- 博客(63)
- 收藏
- 关注
RSS订阅原创 基于yolov10的井盖缺失破损检测系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】
基于yolov10的井盖缺失破损检测系统是在 PyTorch 框架之下得以实现的。这是一个完备的项目，涵盖了诸多方面，其中包括代数据集，模型，模型训练记录，GUI 界面以及各类重要的模型指标（如准确率、精确率、召回率等等）。该系统的 UI 界面是通过 tkinter 设计并成功实现的。该项目可在windows、linux(ubuntu，centos)、mac系统下运行，可外接usb摄像头或直接用笔记本摄像头实现摄像实时检测。该项目可在pycharm和anaconda搭建的虚拟环境执行，
2025-05-04 11:00:00
696
原创 基于yolov10的金属表面缺陷检测系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】
基于yolov10的金属表面缺陷检测系统是在 PyTorch 框架之下得以实现的。这是一个完备的项目，涵盖了诸多方面，其中包括代数据集，模型，模型训练记录，GUI 界面以及各类重要的模型指标（如准确率、精确率、召回率等等）。该系统的 UI 界面是通过 tkinter 设计并成功实现的。该项目可在windows、linux(ubuntu，centos)、mac系统下运行，可外接usb摄像头或直接用笔记本摄像头实现摄像实时检测。该项目可在pycharm和anaconda搭建的虚拟环境执行，
2025-05-03 15:16:36
589
原创 基于yolov8的人类动作行为检测识别系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】
基于yolov8的人类动作行为检测识别系统是在 PyTorch 框架之下得以实现的。这是一个完备的项目，涵盖了诸多方面，其中包括代码部分，精心整理的数据集，训练完备的模型权重，详实的模型训练记录，直观友好的 UI 界面以及各类重要的模型指标（如准确率、精确率、召回率等等）。该系统的 UI 界面是通过 tkinter 设计并成功实现的。该项目可在windows、linux(ubuntu，centos)、mac系统下运行，可外接usb摄像头或直接用笔记本摄像头实现摄像实时检测。
2025-05-01 11:00:00
1594
原创 基于yolov8的黑葡萄成熟度检测识别系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】
基于yolov8的黑葡萄成熟度检测识别系统是在 PyTorch 框架之下得以实现的。这是一个完备的项目，涵盖了诸多方面，其中包括代码部分，精心整理的数据集，训练完备的模型权重，详实的模型训练记录，直观友好的 UI 界面以及各类重要的模型指标（如准确率、精确率、召回率等等）。该系统的 UI 界面是通过 tkinter 设计并成功实现的。该项目可在windows、linux(ubuntu，centos)、mac系统下运行，可外接usb摄像头或直接用笔记本摄像头实现摄像实时检测。
2025-04-30 09:45:00
1762
原创 基于yolov10的蓝莓成熟度检测系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】
基于yolov10的蓝莓成熟度检测系统是在 PyTorch 框架之下得以实现的。这是一个完备的项目，涵盖了诸多方面，其中包括代数据集，模型，模型训练记录，GUI 界面以及各类重要的模型指标（如准确率、精确率、召回率等等）。该系统的 UI 界面是通过 tkinter 设计并成功实现的。该项目可在windows、linux(ubuntu，centos)、mac系统下运行，可外接usb摄像头或直接用笔记本摄像头实现摄像实时检测。该项目可在pycharm和anaconda搭建的虚拟环境执行，
2025-04-29 14:30:00
619
原创 基于卷积神经网络的蔬菜水果识别系统，resnet50，mobilenet模型【pytorch框架+python源码】
基于卷积神经网络的蔬菜水果识别系统是在pytorch框架下实现的，这是一个完整的项目，包括代码，数据集，训练好的模型权重，模型训练记录，ui界面和各种模型指标图表等。该项目有两个可选模型：resnet50和mobilenet，两个模型都在项目中；GUI界面由tkinter设计和实现。此项目可在windowns、linux(ubuntu, centos)、mac系统下运行。该项目是在pycharm和anaconda搭建的虚拟环境执行，
2025-04-28 14:30:00
2031
3
原创 基于yolov10的鲜茶叶分级系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】
基于yolov10的鲜茶叶分级系统是在 PyTorch 框架之下得以实现的。这是一个完备的项目，涵盖了诸多方面，其中包括代数据集，模型，模型训练记录，GUI 界面以及各类重要的模型指标（如准确率、精确率、召回率等等）。该系统的 UI 界面是通过 tkinter 设计并成功实现的。该项目可在windows、linux(ubuntu，centos)、mac系统下运行，可外接usb摄像头或直接用笔记本摄像头实现摄像实时检测。该项目可在pycharm和anaconda搭建的虚拟环境执行，
2025-04-23 09:30:00
978
原创 基于卷积神经网络的草莓分级系统，resnet50，mobilenet模型【pytorch框架+python源码】
基于卷积神经网络的草莓分级系统是在pytorch框架下实现的，这是一个完整的项目，包括代码，数据集，训练好的模型权重，模型训练记录，ui界面和各种模型指标图表等。该项目有两个可选模型：resnet50和mobilenet，两个模型都在项目中；GUI界面由tkinter设计和实现。此项目可在windowns、linux(ubuntu, centos)、mac系统下运行。该项目是在pycharm和anaconda搭建的虚拟环境执行，
2025-04-22 09:15:00
752
原创 基于yolov10的皮肤病检测识别系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】
基于yolov10的皮肤病检测识别系统是在 PyTorch 框架之下得以实现的。这是一个完备的项目，涵盖了诸多方面，其中包括代数据集，模型，模型训练记录，GUI 界面以及各类重要的模型指标（如准确率、精确率、召回率等等）。该系统的 UI 界面是通过 tkinter 设计并成功实现的。该项目可在windows、linux(ubuntu，centos)、mac系统下运行，可外接usb摄像头或直接用笔记本摄像头实现摄像实时检测。该项目可在pycharm和anaconda搭建的虚拟环境执行，
2025-04-21 14:30:00
905
原创 基于卷积神经网络的水果分类识别系统，resnet50，mobilenet模型【pytorch框架+python源码】
基于卷积神经网络的水果分类识别系统是在pytorch框架下实现的，这是一个完整的项目，包括代码，数据集，训练好的模型权重，模型训练记录，ui界面和各种模型指标图表等。该项目有两个可选模型：resnet50和mobilenet，两个模型都在项目中；GUI界面由tkinter设计和实现。此项目可在windowns、linux(ubuntu, centos)、mac系统下运行。该项目是在pycharm和anaconda搭建的虚拟环境执行，
2025-04-11 10:00:00
1244
原创 基于yolov10的蘑菇检测识别系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】
基于yolov10的蘑菇检测识别系统是在 PyTorch 框架之下得以实现的。这是一个完备的项目，涵盖了诸多方面，其中包括代数据集，模型，模型训练记录，GUI 界面以及各类重要的模型指标（如准确率、精确率、召回率等等）。该系统的 UI 界面是通过 tkinter 设计并成功实现的。该项目可在windows、linux(ubuntu，centos)、mac系统下运行，可外接usb摄像头或直接用笔记本摄像头实现摄像实时检测。该项目可在pycharm和anaconda搭建的虚拟环境执行，
2025-04-10 10:00:00
1618
原创 基于yolov10的水稻害虫检测识别系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】
基于yolov10的水稻害虫检测识别系统是在 PyTorch 框架之下得以实现的。这是一个完备的项目，涵盖了诸多方面，其中包括代数据集，模型，模型训练记录，GUI 界面以及各类重要的模型指标（如准确率、精确率、召回率等等）。该系统的 UI 界面是通过 tkinter 设计并成功实现的。该项目可在windows、linux(ubuntu，centos)、mac系统下运行，可外接usb摄像头或直接用笔记本摄像头实现摄像实时检测。该项目可在pycharm和anaconda搭建的虚拟环境执行，
2025-04-09 10:00:00
691
原创 基于yolov11的梨子分级、新鲜度检测识别系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】
基于yolov11的梨子分级、新鲜度检测识别系统是在 PyTorch 框架之下得以实现的。这是一个完备的项目，涵盖了诸多方面，其中包括代数据集，模型，模型训练记录，GUI 界面以及各类重要的模型指标（如准确率、精确率、召回率等等）。该系统的 UI 界面是通过 tkinter 设计并成功实现的。该项目可在windows、linux(ubuntu，centos)、mac系统下运行，可外接usb摄像头或直接用笔记本摄像头实现摄像实时检测。该项目可在pycharm和anaconda搭建的虚拟环境执行，
2025-03-24 14:30:00
574
原创 基于yolov11的橙子分级、新鲜度检测识别系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】
基于yolov11的橙子分级、新鲜度检测识别系统是在 PyTorch 框架之下得以实现的。这是一个完备的项目，涵盖了诸多方面，其中包括代数据集，模型，模型训练记录，GUI 界面以及各类重要的模型指标（如准确率、精确率、召回率等等）。该系统的 UI 界面是通过 tkinter 设计并成功实现的。该项目可在windows、linux(ubuntu，centos)、mac系统下运行，可外接usb摄像头或直接用笔记本摄像头实现摄像实时检测。该项目可在pycharm和anaconda搭建的虚拟环境执行，
2025-03-21 14:15:00
910
原创 基于yolov11的柑橘、沃柑分级、新鲜度检测识别系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】
基于yolov11的柑橘、沃柑分级、新鲜度检测识别系统是在 PyTorch 框架之下得以实现的。这是一个完备的项目，涵盖了诸多方面，其中包括代数据集，模型，模型训练记录，GUI 界面以及各类重要的模型指标（如准确率、精确率、召回率等等）。该系统的 UI 界面是通过 tkinter 设计并成功实现的。该项目可在windows、linux(ubuntu，centos)、mac系统下运行，可外接usb摄像头或直接用笔记本摄像头实现摄像实时检测。该项目可在pycharm和anaconda搭建的虚拟环境执行，
2025-03-20 14:15:00
1496
原创 基于yolov11的苹果分级、新鲜度检测识别系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】
基于yolov11的苹果分级、新鲜度检测识别系统是在 PyTorch 框架之下得以实现的。这是一个完备的项目，涵盖了诸多方面，其中包括代数据集，模型，模型训练记录，GUI 界面以及各类重要的模型指标（如准确率、精确率、召回率等等）。该系统的 UI 界面是通过 tkinter 设计并成功实现的。该项目可在windows、linux(ubuntu，centos)、mac系统下运行，可外接usb摄像头或直接用笔记本摄像头实现摄像实时检测。该项目可在pycharm和anaconda搭建的虚拟环境执行，
2025-03-19 14:36:39
635
原创 基于yolov11的香蕉分级、新鲜度检测识别系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】
基于yolov11的香蕉分级、新鲜度检测识别系统是在 PyTorch 框架之下得以实现的。这是一个完备的项目，涵盖了诸多方面，其中包括代数据集，模型，模型训练记录，GUI 界面以及各类重要的模型指标（如准确率、精确率、召回率等等）。该系统的 UI 界面是通过 tkinter 设计并成功实现的。该项目可在windows、linux(ubuntu，centos)、mac系统下运行，可外接usb摄像头或直接用笔记本摄像头实现摄像实时检测。该项目可在pycharm和anaconda搭建的虚拟环境执行，
2025-03-18 10:02:18
536
原创 基于卷积神经网络的大米缺陷识别，分级系统，resnet50，mobilenet模型【pytorch框架+python源码】
基于卷积神经网络的大米缺陷识别，分级系统是在pytorch框架下实现的，这是一个完整的项目，包括代码，数据集，训练好的模型权重，模型训练记录，ui界面和各种模型指标图表等。该项目有两个可选模型：resnet50和mobilenet，两个模型都在项目中；GUI界面由tkinter设计和实现。此项目可在windowns、linux(ubuntu, centos)、mac系统下运行。该项目是在pycharm和anaconda搭建的虚拟环境执行，
2025-02-27 14:00:00
716
原创 基于卷积神经网络的电气元件识别系统，resnet50，mobilenet模型【pytorch框架+python源码】
基于卷积神经网络的电气元件识别系统是在pytorch框架下实现的，这是一个完整的项目，包括代码，数据集，训练好的模型权重，模型训练记录，ui界面和各种模型指标图表等。该项目有两个可选模型：resnet50和mobilenet，两个模型都在项目中；GUI界面由tkinter设计和实现。此项目可在windowns、linux(ubuntu, centos)、mac系统下运行。该项目是在pycharm和anaconda搭建的虚拟环境执行，
2025-02-26 14:00:00
670
原创 基于卷积神经网络的建筑物识别系统，resnet50，mobilenet模型【pytorch框架+python源码】
基于卷积神经网络的建筑物识别系统是在pytorch框架下实现的，这是一个完整的项目，包括代码，数据集，训练好的模型权重，模型训练记录，ui界面和各种模型指标图表等。该项目有两个可选模型：resnet50和mobilenet，两个模型都在项目中；GUI界面由tkinter设计和实现。此项目可在windowns、linux(ubuntu, centos)、mac系统下运行。该项目是在pycharm和anaconda搭建的虚拟环境执行，
2025-02-25 15:45:00
832
原创 基于卷积神经网络的桃子品质分级系统，resnet50，mobilenet模型【pytorch框架+python源码】
基于卷积神经网络的桃子品质分级系统是在pytorch框架下实现的，这是一个完整的项目，包括代码，数据集，训练好的模型权重，模型训练记录，ui界面和各种模型指标图表等。该项目有两个可选模型：resnet50和mobilenet，两个模型都在项目中；GUI界面由tkinter设计和实现。此项目可在windowns、linux(ubuntu, centos)、mac系统下运行。windows保姆级的pycharm+anaconda搭建python虚拟环境_windows启动python虚拟环境-优快云博客。
2024-12-17 15:15:00
563
原创 基于卷积神经网络的柠檬品质分级系统，resnet50，mobilenet模型【pytorch框架+python源码】
基于卷积神经网络的柠檬品质分级系统是在pytorch框架下实现的，这是一个完整的项目，包括代码，数据集，训练好的模型权重，模型训练记录，ui界面和各种模型指标图表等。该项目有两个可选模型：resnet50和mobilenet，两个模型都在项目中；GUI界面由tkinter设计和实现。此项目可在windowns、linux(ubuntu, centos)、mac系统下运行。windows保姆级的pycharm+anaconda搭建python虚拟环境_windows启动python虚拟环境-优快云博客。
2024-12-16 15:21:20
1115
1
原创 基于yolov8的道路病害、缺陷检测识别系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】
基于yolov8的道路病害、缺陷检测识别系统是在 PyTorch 框架之下得以实现的。这是一个完备的项目，涵盖了诸多方面，其中包括代码部分，精心整理的数据集，训练完备的模型权重，详实的模型训练记录，直观友好的 UI 界面以及各类重要的模型指标（如准确率、精确率、召回率等等）。该系统的 UI 界面是通过 tkinter 设计并成功实现的。该项目可在windows、linux(ubuntu，centos)、mac系统下运行，可外接usb摄像头或直接用笔记本摄像头实现摄像实时检测。
2024-11-28 14:30:00
734
原创 基于yolov8的课堂行为检测识别系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】
基于yolov8的课堂行为检测识别系统是在 PyTorch 框架之下得以实现的。这是一个完备的项目，涵盖了诸多方面，其中包括代码部分，数据集，训练完备的模型权重，详实的模型训练记录，直观友好的 GUI 界面以及各类重要的模型指标（如准确率、精确率、召回率等等）。该系统的 UI 界面是通过 tkinter 设计并成功实现的。该项目可在windows、linux(ubuntu，centos)、mac系统下运行，可外接usb摄像头或直接用笔记本摄像头实现摄像实时检测。
2024-11-27 14:30:00
1006
原创 基于yolov8和deepsort实现行人检测、追踪和计数，支持视频和摄像实时检测与追踪，可用自己的数据集训练模型【pytorch框架，python源码】
基于yolov8和deepsort实现行人检测、追踪和计数，支持视频和摄像实时检测与追踪系统是在pytorch框架下实现的，这是一个完整的项目，包括代码，数据集，训练好的模型权重，模型训练记录，GUI界面等。GUI界面由Tkinter设计实现，该项目可在windows、linux(ubuntu，centos)、mac系统下运行，可外接usb摄像头或直接用笔记本摄像头实现摄像实时检测。
2024-11-26 14:30:00
890
原创 基于yolov8和deepsort实现车辆检测、追踪和计数，支持视频和摄像实时检测与追踪，可用自己的数据集训练模型【pytorch框架，python源码】
基于yolov8和deepsort实现车辆检测、追踪和计数，支持视频和摄像实时检测与追踪系统是在pytorch框架下实现的，这是一个完整的项目，包括代码，数据集，训练好的模型权重，模型训练记录，GUI界面等。GUI界面由Tkinter设计实现，该项目可在windows、linux(ubuntu，centos)、mac系统下运行，可外接usb摄像头或直接用笔记本摄像头实现摄像实时检测。
2024-11-25 14:58:34
1180
原创 yolov5+deepsort实现电动车头盔检测与追踪，支持视频和摄像实时检测与追踪，可用自己的数据集训练模型【pytorch框架，python源码】
yolov5+deepsort实现电动车头盔检测与追踪系统是在pytorch框架下实现的，这是一个完整的项目，包括代码，数据集，训练好的模型权重，模型训练记录，GUI界面等。GUI界面由Tkinter设计实现，该项目可在windows、linux(ubuntu，centos)、mac系统下运行，可外接usb摄像头或直接用笔记本摄像头实现摄像实时检测。超详细的pycharm+anaconda搭建python虚拟环境_pycharm配置anaconda虚拟环境-优快云博客。
2024-11-22 10:45:00
1354
原创 yolov5+deepsort实现行人检测、追踪和计数，支持视频和摄像实时检测与追踪，可用自己的数据集训练模型【pytorch框架，python源码】
yolov5+deepsort实现行人检测、追踪和计数系统是在pytorch框架下实现的，这是一个完整的项目，包括代码，数据集，训练好的模型权重，模型训练记录，GUI界面等。GUI界面由Tkinter设计实现，该项目可在windows、linux(ubuntu，centos)、mac系统下运行，可外接usb摄像头或直接用笔记本摄像头实现摄像实时检测。超详细的pycharm+anaconda搭建python虚拟环境_pycharm配置anaconda虚拟环境-优快云博客。
2024-11-21 14:15:00
1105
原创 基于yolov5和deepsort实现车辆检测、追踪和计数，支持视频和摄像实时检测与追踪，可用自己的数据集训练模型【pytorch框架，python源码】
基于yolov5和deepsort实现车辆检测、追踪和计数系统是在pytorch框架下实现的，这是一个完整的项目，包括代码，数据集，训练好的模型权重，模型训练记录，GUI界面等。GUI界面由Tkinter设计实现，该项目可在windows、linux(ubuntu，centos)、mac系统下运行，可外接usb摄像头或直接用笔记本摄像头实现摄像实时检测。超详细的pycharm+anaconda搭建python虚拟环境_pycharm配置anaconda虚拟环境-优快云博客。
2024-11-20 14:15:00
1185
原创 基于Faster-RCNN模型的遥感卫星影像目标检测系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】
基于Faster-RCNN模型的遥感卫星影像目标检测系统是在 PyTorch 框架之下得以实现的。这是一个完备的项目，涵盖了诸多方面，其中包括代码部分，数据集，训练完备的模型权重， UI 界面以及各类重要的模型指标该系统的 UI 界面是通过 tkinter 设计并成功实现的。该项目可在windows、linux(ubuntu，centos)、mac系统下运行，可外接usb摄像头或直接用笔记本摄像头实现摄像实时检测。
2024-11-19 14:15:00
1000
原创 基于Faster-RCNN模型的工地安全帽检测系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】
基于Faster-RCNN模型的工地安全帽检测系统是在 PyTorch 框架之下得以实现的。这是一个完备的项目，涵盖了诸多方面，其中包括代码部分，数据集，训练完备的模型权重， UI 界面以及各类重要的模型指标该系统的 UI 界面是通过 tkinter 设计并成功实现的。该项目可在windows、linux(ubuntu，centos)、mac系统下运行，可外接usb摄像头或直接用笔记本摄像头实现摄像实时检测。
2024-11-18 15:23:03
1006
原创 基于yolov5的食堂自动计价系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】
基于 YOLOv5 的食堂自动计价系统是在 PyTorch 框架之下得以实现的。这是一个完备的项目，涵盖了诸多方面，其中包括代码部分，精心整理的数据集，训练完备的模型权重，详实的模型训练记录，直观友好的 UI 界面以及各类重要的模型指标（如准确率、精确率、召回率等等）。该系统的 UI 界面是通过 tkinter 设计并成功实现的。该项目可在windows、linux(ubuntu，centos)、mac系统下运行，可外接usb摄像头或直接用笔记本摄像头实现摄像实时检测。
2024-11-13 14:30:00
616
原创 基于yolov5的番茄成熟度检测系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】
基于 YOLOv5 的番茄成熟度检测系统是在 PyTorch 框架之下得以实现的。这是一个完备的项目，涵盖了诸多方面，其中包括代码部分，精心整理的数据集，训练完备的模型权重，详实的模型训练记录，直观友好的 UI 界面以及各类重要的模型指标（如准确率、精确率、召回率等等）。该系统的 UI 界面是通过 tkinter 设计并成功实现的。该项目可在windows、linux(ubuntu，centos)、mac系统下运行，可外接usb摄像头或直接用笔记本摄像头实现摄像实时检测。
2024-11-12 14:38:53
946
原创 基于SSD模型的路面坑洼检测系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】
基于SSD模型的路面坑洼检测系统是在 PyTorch 框架之下得以实现的。这是一个完备的项目，涵盖了诸多方面，其中包括代码部分，数据集，训练完备的模型权重， UI 界面以及各类重要的模型指标该系统的 UI 界面是通过 tkinter 设计并成功实现的。该项目可在windows、linux(ubuntu，centos)、mac系统下运行，可外接usb摄像头或直接用笔记本摄像头实现摄像实时检测。
2024-11-07 15:04:13
984
原创 基于SSD模型的输电线绝缘子及绝缘子缺陷检测系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】
基于SSD模型的输电线绝缘子及绝缘子缺陷检测系统是在 PyTorch 框架之下得以实现的。这是一个完备的项目，涵盖了诸多方面，其中包括代码部分，数据集，训练完备的模型权重， UI 界面以及各类重要的模型指标该系统的 UI 界面是通过 tkinter 设计并成功实现的。该项目可在windows、linux(ubuntu，centos)、mac系统下运行，可外接usb摄像头或直接用笔记本摄像头实现摄像实时检测。
2024-11-06 16:08:26
728
原创 基于SSD模型的行人跌倒、摔倒检测系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】
基于SSD模型的行人跌倒、摔倒检测系统是在 PyTorch 框架之下得以实现的。这是一个完备的项目，涵盖了诸多方面，其中包括代码部分，数据集，训练完备的模型权重， UI 界面以及各类重要的模型指标该系统的 UI 界面是通过 tkinter 设计并成功实现的。该项目可在windows、linux(ubuntu，centos)、mac系统下运行，可外接usb摄像头或直接用笔记本摄像头实现摄像实时检测。
2024-11-05 16:16:43
979
原创 基于yolov8的农作物杂草检测识别系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】
基于yolov8的农作物杂草检测识别系统是在 PyTorch 框架之下得以实现的。这是一个完备的项目，涵盖了诸多方面，其中包括代码部分，精心整理的数据集，训练完备的模型权重，详实的模型训练记录，直观友好的 UI 界面以及各类重要的模型指标（如准确率、精确率、召回率等等）。该系统的 UI 界面是通过 tkinter 设计并成功实现的。该项目可在windows、linux(ubuntu，centos)、mac系统下运行，可外接usb摄像头或直接用笔记本摄像头实现摄像实时检测。
2024-11-04 14:46:17
1240
原创 基于yolov8的生猪检测和统计系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】
基于yolov8的生猪检测和统计系统是在 PyTorch 框架之下得以实现的。这是一个完备的项目，涵盖了诸多方面，其中包括代码部分，精心整理的数据集，训练完备的模型权重，详实的模型训练记录，直观友好的 UI 界面以及各类重要的模型指标（如准确率、精确率、召回率等等）。该系统的 UI 界面是通过 tkinter 设计并成功实现的。该项目可在windows、linux(ubuntu，centos)、mac系统下运行，可外接usb摄像头或直接用笔记本摄像头实现摄像实时检测。
2024-10-31 15:27:11
1393
原创 基于yolov8的柑橘叶片病虫害检测系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】
基于yolov8的柑橘叶片病虫害检测系统是在 PyTorch 框架之下得以实现的。这是一个完备的项目，涵盖了诸多方面，其中包括代码部分，精心整理的数据集，训练完备的模型权重，详实的模型训练记录，直观友好的 UI 界面以及各类重要的模型指标（如准确率、精确率、召回率等等）。该系统的 UI 界面是通过 tkinter 设计并成功实现的。该项目可在windows、linux(ubuntu，centos)、mac系统下运行，可外接usb摄像头或直接用笔记本摄像头实现摄像实时检测。
2024-10-30 15:01:46
1014
3
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