10099/article/details/152207659</link><guid>https://blog.youkuaiyun.com/GD10099/article/details/152207659</guid><author>GD10099</author><pubDate>Sun, 28 Sep 2025 10:10:24 +0800</pubDate><description><![CDATA[在现代农业产销链路中，水果蔬菜的高效识别与精准检测是打通自动化分拣、动态品质监控、智能库存管理的核心技术枢纽。本系统创新性融合YOLOv8、YOLO11、YOLO12与YOLOv13四款业界主流目标检测模型，打造出一套兼具宽类别覆盖、高识别精度与快响应速度的水果蔬菜识别检测解决方案。本文将从跨品类数据集构建（涵盖常见果蔬品种及复杂形态样本）、技术栈深度适配、多模型协同训练与性能评测、PyQt5可视化操作界面开发四个核心维度，系统拆解整体开发流程。]]></description><category></category></item><item><title><![CDATA[毕设课设：基于YOLOv8、YOLO11和YOLO12的蔬菜识别检测系统]]></title><link>https://blog.youkuaiyun.com/GD10099/article/details/151757403</link><guid>https://blog.youkuaiyun.com/GD10099/article/details/151757403</guid><author>GD10099</author><pubDate>Tue, 16 Sep 2025 16:18:50 +0800</pubDate><description><![CDATA[在智慧农业、生鲜零售、食品加工等领域，蔬菜的快速识别与检测是实现自动化分拣、品质管控、库存管理的核心技术支撑。本系统包含YOLOv8、YOLO11 和 YOLO12三款主流目标检测模型，构建了一套高精度、高效率的蔬菜识别检测系统。本文将从数据集构建、核心技术栈、多模型训练与对比、PyQt5 可视化界面设计四个维度，详细拆解系统开发流程。用户通过系统界面上传蔬菜图片 / 视频后，可实时获取蔬菜类别、检测置信度、目标位置等信息。]]></description><category></category></item><item><title><![CDATA[毕设 课设：基于Python的人脸识别考勤打卡系统]]></title><link>https://blog.youkuaiyun.com/GD10099/article/details/151452413</link><guid>https://blog.youkuaiyun.com/GD10099/article/details/151452413</guid><author>GD10099</author><pubDate>Wed, 10 Sep 2025 23:34:12 +0800</pubDate><description><![CDATA[在企业和学校的日常管理中，考勤系统是保障正常秩序的重要工具。传统考勤方式如指纹打卡、IC 卡打卡存在代打卡、设备易损坏等问题，而人脸识别技术凭借其唯一性和便捷性，成为考勤系统的理想选择。本文将详细介绍一款基于 Python 开发的人脸识别考勤打卡系统，该系统集成了人脸检测、活体识别、用户管理、考勤统计等功能，具备高安全性和易用性。
]]></description><category></category></item><item><title><![CDATA[毕设 课设：基于YOLOV8的中草药识别检测系统（包含数据集+PyQt5界面+系统代码）]]></title><link>https://blog.youkuaiyun.com/GD10099/article/details/148310399</link><guid>https://blog.youkuaiyun.com/GD10099/article/details/148310399</guid><author>GD10099</author><pubDate>Thu, 29 May 2025 14:51:17 +0800</pubDate><description><![CDATA[通过网络上搜集关于不同中草药的相关图片，并使用Labelimg标注工具对每张图片进行标注。本系统数据集一共包含11719张图片，其中训练集包含7699张图片，验证集包含2010张图片、测试集包含2010张图片。部分图像及标注如下图所示：来源信息：说明中草药的植物来源，如所属科属、生长环境。像人参属五加科人参属，多生长于海拔数百米的落叶阔叶林或针叶阔叶混交林下。药用价值：阐述其在中医药领域的功效，例如枸杞能滋补肝肾、益精明目 ，常用于肝肾阴虚、腰膝酸软等症状的调理。]]></description><category></category></item><item><title><![CDATA[毕设 课设：基于swin_transformer的植物中草药分类识别系统（包含数据集+UI界面+系统代码）]]></title><link>https://blog.youkuaiyun.com/GD10099/article/details/148306190</link><guid>https://blog.youkuaiyun.com/GD10099/article/details/148306190</guid><author>GD10099</author><pubDate>Thu, 29 May 2025 11:10:32 +0800</pubDate><description><![CDATA[本项目构建了基于swin_transformer的植物中草药分类识别系统。凭借swin_transformer卓越的性能，该系统能够高效、精准地识别检测    '白茅根', '白芍','白头翁','百部', '百合' '半夏','北沙参', '苍术','侧柏叶', '柴胡','赤芍', '佛手'等67种常见植物中草药，满足多样化的使用需求。在接下来的内容中会详细阐述数据集介绍、技术栈、模型训练和精心打造的应用界面设计。]]></description><category></category></item></channel></rss>