基于WPF+HALCON开发的仿海康VisionMaster视觉软件通用框架（源码），开箱即用，非常优质的资源
基于WPF+HALCON开发的仿海康VisionMaster视觉软件通用框架（源码），开箱即用，非常优质的资源
该框架融合了 WPF 的现代化 UI 设计与 HALCON 的强大机器视觉算法，提供类似海康 VisionMaster 的模块化、可配置视觉软件架构。支持算法拖拽配置、实时图像显示、参数调整、结果记录等核心功能，可直接作为工业视觉项目的基础框架进行二次开发。
毕业设计 基于机器视觉的转接头LOGO外观缺陷检测系统-Halcon+C#（整套源码+开题报告+任务书+毕业论文+项目图片），高分项目，开箱即用
毕业设计 基于机器视觉的转接头LOGO外观缺陷检测系统-Halcon+C#（整套源码+开题报告+任务书+毕业论文+项目图片），高分项目，开箱即用
在转接头的生产过程中，由于制造工艺、材料特性以及生产环境等多种因素的影响，其 LOGO 可能出现多种外观缺陷。这些缺陷不仅影响产品的美观度，还可能对产品的性能和品牌形象产生负面影响。常见的转接头 LOGO 外观缺陷类型包括：
划痕：在转接头的加工、运输或装配过程中，LOGO 表面可能会与其他物体发生摩擦或碰撞，从而产生划痕。划痕的深度和长度各不相同，严重的划痕会破坏 LOGO 的完整性，影响其视觉效果。
磨损：长期使用或频繁插拔转接头，会导致 LOGO 表面的涂层逐渐磨损，使得 LOGO 的颜色变浅、图案模糊。磨损还可能导致 LOGO 表面出现凹凸不平的现象，影响产品的外观质量。
模糊：在印刷或雕刻 LOGO 时，如果工艺参数控制不当，会导致 LOGO 的图案或文字模糊不清。油墨的质量问题、印刷设备的精度不足、雕刻刀具的磨损等，都可能导致 LOGO 模糊。
偏移：在转接头的生产过程中，LOGO 的印刷或雕刻位置出现偏差，会导致 LOGO 与转接头的中心轴线不重合，影响产品的对称性和美观度。定位不准确、模具老化、生产过程中的振动等，都可能导致 LOGO 偏移。
残缺：由于原材料的质量问题、加工工艺的缺陷或外力的作用，LOGO 可能会出现部分缺失的情况，如笔画断裂、图案缺损等。残缺的 LOGO 会影响产品的识别性和品牌形象。
资源详情请查看：https://blog.youkuaiyun.com/m0_37302966/article/details/149392494
毕业设计 基于机器视觉的PCB焊接缺陷检测系统-Halcon+C#（整套源码+开题报告+毕业论文+项目图片），高分项目，开箱即用
毕业设计 基于机器视觉的PCB焊接缺陷检测系统-Halcon+C#（整套源码+开题报告+毕业论文+项目图片），高分项目，开箱即用
在电子制造业蓬勃发展的当下，PCB（印刷电路板）作为电子设备的核心部件，其焊接质量直接关乎产品的性能与可靠性。传统的 PCB 焊接缺陷检测主要依赖人工目测，这种方式存在诸多明显弊端。
人工检测不仅效率低下，难以满足大规模生产的需求，而且检测结果受检测人员的经验、情绪、疲劳程度等主观因素影响极大，容易出现漏检、误检的情况。随着电子元件朝着微型化、高密度化的方向发展，人工检测的难度进一步加大，对检测精度的要求也越来越高。
在此背景下，基于机器视觉的 PCB 焊接缺陷检测技术应运而生。机器视觉检测借助计算机技术模拟人类视觉功能，能够快速、准确、稳定地对 PCB 焊接质量进行检测，有效克服了人工检测的缺陷，成为提高电子制造业生产效率和产品质量的关键技术之一。
资源详情请查看：https://blog.youkuaiyun.com/m0_37302966/article/details/140312796
用WPF+halcon做的仿easyvision通用机器视觉平台（源码）
参考 easyvision的核心功能（图像采集、处理、算法配置、结果展示），采用 MVVM 架构设计，支持多相机接入、模块化算法扩展和可视化操作界面。
基于WPF+HALCON+海康算子开发的仿easyvision的通用机器视觉框架（源码）
集成并封装了Halcon及海康机器人视觉算法工具。支持传统视觉算法（如二值化、滤波、灰度化、图像增强、形态学处理、模板匹配、圆查找、缺陷检测、定位等），同时可灵活嵌入YOLO等深度学习算法，满足工业检测、设备定位、缺陷分析等场景需求。界面采用C# WPF进行开发，符合现代化交互体验和高效流程可视化追踪。
技术架构
开发语言与平台
主开发语言：C#
界面框架：WPF (.NET Framework/.NET Core)
辅助技术：MVVM架构，异步多线程，配置动态加载
算法与工具
传统视觉
Halcon 算法库（重点集成、调用Halcon算子）
海康视觉工具集（海康机器人自带视觉处理算法）
图像处理基础操作：
二值化、灰度化、滤波、图像增强
形态学处理（腐蚀、膨胀等）
边缘检测与特征提取
检测及分析
模板匹配（基于Halcon/海康算子）
Blob分析
定位（圆、角点、几何校正等）
缺陷检测（面积、异色、污点分析等）
深度学习
YOLO系列算法嵌入（EXE/ONNX调用，支持GPU加速）
多类别目标检测、自定义模型接入、与主流程编程整合
视觉设备及IO
工业相机对接（支持GigE、USB接口，海康、Basler等主流品牌）
PLC接口、IO卡等设备对接
主要功能
流程化可视编辑：拖拽式操作，灵活组装视觉流程
算法节点工具箱：常用视觉算子/流程工具集成
图片采集、标定、ROI区域处理
检测结果实时显示：图像标注、数据统计
日志输出、报警提示、参数保存
多线程执行，流程耗时统计与性能分析
权限管理、配置导入导出
基于YOLO11深度学习的电梯内车辆识别系统(带GUI界面)（Python源码+Pyqt5界面+5461张标注好的数据集+安装使用教程+训练好的模型+评估指标曲线+演示图片视频），开箱即用
基于YOLO11深度学习的电梯内车辆识别系统(带GUI界面)（Python源码+Pyqt5界面+5461张标注好的数据集+安装使用教程+训练好的模型+评估指标曲线+演示图片视频），开箱即用
高准确率，3个类别：'自行车', '电动车', '人'。
1、该资源内项目代码都经过本人训练测试并运行成功，功能都OK的情况下才上传的，请放心下载使用！有问题请私信我，提供技术支持。
2、本项目适合计算机相关专业(如计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载使用，也适合小白学习进阶，当然也可作为毕设项目、课程设计、日常作业、实战项目演示等。
3、可参考学习，也可在此基础上略做修改，以实现其他功能，也可直接用于毕设、课设和作业等。
资源详情展示：https://blog.youkuaiyun.com/m0_37302966/article/details/154648556
更多资源下载：https://blog.youkuaiyun.com/m0_37302966/article/details/146387003
基于YOLO11深度学习的电动车头盔检测系统(带GUI界面)（Python源码+Pyqt5界面+6840张标注好的数据集+安装使用教程+训练好的模型+评估指标曲线+演示图片视频），开箱即用
基于YOLO11深度学习的电动车头盔检测系统(带GUI界面)（Python源码+Pyqt5界面+6840张标注好的数据集+安装使用教程+训练好的模型+评估指标曲线+演示图片视频），开箱即用
高准确率，2个类别：'没戴头盔', '戴了头盔'。
1、该资源内项目代码都经过本人训练测试并运行成功，功能都OK的情况下才上传的，请放心下载使用！有问题请私信我，提供技术支持。
2、本项目适合计算机相关专业(如计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载使用，也适合小白学习进阶，当然也可作为毕设项目、课程设计、日常作业、实战项目演示等。
3、可参考学习，也可在此基础上略做修改，以实现其他功能，也可直接用于毕设、课设和作业等。
资源详情展示：https://blog.youkuaiyun.com/m0_37302966/article/details/154648293
更多资源下载：https://blog.youkuaiyun.com/m0_37302966/article/details/146387003
yolov5/yolov8/yolo11/yolo目标检测数据集，电梯内车辆识别数据集，5461张标注好的数据集（3类别，划分好的训练集，验证集和测试集、data.yaml文件），开箱即用
yolov5/yolov8/yolo11/yolo目标检测数据集，电梯内车辆识别数据集，5461张标注好的数据集（3类别，划分好的训练集，验证集和测试集、data.yaml文件），开箱即用
3个类别：'自行车', '电动车', '人'。
图像分辨率为大分辨率RGB图片。
效果参考展示：https://blog.youkuaiyun.com/m0_37302966/article/details/154648556
更多资源下载：https://blog.youkuaiyun.com/m0_37302966/article/details/146555773
yolov5/yolov8/yolo11/yolo目标检测数据集，电动车头盔检测数据集，6840张标注好的数据集（2类别，划分好的训练集，验证集和测试集、data.yaml文件），开箱即用
yolov5/yolov8/yolo11/yolo目标检测数据集，电动车头盔检测数据集，6840张标注好的数据集（2类别，划分好的训练集，验证集和测试集、data.yaml文件），开箱即用
2个类别：'没戴头盔', '戴了头盔'。
图像分辨率为大分辨率RGB图片。
效果参考展示：https://blog.youkuaiyun.com/m0_37302966/article/details/154648293
更多资源下载：https://blog.youkuaiyun.com/m0_37302966/article/details/146555773
【三轴涂胶软件】基于C#+WPF开发的三轴涂胶软件，已在客户现场正常生产，全套源码，开箱即用
【三轴涂胶软件】基于C#+WPF开发的三轴涂胶软件，已在客户现场正常生产，全套源码，开箱即用
软件具备如下功能：
1.可编辑轨迹的三轴插补功能
2.自动生成特定轨迹路线的功能
3.相机拍双Mark点轨迹纠偏功能
4.更换针头后相机拍照对针头进行纠偏功能
5.通过控制螺杆阀对AB胶任意比例出胶功能
6.通过S7与西门子plc通讯功能
7.气缸，真空阀，伺服手动调试功能
8.IO点位监控功能
9.实时报警和历史报警查询功能
10.四级用户权限管控功能，并可修改密码
11.通过切换配方适配不同产品参数功能
12.数据库存储生产信息功能
资源介绍请查阅：https://blog.youkuaiyun.com/m0_37302966/article/details/154491661
更多视觉框架资源：https://blog.youkuaiyun.com/m0_37302966/article/details/146583453
【通用视觉软件框架】基于Labview开发的视觉框架软件，全套源码，开箱即用
本框架是基于 LabVIEW 平台开发的机器视觉通用解决方案，旨在为常规视觉检测、识别、测量类案例提供标准化开发模板，大幅缩短项目周期。框架核心优势在于模块化设计与高度可扩展性，内置常用视觉处理函数库，同时支持用户自定义编辑函数，配合 MySQL 数据库实现数据存储与追溯，平均可将常规视觉项目开发速度提升 60% 以上。
框架适用于工业场景中的零件缺陷检测、尺寸测量、字符识别（OCR）、条码 / 二维码读取、颜色判断等常规视觉任务，兼容主流工业相机（GigE Vision、USB3 Vision 等接口），可直接适配生产线自动化集成需求。
资源介绍请查阅：https://blog.youkuaiyun.com/m0_37302966/article/details/154447676
更多视觉框架资源：https://blog.youkuaiyun.com/m0_37302966/article/details/146583453
【机器视觉通用检测框架】基于VS2019 C#+VisionPro9.0开发的视觉框架软件，全套源码，开箱即用
这套基于VS2019 + VisionPro9.0的机器视觉通用检测框架，无论是从工业落地经验还是学习价值来看，都具备明确的实用性，尤其适合快速复用和入门提升。
基于VS2019（主流C#开发工具）和VisionPro9.0（稳定版本的专业视觉库）搭建，两者兼容性经过验证，避免了因版本冲突导致的开发障碍。对于新手而言，无需纠结环境配置细节，可直接基于既定工具链学习；对于项目团队，成熟环境意味着更低的迁移成本，能快速对接现有开发流程。
工业视觉系统的难点往往不在单一算法，而在工程化细节：比如多相机采集的时序同步、TCP通讯的断线重连机制、标定数据的误差补偿、权限管理的逻辑安全等。这套框架经过实际项目验证，意味着这些“隐性问题”已被解决，开发者无需再踩硬件兼容性、流程逻辑漏洞等基础坑，直接聚焦业务适配（如替换检测模板、调整通讯参数）。
资源介绍请查阅：https://blog.youkuaiyun.com/m0_37302966/article/details/154402803
更多视觉框架资源：https://blog.youkuaiyun.com/m0_37302966/article/details/146583453
【通用视觉框架】基于C#+VisionPro开发的视觉框架软件，全套源码，开箱即用
这套基于C# + VisionPro开发的视觉系统，从实用性、学习价值和工业落地能力来看，对初中级工程师和快速落地项目的团队非常友好。
- 集成凌臣PCI-7230 IO板卡控制：直接解决视觉系统与执行机构（如气缸、光源）的IO信号交互问题，无需单独开发板卡驱动。
- 支持主流PLC通讯（三菱、西门子、欧姆龙、基恩士等）：覆盖工业现场90%以上的PLC品牌，通过标准化的通讯接口（如Modbus、MC协议、FINS协议）实现检测结果上传、触发信号接收，满足“视觉-运动-执行”闭环控制需求，这是工业落地的关键能力。
资源介绍请查阅：https://blog.youkuaiyun.com/m0_37302966/article/details/154402415
更多视觉框架资源：https://blog.youkuaiyun.com/m0_37302966/article/details/146583453
【通用视觉框架】基于C#+Winform+OpencvSharp开发的视觉框架软件，全套源码，开箱即用
这套基于C# + Winform + OpenCvSharp的通用视觉框架，从功能设计和实用性来看，确实能满足机器视觉领域快速落地项目的需求，尤其适合开发效率优先的场景。
集成图像采集（相机接入）、预处理（滤波/增强等）、检测识别（轮廓/特征匹配）、测量（尺寸/角度计算）、设备通讯（PLC/串口/TCP）和逻辑处理，相当于把视觉项目开发的“积木”预制完成。开发者无需重复搭建基础模块，可直接聚焦业务逻辑（如缺陷检测规则、测量精度校准等），大幅减少从0到1的开发成本。
资源介绍请查阅：https://blog.youkuaiyun.com/m0_37302966/article/details/154400822
更多视觉框架资源：https://blog.youkuaiyun.com/m0_37302966/article/details/146583453
【BZ运动控制框架】基于C#开发的运动控制框架软件，稳定性超强，全套源码，开箱即用
BZ的3C部门的这套C#运动控制架构源码，依托大公司的技术沉淀和工业场景验证，在稳定性和实用性上确实具备天然优势，尤其适合3C制造等对运动控制精度、实时性要求严苛的领域。
3C制造场景（如手机组装、PCB焊接、精密零部件装配）对运动控制的要求极高——需支持多轴联动（如XYZ轴+旋转轴协同）、微米级定位精度，且不能出现丢步、卡顿等问题。博众作为行业内有成熟案例的企业，其架构必然经过大量产线验证，在时序控制、异常处理（如急停、过载保护）、硬件兼容性（与伺服电机、驱动器的通讯适配）等方面有完善设计，避免了中小团队自研时常见的“实验室可用，产线跑崩”的问题。
资源介绍请查阅：https://blog.youkuaiyun.com/m0_37302966/article/details/154401773
更多视觉框架资源：https://blog.youkuaiyun.com/m0_37302966/article/details/146583453
基于YOLO11深度学习的半导体晶圆外观缺陷检测系统(带GUI界面)（Python源码+Pyqt5界面+13000张标注好的数据集+安装使用教程+训练好的模型+评估指标曲线+演示图片视频），开箱即用
基于YOLO11深度学习的半导体晶圆外观缺陷检测系统(带GUI界面)（Python源码+Pyqt5界面+13000张标注好的数据集+安装使用教程+训练好的模型+评估指标曲线+演示图片视频），开箱即用
高准确率，9个类别：'中心', '甜甜圈', '边缘位置', '边缘环', '位置', '接近满', '无', '随机', '划痕'。
1、该资源内项目代码都经过本人训练测试并运行成功，功能都OK的情况下才上传的，请放心下载使用！有问题请私信我，提供技术支持。
2、本项目适合计算机相关专业(如计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载使用，也适合小白学习进阶，当然也可作为毕设项目、课程设计、日常作业、实战项目演示等。
3、可参考学习，也可在此基础上略做修改，以实现其他功能，也可直接用于毕设、课设和作业等。
资源详情展示：https://blog.youkuaiyun.com/m0_37302966/article/details/153826987
更多资源下载：https://blog.youkuaiyun.com/m0_37302966/article/details/146387003
yolov5/yolov8/yolo11/yolo目标检测数据集，半导体晶圆外观缺陷检测数据集，13000张标注好的数据集（9类别，划分好的训练集，验证集和测试集、data.yaml文件），开箱即用
yolov5/yolov8/yolo11/yolo目标检测数据集，半导体晶圆外观缺陷检测数据集，13000张标注好的数据集（9类别，划分好的训练集，验证集和测试集、data.yaml文件），开箱即用
9个类别：'中心', '甜甜圈', '边缘位置', '边缘环', '位置', '接近满', '无', '随机', '划痕'。
图像分辨率为大分辨率RGB图片。
效果参考展示：https://blog.youkuaiyun.com/m0_37302966/article/details/153826987
更多资源下载：https://blog.youkuaiyun.com/m0_37302966/article/details/146555773
基于YOLO11深度学习的手语识别检测系统(带GUI界面)（Python源码+Pyqt5界面+2358张标注好的数据集+安装使用教程+训练好的模型+评估指标曲线+演示图片视频），开箱即用
基于YOLO11深度学习的手语识别检测系统(带GUI界面)（Python源码+Pyqt5界面+2358张标注好的数据集+安装使用教程+训练好的模型+评估指标曲线+演示图片视频），开箱即用
高准确率，35个类别：'时间', '你', '早上', '9', '0', '快乐', '新', '祝', '请', '路', '生日', '平', '安', '朋友', '8', '认识', '名片', '结婚', '茶', '有', '花', '今天', '门', '停', '谢谢', '慢', '走', '晚', '我', '爱', '好', '人', '什么', '名字', '介绍'。
1、该资源内项目代码都经过本人训练测试并运行成功，功能都OK的情况下才上传的，请放心下载使用！有问题请私信我，提供技术支持。
2、本项目适合计算机相关专业(如计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载使用，也适合小白学习进阶，当然也可作为毕设项目、课程设计、日常作业、实战项目演示等。
3、可参考学习，也可在此基础上略做修改，以实现其他功能，也可直接用于毕设、课设和作业等。
资源详情展示：https://blog.youkuaiyun.com/m0_37302966/article/details/153826785
更多资源下载：https://blog.youkuaiyun.com/m0_37302966/article/details/146387003
yolov5/yolov8/yolo11/yolo目标检测数据集，手语识别检测数据集，2358张标注好的数据集（35类别，划分好的训练集，验证集和测试集、data.yaml文件），开箱即用
yolov5/yolov8/yolo11/yolo目标检测数据集，手语识别检测数据集，2358张标注好的数据集（35类别，划分好的训练集，验证集和测试集、data.yaml文件），开箱即用
35个类别：'时间', '你', '早上', '9', '0', '快乐', '新', '祝', '请', '路', '生日', '平', '安', '朋友', '8', '认识', '名片', '结婚', '茶', '有', '花', '今天', '门', '停', '谢谢', '慢', '走', '晚', '我', '爱', '好', '人', '什么', '名字', '介绍'。
图像分辨率为大分辨率RGB图片。
效果参考展示：https://blog.youkuaiyun.com/m0_37302966/article/details/153826785
更多资源下载：https://blog.youkuaiyun.com/m0_37302966/article/details/146555773
基于YOLO11深度学习的人流量检测系统(带GUI界面)（Python源码+Pyqt5界面+7669张标注好的数据集+安装使用教程+训练好的模型+评估指标曲线+演示图片视频），开箱即用
基于YOLO11深度学习的人流量检测系统(带GUI界面)（Python源码+Pyqt5界面+7669张标注好的数据集+安装使用教程+训练好的模型+评估指标曲线+演示图片视频），开箱即用
高准确率，1个类别：'人'。
1、该资源内项目代码都经过本人训练测试并运行成功，功能都OK的情况下才上传的，请放心下载使用！有问题请私信我，提供技术支持。
2、本项目适合计算机相关专业(如计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载使用，也适合小白学习进阶，当然也可作为毕设项目、课程设计、日常作业、实战项目演示等。
3、可参考学习，也可在此基础上略做修改，以实现其他功能，也可直接用于毕设、课设和作业等。
资源详情展示：https://blog.youkuaiyun.com/m0_37302966/article/details/153324097
更多资源下载：https://blog.youkuaiyun.com/m0_37302966/article/details/146387003
基于YOLO11深度学习的摆摊识别检测系统(带GUI界面)（Python源码+Pyqt5界面+9028张标注好的数据集+安装使用教程+训练好的模型+评估指标曲线+演示图片视频），开箱即用
基于YOLO11深度学习的摆摊识别检测系统(带GUI界面)（Python源码+Pyqt5界面+9028张标注好的数据集+安装使用教程+训练好的模型+评估指标曲线+演示图片视频），开箱即用
高准确率，1个类别：摆摊。
1、该资源内项目代码都经过本人训练测试并运行成功，功能都OK的情况下才上传的，请放心下载使用！有问题请私信我，提供技术支持。
2、本项目适合计算机相关专业(如计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载使用，也适合小白学习进阶，当然也可作为毕设项目、课程设计、日常作业、实战项目演示等。
3、可参考学习，也可在此基础上略做修改，以实现其他功能，也可直接用于毕设、课设和作业等。
资源详情展示：https://blog.youkuaiyun.com/m0_37302966/article/details/156146830
更多资源下载：https://blog.youkuaiyun.com/m0_37302966/article/details/146387003
基于YOLO11深度学习的抽烟识别检测系统(带GUI界面)（Python源码+Pyqt5界面+5380张标注好的数据集+安装使用教程+训练好的模型+评估指标曲线+演示图片视频），开箱即用
基于YOLO11深度学习的抽烟识别检测系统(带GUI界面)（Python源码+Pyqt5界面+5380张标注好的数据集+安装使用教程+训练好的模型+评估指标曲线+演示图片视频），开箱即用
高准确率，1个类别：抽烟。
1、该资源内项目代码都经过本人训练测试并运行成功，功能都OK的情况下才上传的，请放心下载使用！有问题请私信我，提供技术支持。
2、本项目适合计算机相关专业(如计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载使用，也适合小白学习进阶，当然也可作为毕设项目、课程设计、日常作业、实战项目演示等。
3、可参考学习，也可在此基础上略做修改，以实现其他功能，也可直接用于毕设、课设和作业等。
资源详情展示：https://blog.youkuaiyun.com/m0_37302966/article/details/156150316
更多资源下载：https://blog.youkuaiyun.com/m0_37302966/article/details/146387003
基于YOLO11深度学习的人体坐姿检测系统(带GUI界面)（Python源码+Pyqt5界面+199张标注好的数据集+安装使用教程+训练好的模型+评估指标曲线+演示图片视频），开箱即用
基于YOLO11深度学习的人体坐姿检测系统(带GUI界面)（Python源码+Pyqt5界面+199张标注好的数据集+安装使用教程+训练好的模型+评估指标曲线+演示图片视频），开箱即用
高准确率，2个类别：坏坐姿，好坐姿。
1、该资源内项目代码都经过本人训练测试并运行成功，功能都OK的情况下才上传的，请放心下载使用！有问题请私信我，提供技术支持。
2、本项目适合计算机相关专业(如计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载使用，也适合小白学习进阶，当然也可作为毕设项目、课程设计、日常作业、实战项目演示等。
3、可参考学习，也可在此基础上略做修改，以实现其他功能，也可直接用于毕设、课设和作业等。
资源详情展示：
更多资源下载：https://blog.youkuaiyun.com/m0_37302966/article/details/146387003
基于Python+YOLO姿态估计模型+Deepseek开发的一套能够贴合真实训练场景、提供量化评估与个性化语言指导的智能羽球教练系统（源码+模型）
基于Python+YOLO姿态估计模型+Deepseek开发的一套能够贴合真实训练场景、提供量化评估与个性化语言指导的“智能羽球教练”系统（源码+模型）
系统攻克“多动作连续分析”这一技术难点，融合YOLOv8姿态估计、多动作分段识别算法与生成式AI，开发一套能够贴合真实训练场景、提供量化评估与个性化语言指导的“智能羽球教练”系统，探索人工智能技术在体育科学领域深度应用的新范式。
实现功能：
从羽毛球训练视频中提取运动员人体关键点（姿态识别 / Pose Estimation）。
计算关键技术指标（如：击球时刻身体姿态、步伐移动距离、手臂/膝盖角度等）。
将这些量化指标组织成结构化描述，发送给 DeepSeek 大模型 API，生成中文自然语言评价与改进建议。
在视频或单帧图像上可视化（骨架、关键角度、评分）。
基于Python + FastAPI + DeepSeek LLM 开发的智能刷题工具 可以把乱糟糟的复习资料（文本）一键转换成可以交互的题库（单选、多选、填空），助你考试轻松过关！（源码）
基于Python + FastAPI + DeepSeek LLM 开发的智能刷题工具。可以把乱糟糟的复习资料（文本）一键转换成可以交互的题库（单选、多选、填空），助你考试轻松过关！（源码）
功能特点
AI 智能解析: 只要粘贴题目文本，AI 自动识别单选、多选、填空题。
三种题型支持:
单选题: 自动判断对错。
多选题: 支持多项选择验证。
填空题: 支持多个空的自动比对。
本地题库管理: 解析后的题目会自动保存，随时回顾。
沉浸式刷题体验: 简洁美观的界面，支持“偷看答案”模式。
简单登录系统: 保护你的私人题库。
技术栈
Backend: Python, FastAPI
AI: OpenAI SDK (DeepSeek V3)
Frontend: HTML5, Tailwind CSS, JavaScript (SPA)
基于Java+deepseek开发的智能写作AI软件，将流式语音转为文字（源码）
基于Java+deepseek开发的智能写作AI软件，将流式语音转为文字（源码）
基于DeepSeek+SpringBoot开发的铁路人工智能退票系统（源码）
基于DeepSeek+SpringBoot开发的铁路人工智能退票系统（源码）
yolov5/yolov8/yolo11/yolo目标检测数据集，蔬菜识别数据集，1026张标注好的数据集（5类别，划分好的训练集，验证集和测试集、data.yaml文件），开箱即用
yolov5/yolov8/yolo11/yolo目标检测数据集，蔬菜识别数据集，1026张标注好的数据集（5类别，划分好的训练集，验证集和测试集、data.yaml文件），开箱即用
5个类别：'西红柿','洋葱','土豆','胡萝卜','大白菜'。
图像分辨率为大分辨率RGB图片。
效果参考展示：
更多资源下载：https://blog.youkuaiyun.com/m0_37302966/article/details/146555773
yolov5/yolov8/yolo11/yolo目标检测数据集，人体坐姿识别数据集，199张标注好的数据集（2类别，划分好的训练集，验证集和测试集、data.yaml文件），开箱即用
yolov5/yolov8/yolo11/yolo目标检测数据集，人体坐姿识别数据集，199张标注好的数据集（2类别，划分好的训练集，验证集和测试集、data.yaml文件），开箱即用
2个类别：坏坐姿，好坐姿。
图像分辨率为大分辨率RGB图片。
效果参考展示：
更多资源下载：https://blog.youkuaiyun.com/m0_37302966/article/details/146555773
yolov5/yolov8/yolo11/yolo目标检测数据集，抽烟识别数据集，5380张标注好的数据集（1类别，划分好的训练集，验证集和测试集、data.yaml文件），开箱即用
yolov5/yolov8/yolo11/yolo目标检测数据集，抽烟识别数据集，5380张标注好的数据集（1类别，划分好的训练集，验证集和测试集、data.yaml文件），开箱即用
1个类别：抽烟。
图像分辨率为大分辨率RGB图片。
效果参考展示：
更多资源下载：https://blog.youkuaiyun.com/m0_37302966/article/details/146555773
yolov5/yolov8/yolo11/yolo目标检测数据集，摆摊识别数据集，9028张标注好的数据集（1类别，划分好的训练集，验证集和测试集、data.yaml文件），开箱即用
yolov5/yolov8/yolo11/yolo目标检测数据集，摆摊识别数据集，9028张标注好的数据集（1类别，划分好的训练集，验证集和测试集、data.yaml文件），开箱即用
1个类别：摆摊。
图像分辨率为大分辨率RGB图片。
效果参考展示：
更多资源下载：https://blog.youkuaiyun.com/m0_37302966/article/details/146555773
Python桌面视频播放器，基于 PySide6 QtMultimedia 实现，支持播放列表、播放模式、倍速、全屏、快捷键等功能，并提供 Windows 下 PyInstaller打包示例（源码）
功能特性
打开单个文件或文件夹，自动扫描常见视频格式（mp4/avi/mkv/mov/flv/wmv/webm）
播放列表：左侧列表展示，双击播放，高亮当前项，支持随机/循环等模式
播放控制：播放/暂停、停止、上一首/下一首、快进/快退（默认 5s，可在 core/settings.py 调整）
播放模式：顺序、单曲循环、列表循环、随机
倍速播放：0.5x / 1.0x / 1.25x / 1.5x / 2.0x
进度拖动与时间显示（当前/总时长）
音量滑块与静音，键盘 ↑/↓ 调节
全屏切换（按钮或双击视频/F，Esc 退出）
快捷键：Space 播放/暂停；←/→ 快退/快进；↑/↓ 音量；F 全屏；Esc 退出全屏
状态显示：当前文件名、播放状态、播放模式、倍速
使用说明
打开文件：点击「打开文件」
打开文件夹：点击「打开文件夹」，自动扫描支持格式
双击播放列表项：立即播放
进度条：拖动跳转
快进/快退：按钮或 ←/→，步长在 core/settings.py 中 seek_step_ms 可调
倍速：右下拉框切换，立即生效
播放模式：模式下拉框切换（顺序/单曲循环/列表循环/随机）
音量与静音：滑块与「静音」按钮；↑/↓ 键调整
全屏：按钮或双击视频或 F；Esc 退出
基于Python深度学习开发的多模态肌内脂肪含量预测系统（源码）
基于Python深度学习开发的多模态肌内脂肪含量预测系统（源码）
目录结构
.
├── configs/ # 版本化的实验/流水线配置
├── data/ # 原始/中间/处理完/外部数据（仅本地）
├── docs/ # 架构笔记、ADR、参考文献
├── experiments/ # 实验计划、日志与结论
├── notebooks/ # 探索式或原型 Notebook
├── reports/ # 基于结果生成的汇报/幻灯
├── results/ # 图表、模型、统计等产出
├── scripts/ # PowerShell/Python 自动化入口
├── src/ # 正式 Python 包（`imf2`）及辅助模块
└── tests/ # 与 src 映射的单测/集成测试
快速开始
创建/激活 Python 3.9+ 环境并安装依赖。
将影像指标或 ROI 表放入 data/raw/，数据出处写在 data/README.md。
在 configs/pipelines/ 或 configs/training/ 草拟配置，并在 src/imf2 中实现流水线。
scripts/ 存放简短 CLI 包装（如 scripts/data/make_tiny_dataset.ps1），保证命令可复现。
探索 Notebook 置于 notebooks/，整理后的结论或图表沉淀到 results/ 与 reports/。
基于Python+PyQt5+OpenCV开发的图像测量工具，能够通过图像进行物体尺寸的精确测量 支持透视矫正、自动轮廓检测、手动测量等多种功能 （源码+图片）
基于Python+PyQt5+OpenCV开发的图像测量工具，能够通过图像进行物体尺寸的精确测量。支持透视矫正、自动轮廓检测、手动测量等多种功能。（源码+图片）
主要功能
图像加载 - 支持常见图片格式（PNG, JPG, JPEG, BMP, TIFF）
透视矫正 - 校正倾斜拍摄的图像，获得正视图
两点标定 - 通过已知长度的参考物建立像素与实际尺寸的比例关系
自动测量 - 自动检测图像中的物体轮廓并计算尺寸
手动测量 - 手动绘制任意形状进行周长和面积测量
实时显示 - 实时显示测量结果和标注信息
安装依赖
python版本 - 3.8
bash
pip install -r requirements.txt
使用方法
打开图片：点击"打开图片"按钮选择要测量的图像
透视矫正（可选）：如果图像有倾斜，使用透视矫正功能校正
标定距离：点击"两点标定距离"，在图像上选择已知长度的两个点并输入实际长度
开始测量：
自动模式：开启自动标注，程序会自动检测并测量物体
手动模式：点击"手动测量任意形状"，在物体边缘逐点点击，右键结束
操作说明
标定模式：点击两个已知距离的点，输入实际长度完成标定
透视矫正：按顺序点击四个角点（左上→右上→右下→左下）
手动测量：左键添加点，右键或双击结束绘制
清空操作：点击"清空所有点"清除当前所有标记
基于STM32F411+FreeRTOS+LVGL+BLE+NFC无线通信技术开发的蓝牙智能手表（源码）
基于STM32F411+FreeRTOS+LVGL+BLE+NFC无线通信技术开发的智能手表（源码）
一、项目环境搭建
二、触摸屏驱动配置
2.0 触摸屏软件I2C
2.1 显示屏（ST7789）
2.2 触摸屏 （CST816）
三、LVGL移植 FreeRTOS
四、I2C 模块配置
4.0 传感器软件I2C
4.1 温湿度（DHT20）
4.2 心率血氧（MAX30102）
4.3 计步器（MPU6050）
4.4 大气压（SPL06-001）
4.5 指南针（LSM303DLHC）
4.6 持久存储（AT24C02）
4.7 蓝牙通信（KT6368A）
五、其它功能配置
5.0 微秒延时函数
5.1RTC实时时钟
5.2
六、RTOS传感器功能联调
七、LVGL 界面设计
7.1、主界面
7.2、传感器界面
八、注意事项
8.1、lvgl初始化函数调用问题
使用LVGL时，注意LVGL显示和触摸函数的位置，它应该在软件I2C初始化完成后进行调用。
8.2 出现文件编译乱码的问题
鼠标右键源码通过记事本打开，然后点击左上角的文件。然后另存为（指定你要修改的文本编码格式）
8.3 出现CubeMX重构代码后，手表运行后UI卡死
修改FreeRTOS的默认任务的栈大小为2048.
基于 Python+OpenCV+MediaPipe开发的隔空手势画板，通过识别手部关键点，实现隔空手势画画 灵感来源于钢铁侠的虚拟交互界面，无需任何额外硬件，仅需一个普通摄像头即可体验！（源码）
基于 Python+OpenCV+MediaPipe开发的隔空手势画板，通过识别手部关键点，实现隔空手势画画。灵感来源于钢铁侠的虚拟交互界面，无需任何额外硬件，仅需一个普通摄像头即可体验！（源码）
功能特点
实时交互：低延迟，丝滑流畅。
智能识别：食指竖起书写，握拳停止绘制（模拟真实提笔动作）。
镜像显示：符合人类直觉的镜像画面。
双层渲染：笔迹不随画面刷新而消失。
环境要求
Python 3.7+
OpenCV
MediaPipe
NumPy
同济大学软件工程课程项目，基于yolo+python开发的体育AI教学平台设计（源码+设计文档+模型+数据库），开箱即用
同济大学软件工程课程项目，基于yolo+python开发的体育AI教学平台设计（源码+设计文档+模型+数据库），开箱即用
对象
教师 学生
功能
（共同）
注册 修改密码
个人信息
和AI对话
（学生）
根据课程码加课程
观看教学视频和内容
上传视频完成作业进度
（老师）
管理学生
发布教学内容
发布课程
维护课程信息
发布管理作业，查看作业完成情况
细分
注册：注册界面 身份 信息 个人信息（改个人信息）
AI：进入AI界面，载入个人信息、训练情况、对话
加课程页面，输入课程码加入
进入学习界面，观看视频（后端给链接）
作业：后端展示所有作业，上传视频（YOLO）
发布课程，维护：编辑课程（删除、结课），维护课程信息，管理学生
发布教学内容：文本视频，修改
发布作业：选择课程，进入作业界面，选择输入作业信息，查看学生完成情况（统计）
课程端口：
新建课程（不包括课程描述）
编辑课程描述
编辑课程除描述外的基本字段
开关课程
删除课程
学生-课程端口：
学生使用邀请码加入课程
学生退出指定ID的课程
老师将学生从指定ID的课程中踢出
老师查看指定课程的所有学生ID
学生查看目前所在的所有课程
教学端口：
教师在指定课程下新建教学内容
教师编辑/删除教学内容
学生/教师查看教学内容
作业与提交端口：
教师在课程下发布，修改，删除作业
教师与学生查看当前课程下的所有作业列表
教师与学生查看指定作业的具体信息
学生提交作业
教师/AI查看当前作业下的所有提交记录的列表
AI获取当前作业下所有尚未进行AI评价的提交列表
教师获取当前作业下所有尚未进行教师评价的提交列表
给作业添加AI测试类型
获取作业的AI测试类型
AI评测作业
教师评测作业
查看某个学生在当前作业下所有提交记录id
查看某条提交记录的具体信息
教师查看每个学生在当前作业下的最终提交结果的id
基于Python+YOLOV8开发的工业数据监测系统，能够通过Modbus协议采集设备数据，支持MySQL数据库和CSV文件存储，并提供直观的PyQt5可视化界面 （源码）
主要功能
数据采集：基于pymodbus协议自动采集监测数据，支持多种数据类型和采集频率
数据存储：支持MySQL数据库和CSV文件双重存储方式
可视化看板：使用PyQt5实现响应式界面，实时展示监测数据
配置管理：通过YAML配置文件灵活配置监测项和系统参数
日志记录：完善的日志记录功能，便于问题排查和系统监控
异常处理：健壮的异常处理机制，确保系统稳定运行
系统架构
系统采用模块化设计，主要包含以下模块：
配置管理模块：负责YAML配置文件的加载、解析和验证
数据采集模块：通过pymodbus协议与设备通信，采集监测数据
数据存储模块：将采集的数据存储到MySQL数据库或CSV文件
可视化看板模块：使用PyQt5实现数据展示界面
工具模块：包含日志记录、异常处理等通用功能
安装与配置
环境要求
Python 3.10+
PyQt5 5.15+
pymodbus 3.5.4
pymysql 1.1+
pyyaml 6.0+
使用方法
启动系统
python main.py
基本操作
加载配置文件：通过菜单栏或工具栏加载YAML配置文件
启动监测：点击"启动监测"按钮开始数据采集和展示
停止监测：点击"停止监测"按钮停止数据采集
调整更新频率：通过下拉菜单选择数据更新间隔
基于知识蒸馏技术的药学知识迁移项目，使用 DeepSeek R1作为教师模型，Qwen 0.5B 作为学生模型，通过Ollama本地部署实现药学知识的蒸馏和迁移,可用演示和训练 （源码）
基于知识蒸馏技术的药学知识迁移项目，使用 DeepSeek R1作为教师模型，Qwen 0.5B 作为学生模型，通过Ollama本地部署实现药学知识的蒸馏和迁移,可用演示和训练。（源码）
基于OpenCV开发的智元远征A2机器人右手抓取动作数据集采集工程，主要用于训练VLA（Visual Language Action）模型（源码），开箱即用
基于OpenCV开发的智元远征A2机器人右手抓取动作数据集采集工程，主要用于训练VLA（Visual Language Action）模型（源码），开箱即用。
该工程实现了从视频流采集、物体位置检测到机械臂抓取控制的完整流程，并记录抓取过程中的机械臂关节数据、手部数据和视频数据，用于后续的机器学习训练。
系统架构
核心功能模块
相机标定与参数管理：提供相机内参和外参的配置与加载
视频流采集：实时获取机器人头部前向相机的视频流
物体检测与定位：基于颜色识别检测黄色圆柱和绿色盒子，并计算其在机器人base_link坐标系下的位置
机械臂抓取控制：通过RPC接口控制机械臂执行抓取动作
数据记录与导出：记录抓取过程中的各种数据并导出为HDF5格式
项目结构
├── camera_calibration_result.json # 相机标定结果文件
├── create_calibration_target/ # 标定板创建工具
├── grasp_step/ # 抓取步骤相关文件
├── create_camera_calibration_result.py # 创建相机标定结果文件
├── get_video_data.py # 视频数据采集脚本
├── get_object_position_base_link_v1.py ~ get_object_position_base_link_v3.py # 物体位置计算脚本
├── get_rl_object_position_base_link_v1.py ~ get_rl_object_position_base_link_v3.py # RL相关物体位置计算脚本
安装与配置
依赖项
Python 3.x
OpenCV
NumPy
ROS2
PyAV (用于H264视频解码)
requests
RSS订阅
2130
2