<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[embedcow的专栏]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/embedcow</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; embedcow]]></copyright><item><title><![CDATA[办公人员行为检测 YOLOv8 完整训练 & 测试教程]]></title><link>https://blog.youkuaiyun.com/embedcow/article/details/167695650</link><guid>https://blog.youkuaiyun.com/embedcow/article/details/167695650</guid><author>embedcow</author><pubDate>Mon, 12 Oct 2026 15:16:37 +0800</pubDate><description><![CDATA[本文介绍基于YOLOv8的6类办公人员行为检测系统，涵盖环境配置、数据集准备、模型训练（推荐yolov8s/m）、验证与测试流程。重点优化异常行为（如sleeping、phone_usage）召回率，通过调整imgsz、conf、数据增强等策略提升性能。强调使用独立测试集评估泛化能力，并结合目标跟踪与多帧滤波实现稳定告警，最终导出ONNX模型用于边缘部署，形成完整监控应用链路。]]></description><category></category></item><item><title><![CDATA[课堂学生行为yolo检测完整训练 & 测试教程]]></title><link>https://blog.youkuaiyun.com/embedcow/article/details/167386094</link><guid>https://blog.youkuaiyun.com/embedcow/article/details/167386094</guid><author>embedcow</author><pubDate>Fri, 09 Oct 2026 14:39:29 +0800</pubDate><description><![CDATA[学生课堂行为数据集面向智慧课堂学生行为检测，涵盖12类课堂行为与物体，基于真实教室监控画面构建，支持YOLO系列模型训练。数据集包含密集遮挡、小目标、类别相似等挑战，提供标准格式与划分，适用于算法研发、模型调优与系统验证。通过YOLOv8完整训练流程，可实现对学生举手、玩手机、睡觉等行为的精准识别，输出结果可用于课堂状态分析与教学评估，助力智慧教育落地。]]></description><category></category></item><item><title><![CDATA[管道泄漏监测 YOLOv8 完整训练 & 测试教程]]></title><link>https://blog.youkuaiyun.com/embedcow/article/details/166896383</link><guid>https://blog.youkuaiyun.com/embedcow/article/details/166896383</guid><author>embedcow</author><pubDate>Wed, 30 Sep 2026 14:03:09 +0800</pubDate><description><![CDATA[本数据集为工业管道巡检场景设计，含8718张图像，2类目标（leak、pipe），采用YOLO标注格式，已划分train/valid/test。支持YOLOv5/v8训练，推荐GPU显存≥8G。通过校验、多尺度训练、数据增强及样本平衡优化泄漏检测效果。可部署于边缘设备，适用于油气、市政、化工管线智能巡检。]]></description><category></category></item><item><title><![CDATA[汽车轮胎状态目标检测 YOLOv8 完整训练 & 测试教程]]></title><link>https://blog.youkuaiyun.com/embedcow/article/details/166843332</link><guid>https://blog.youkuaiyun.com/embedcow/article/details/166843332</guid><author>embedcow</author><pubDate>Tue, 29 Sep 2026 15:18:36 +0800</pubDate><description><![CDATA[本文介绍基于YOLOv8的汽车轮胎三分类检测系统，涵盖数据集准备、环境配置、模型训练、评估与部署全流程。针对缺陷纹理细粒度特点，推荐使用yolov8s/m，分辨率设为800，训练时重点关注故障类召回率，合理设置conf=0.20~0.25避免漏检。通过独立测试集评估模型泛化能力，最终导出ONNX模型用于边缘部署，强调多帧融合以提升工程可靠性。]]></description><category></category></item><item><title><![CDATA[泳池水域人员状态目标检测溺水YOLOv8 完整训练 & 测试教程]]></title><link>https://blog.youkuaiyun.com/embedcow/article/details/166840156</link><guid>https://blog.youkuaiyun.com/embedcow/article/details/166840156</guid><author>embedcow</author><pubDate>Tue, 29 Sep 2026 12:18:18 +0800</pubDate><description><![CDATA[整理数据集，修改 data.yaml 加上 path 绝对路径环境安装，运行训练，得到 best.ptval 验证集调参split=test跑独立测试集得到论文 / 报告最终指标图片 / 视频推理验证肉眼效果需要部署导出 onnx。]]></description><category></category></item><item><title><![CDATA[农作物叶面害虫目标检测数据集 完整训练 & 测试教程（YOLOv8）]]></title><link>https://blog.youkuaiyun.com/embedcow/article/details/166365211</link><guid>https://blog.youkuaiyun.com/embedcow/article/details/166365211</guid><author>embedcow</author><pubDate>Tue, 22 Sep 2026 15:14:54 +0800</pubDate><description><![CDATA[本文介绍面向农业作物叶面害虫检测的YOLOv8训练全流程，推荐使用Python3.9-3.11及CUDA11.8/12.1环境，优先选用yolov8s/yolov8m模型应对微小目标。数据集含6类刺吸式害虫，采用标准YOLO格式，支持直接训练。通过命令行或Python API训练，配置合理参数（如imgsz=800、batch=4、patience=15），并利用验证集与独立测试集评估mAP、召回率等指标。针对漏检、误检、重叠等问题提出调优建议，支持导出ONNX用于部署。最终实现从图像输入到植保建议输出的完]]></description><category></category></item><item><title><![CDATA[输电线路异物检测完整训练 & 测试教程]]></title><link>https://blog.youkuaiyun.com/embedcow/article/details/166245323</link><guid>https://blog.youkuaiyun.com/embedcow/article/details/166245323</guid><author>embedcow</author><pubDate>Mon, 21 Sep 2026 13:43:12 +0800</pubDate><description><![CDATA[面向无人机电力巡检，构建了包含山地、农田等复杂场景的架空输电线路异物检测数据集，涵盖轻质漂浮物（如塑料膜、风筝）与实体异物（如鸟巢、树枝），采用YOLO格式标注，含训练、验证、测试集划分。适用于YOLOv8等模型训练，重点解决小目标、背景干扰、类别不平衡等挑战。通过完整训练、评估与推理流程，可实现异物自动识别，支撑电网隐患预警与运维闭环，具备科研、工程落地价值。]]></description><category></category></item><item><title><![CDATA[电梯场景目标检测数据集 YOLOv8 完整训练 & 测试教程]]></title><link>https://blog.youkuaiyun.com/embedcow/article/details/166242479</link><guid>https://blog.youkuaiyun.com/embedcow/article/details/166242479</guid><author>embedcow</author><pubDate>Mon, 21 Sep 2026 12:23:49 +0800</pubDate><description><![CDATA[本文介绍基于YOLOv8的电梯场景目标检测数据集与训练全流程。数据集含2805张图像，划分为训练（1955）、验证（557）、测试（293）三部分，涵盖人、自行车、电摩、电动车及广告5类目标，采用YOLO格式标注。通过配置elevator.yaml，使用yolov8n.pt模型在640×640分辨率下训练100轮，支持批量推理、ONNX导出，适用于边缘设备部署。针对遮挡、样本不平衡等问题提出调优建议，如提升置信度阈值、增加类别权重，确保模型在真实电梯场景中具备高泛化能力与实用性。]]></description><category></category></item><item><title><![CDATA[工业控制柜元器件检测数据集 YOLOv8 完整训练 & 测试教程]]></title><link>https://blog.youkuaiyun.com/embedcow/article/details/165740587</link><guid>https://blog.youkuaiyun.com/embedcow/article/details/165740587</guid><author>embedcow</author><pubDate>Thu, 17 Sep 2026 13:45:49 +0800</pubDate><description><![CDATA[本文介绍工业控制柜面板目标检测数据集的全流程应用，涵盖环境配置、数据校验、模型训练（YOLOv8s/m）、验证与独立测试集评估、推理及模型导出。针对小目标（如指示灯）检测难点，建议使用yolov8s/m、增大输入尺寸、开启mosaic增强，并通过调优置信度与数据增强提升状态识别精度。最终实现柜体组件定位与开关/指示灯状态识别，支持嵌入式部署与巡检业务闭环。]]></description><category></category></item><item><title><![CDATA[水表读数检测数据集 YOLOv8 完整训练 & 测试教程]]></title><link>https://blog.youkuaiyun.com/embedcow/article/details/165728361</link><guid>https://blog.youkuaiyun.com/embedcow/article/details/165728361</guid><author>embedcow</author><pubDate>Thu, 17 Sep 2026 11:44:27 +0800</pubDate><description><![CDATA[本教程基于12类水表数据集（0-9数字、计数器、升单位），实现水表自动抄表的视觉检测。涵盖环境配置、数据格式校验、YOLOv8模型训练与评估、批量推理及ONNX导出全流程。通过训练检测数字、计数器与单位区域，结合OCR可完成读数解析。重点提示：合理设置batch、增强小目标样本、使用best.pt权重提升精度，适用于嵌入式部署与真实场景泛化评测。]]></description><category></category></item><item><title><![CDATA[墙体 / 道路裂缝 YOLO 目标检测数据集介绍 & YOLO 模型训练方案]]></title><link>https://blog.youkuaiyun.com/embedcow/article/details/165623399</link><guid>https://blog.youkuaiyun.com/embedcow/article/details/165623399</guid><author>embedcow</author><pubDate>Wed, 16 Sep 2026 18:11:22 +0800</pubDate><description><![CDATA[本数据集为大规模混凝土墙体与路面裂缝缺陷检测专用数据集，含22,637张灰度图像及对应YOLO格式标注，仅含“裂缝”一类。数据集结构清晰，支持直接用于YOLOv5/v7/v8训练。推荐按8:1:1随机划分训练/验证/测试集，并生成dataset.yaml配置文件。训练时建议使用YOLOv8s模型，设置imgsz=800、auto_anchor=True、开启mosaic增强，以提升细长裂缝检出率。通过校验脚本确保数据完整性，重点监控召回率与mAP50指标，推理时降低置信度阈值避免漏检，最终导出ONNX模型。]]></description><category></category></item><item><title><![CDATA[嵌入式边缘服务器 SCADA Web 组态功能完整设计教程说明]]></title><link>https://blog.youkuaiyun.com/embedcow/article/details/165318408</link><guid>https://blog.youkuaiyun.com/embedcow/article/details/165318408</guid><author>embedcow</author><pubDate>Mon, 14 Sep 2026 15:22:12 +0800</pubDate><description><![CDATA[本教程基于B/S架构，实现轻量化SCADA组态系统，适用于嵌入式边缘服务器（如RK3568/RK3588）。前端采用HTML+CSS+JS，后端用C/C++/Python实现CGI接口，支持Modbus、OPC-UA等工业协议。系统包含组态编辑器（scada.html）与运行时Viewer，支持拖拽绘图、点位绑定、命令下发、脚本控制及JSON工程文件管理。通过lighttpd部署，可离线运行，断网仍可监控控制。]]></description><category></category></item><item><title><![CDATA[YOLO 训练门开关状态（door_close /door_open/door_semi_open）完整教程]]></title><link>https://blog.youkuaiyun.com/embedcow/article/details/165003921</link><guid>https://blog.youkuaiyun.com/embedcow/article/details/165003921</guid><author>embedcow</author><pubDate>Fri, 11 Sep 2026 18:00:25 +0800</pubDate><description><![CDATA[本数据集基于YOLO实现门关闭、全开、半开三状态检测，适用于智能家居与安防场景。包含多张多样化图像，覆盖不同光照、角度及门型，重点增强半开状态样本以减少类别混淆。采用YOLOv8训练，配置data.yaml，支持端到端训练、评估与ONNX部署，强调标签一致性与数据多样性，提升模型在真实环境中的泛化能力。]]></description><category></category></item><item><title><![CDATA[老鼠图片数据集yolo目标识别模型训练]]></title><link>https://blog.youkuaiyun.com/embedcow/article/details/165002136</link><guid>https://blog.youkuaiyun.com/embedcow/article/details/165002136</guid><author>embedcow</author><pubDate>Fri, 11 Sep 2026 16:56:02 +0800</pubDate><description><![CDATA[本数据集用于 YOLO 目标检测训练，包含多场景老鼠实拍图像，覆盖室内角落、管线、仓库等环境，含不同光照、角度、遮挡样本。标注框标记老鼠主体，区分个体，适配静态图片与视频帧检测。可训练模型识别鼠类，用于机房、楼宇、工厂虫害智能监测，能输出目标位置、数量，辅助自动报警。]]></description><category></category></item><item><title><![CDATA[灭火器yolo目标识别]]></title><link>https://blog.youkuaiyun.com/embedcow/article/details/147426901</link><guid>https://blog.youkuaiyun.com/embedcow/article/details/147426901</guid><author>embedcow</author><pubDate>Tue, 22 Apr 2025 17:47:32 +0800</pubDate><description><![CDATA[灭火器yolo目标识别数据集。]]></description><category></category></item><item><title><![CDATA[ucGUI VC6.0 仿真 开发板 产品式例程]]></title><link>https://blog.youkuaiyun.com/embedcow/article/details/42101223</link><guid>https://blog.youkuaiyun.com/embedcow/article/details/42101223</guid><author>embedcow</author><pubDate>Tue, 23 Dec 2014 12:46:56 +0800</pubDate><description><![CDATA[晒一晒ucGUI界面；
       源码工程通过uc/GUI开发一款高端在线电能质量监测装置HMI人机界面应用，界面美观，应用了uc/GUI各种控件实现，工程师可以通过这个仿真工程免开发板在电脑上直接学习uc/GUI开发；并在实际产品开发过程中学习参考；
       界面提供图标菜单，总共15个界面，点击各个图标可以进入不同的界面；]]></description><category></category></item></channel></rss>