- 博客(473)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 基于YOLO11深度学习的边坡护坡山坡滑坡检测系统【Python源码+Pyqt5界面+数据集+安装使用教程+训练代码】【附下载链接】
基于YOLO11深度学习的边坡护坡山坡滑坡检测系统【Python源码+Pyqt5界面+数据集+安装使用教程+训练代码】【附下载链接】
2025-05-26 13:30:10
1920
原创 基于YOLO11深度学习的边坡护坡山坡断裂检测系统【Python源码+Pyqt5界面+数据集+安装使用教程+训练代码】【附下载链接】
基于YOLO11深度学习的边坡护坡山坡断裂检测系统【Python源码+Pyqt5界面+数据集+安装使用教程+训练代码】【附下载链接】
2025-05-24 09:57:17
671
原创 基于YOLO11深度学习的边坡地形冲沟检测系统【Python源码+Pyqt5界面+数据集+安装使用教程+训练代码】【附下载链接】
基于YOLO11深度学习的边坡地形冲沟检测系统【Python源码+Pyqt5界面+数据集+安装使用教程+训练代码】【附下载链接】
2025-05-24 09:24:13
668
原创 基于YOLO11深度学习的边坡排水沟堵塞检测系统【Python源码+Pyqt5界面+数据集+安装使用教程+训练代码】【附下载链接】
基于YOLO11深度学习的边坡排水沟堵塞检测系统【Python源码+Pyqt5界面+数据集+安装使用教程+训练代码】【附下载链接】
2025-05-21 13:43:38
1188
原创 基于YOLO11深度学习的（反恐精英）CSGO人物自动识别，CSGO自动瞄准系统【Python源码+Pyqt5界面+数据集+安装使用教程+训练代码】【附下载链接】
基于YOLO11深度学习的（反恐精英）CSGO人物自动识别，CSGO自动瞄准系统【Python源码+Pyqt5界面+数据集+安装使用教程+训练代码】【附下载链接】
2025-05-21 11:17:47
1444
原创 基于YOLO11深度学习的高压输电线故障检测系统【Python源码+Pyqt5界面+数据集+安装使用教程+训练代码】【附下载链接】
基于YOLO11深度学习的高压输电线故障检测系统【Python源码+Pyqt5界面+数据集+安装使用教程+训练代码】【附下载链接】
2025-05-20 11:00:02
1431
原创 基于YOLO11深度学习的变压器漏油检测系统【Python源码+Pyqt5界面+数据集+安装使用教程+训练代码】【附下载链接】
基于YOLO11深度学习的变压器漏油检测系统【Python源码+Pyqt5界面+数据集+安装使用教程+训练代码】【附下载链接】
2025-05-20 10:15:01
677
3原创 基于YOLO11深度学习的风力发电机检测识别系统【Python源码+Pyqt5界面+数据集+安装使用教程+训练代码】【附下载链接】
基于YOLO11深度学习的风力发电机检测识别系统【Python源码+Pyqt5界面+数据集+安装使用教程+训练代码】【附下载链接】
2025-05-07 13:24:48
803
原创 基于YOLO11深度学习的中草药检测识别系统【Python源码+Pyqt5界面+数据集+安装使用教程+训练代码】【附下载链接】
基于YOLO11深度学习的中草药检测识别系统【Python源码+Pyqt5界面+数据集+安装使用教程+训练代码】【附下载链接】
2025-05-07 10:06:38
1457
基于机器视觉Halcon+C#的车牌识别系统（整套源码）
基于机器视觉Halcon+C#的车牌识别系统（整套源码）
简介：
1、通过手动滑动阈值以及面积定位识别车牌
2、识别成功率高达90%
3、不支持识别中文，可通过训练模板定位识别
2025-05-29
基于QT+Opencv+EasyOcr+MySQL 开发的医疗工程管理系统（源码）
基于QT+Opencv+EasyOcr+MySQL 开发的医疗工程管理系统（源码）
1. 设计并开发基于 Qt 的医疗工程管理系统，实现医疗病例数据导入、项目管理、进度跟踪、数据可视化及图像识别等功能。
2. 开发 Excel 数据导入模块，自动解析病例数据并生成可视化报表，将数据持久化存储至远程 MySQL 数据库。
3. 集成EasyOcr + opencv图像识别接口，实现对批量医疗业务数据表格（图片格式）的自动识别和数据提取，并将识别结果存储至数据库，提高数据录入效率。
2025-05-29
基于QT+YOLO+Opencv开发的视觉外观缺陷检测软件，检测四个类别：划痕、断线、污渍、褶皱（源码）
基于QT+YOLO+Opencv开发的视觉外观缺陷检测软件，检测四个类别：划痕、断线、污渍、褶皱（源码）
硬件：大恒相机+机械臂
2025-05-28
基于YOLO11深度学习的边坡护坡山坡滑坡检测系统(带GUI界面)（Python源码+Pyqt5界面+6600多标注好的数据集+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深度学习的边坡护坡山坡滑坡检测系统(带GUI界面)（Python源码+Pyqt5界面+6600多标注好的数据集+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：滑坡。
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/148227979
更多资源下载：https://blog.youkuaiyun.com/m0_37302966/article/details/146387003
2025-05-26
基于YOLO11深度学习的边坡护坡山坡断裂检测系统(带GUI界面)（Python源码+Pyqt5界面+3284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深度学习的边坡护坡山坡断裂检测系统(带GUI界面)（Python源码+Pyqt5界面+3284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：断裂。
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/148184704
更多资源下载：https://blog.youkuaiyun.com/m0_37302966/article/details/146387003
2025-05-24
基于YOLO11深度学习的边坡地形冲沟检测系统(带GUI界面)（Python源码+Pyqt5界面+984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深度学习的边坡地形冲沟检测系统(带GUI界面)（Python源码+Pyqt5界面+984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：冲沟。
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/148182999
更多资源下载：https://blog.youkuaiyun.com/m0_37302966/article/details/146387003
2025-05-24
基于Python Tkinter+YOLO11开发的内存条插装位移偏差实时外观缺陷检测系统，通过海康相机实时采集产线视频流并进行帧采样，然后实时检测（源码）
基于Python Tkinter+YOLO11开发的内存条插装位移偏差实时外观缺陷检测系统，通过海康相机实时采集产线视频流并进行帧采样，然后实时检测（源码）
目录结构
RAM-AnomalyDetection/
├── src/ # 源代码主目录
│ ├── init.py
│ ├── main.py # 程序入口点
│ ├── config/
│ │ ├── init.py
│ │ ├── settings.py # 配置参数（颜色、尺寸等）
│ │ └── constants.py # 全局常量
│ ├── views/ # GUI 组件模块化
│ │ ├── init.py
│ │ ├── main_window.py # 主窗口类
│ │ └── widgets/ # 自定义组件库
│ ├── controllers/ # 业务逻辑处理
│ │ └── CameraController.py # 摄像头控制器
│ ├── models/ # 数据模型（数据库操作类）
│ │ └── data_model.py
│ └── utils/ # 工具函数
│ ├── file_io.py # 文件操作工具
│ └── helpers.py # 通用辅助函数
├── assets/ # 静态资源
│ ├── images/ # 图片资源（PNG, ICO等）
│ ├── fonts/ # 自定义字体
│ └── styles/ # 样式表（如 ttk 样式配置）
├── tests/ # 单元测试
│ ├── init.py
│ └── TestCameraController.py
├── requirements.txt # 依赖列表
├── setup.py # 打包配置（可选）
2025-05-23
基于深度学习开发的胸部疾病智能诊断系统，旨在辅助医生对胸部X光片进行高效、准确的多标签分类 本系统特别集成了特征金字塔注意力机制，显著提升了对多种胸部疾病的诊断性能 （源码+说明文档）
主要特点 (Features)
创新性注意力机制：采用特征金字塔注意力机制 (Feature Pyramid Attention)，有效融合多尺度特征，提升模型对病灶区域的敏感度和定位能力。
精准多标签分类：能够同时诊断多达5种常见的胸部疾病，包括但不限于心脏肥大、肺水肿、肺实变等。
直观结果展示：用户界面友好，清晰展示每种疾病的诊断概率，并可高亮显示模型关注的图像区域。
便捷图像上传：支持通过拖拽或点击选择的方式上传DICOM或常见图像格式（如JPG, PNG）的X光片。
模块化设计：代码结构清晰，易于理解、修改和扩展，方便研究人员进行二次开发。
快速开始 (Quick Start)
1. 环境配置 (Environment Setup)
确保您的系统已安装 Python 3.6+ 和 pip。
# 安装项目依赖
pip install -r requirements.txt
2. 运行图形用户界面 (Running the GUI)
您可以通过以下命令启动图形用户界面进行交互式诊断：
python gui/main.py
3. 性能评估 (Performance Evaluation)
使用训练好的模型进行性能评估：
# 生成测试集上的诊断报告
python bin/test.py config/example.json path/checkpoint.pth
# 生成ROC曲线图
python bin/roc.py config/example.json path/checkpoint.pth
# 生成指定图像的热力图 (Heatmap)
python bin/heatmap.py --image path/to/sample_image.jpg --model path/checkpoint.pth
2025-05-22
基于 OpenCV + YOLO +双轴步进电机云台开发的智能水弹发射系统 该系统通过图像识别与目标跟踪技术，实现对目标的实时锁定与自动打击，适用于 趣味防御、互动装置 等场景 （源码）
基于 OpenCV + YOLO +双轴步进电机云台开发的智能水弹发射系统。 该系统通过图像识别与目标跟踪技术，实现对目标的实时锁定与自动打击，适用于 趣味防御、互动装置 等场景。（源码）
项目特性
使用 YOLO + OpenCV 实现高效目标检测与跟踪
实时控制双轴步进电机云台，精准指向目标
目标进入设定射程时，自动发射水弹
采用 状态模式 管理系统行为，提高可扩展性
模块化架构，便于硬件适配与功能扩展
支持在 Windows 开发，Raspberry Pi 5 部署
依赖项
C++17 或以上
OpenCV
ONNX Runtime
CMake ≥ 3.10
构建步骤
cd WaveGuard
mkdir build && cd build
cmake ..
make
部署到树莓派 Raspberry Pi 5
推荐使用交叉编译，或在树莓派本地构建
确保 Raspberry Pi 已正确安装 OpenCV 与 ONNX Runtime
mkdir build && cd build
cmake ..
make
./WaveGuard
2025-05-22
基于YOLO11深度学习的边坡排水沟堵塞检测系统(带GUI界面)（Python源码+Pyqt5界面+2130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深度学习的边坡排水沟堵塞检测系统(带GUI界面)（Python源码+Pyqt5界面+2130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：堵塞。
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/148093299
更多资源下载：https://blog.youkuaiyun.com/m0_37302966/article/details/146387003
2025-05-21
基于YOLO11的CSGO人物自动识别，CSGO自动瞄准系统(带GUI界面)（Python源码+Pyqt5界面+3200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+演示视频），开箱即用
基于YOLO11深度学习的（反恐精英）CSGO人物自动识别，CSGO自动瞄准系统(带GUI界面)（Python源码+Pyqt5界面+3200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，4个类别：警身体、警头、匪身体、匪头。
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/148092395
更多资源下载：https://blog.youkuaiyun.com/m0_37302966/article/details/146387003
2025-05-21
基于YOLO11深度学习的高压输电线故障检测系统(带GUI界面)（Python源码+Pyqt5界面+1912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深度学习的高压输电线故障检测系统(带GUI界面)（Python源码+Pyqt5界面+1912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，6个类别：'电缆破损', '绝缘子破损', '正常电缆', '正常绝缘子', '杆塔', '植被遮挡'。
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/148066543
更多资源下载：https://blog.youkuaiyun.com/m0_37302966/article/details/146387003
2025-05-20
基于YOLO11深度学习的变压器漏油检测系统(带GUI界面)（Python源码+Pyqt5界面+260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深度学习的变压器漏油检测系统(带GUI界面)（Python源码+Pyqt5界面+260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：变压器漏油。
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/148066175
更多资源下载：https://blog.youkuaiyun.com/m0_37302966/article/details/146387003
2025-05-20
基于python3.10+pyside2+Mysql8.0开发的员工管理系统 （源码+数据库）
基于python3.10+pyside2+Mysql8.0开发的员工管理系统。（源码+数据库）
员工管理系统是一个简单的员工管理系统，用于记录员工信息，包括姓名、性别、年龄、部门等。
本地员工管理系统使用python3.10、pyside2、mysql8.0等技术实现。
本地员工管理系统包含以下功能：
添加员工信息
修改员工信息
删除员工信息
查询员工信息
默认数据库用户名为root，密码000000；如需修改，数据库配置在main.py文件中。
运行方法： 已经打包编译好的文件在dist目录下； 运行之前确保Mysql8.0服务已启动并且导入了数据库文件； 双击employee management.exe即可运行。 数据库结构在sql文件中。
2025-05-19
基于 Python + OpenCV + Flask 开发的智能证件照处理系统（整套源码）
基于 Python + OpenCV + Flask 开发的智能证件照处理系统（整套源码）
支持换背景色（白/蓝/红）、标准/自定义裁剪、添加水印（文字样式、位置、大小、飘屏）、图像增强（亮度/对比度/饱和度调节）、拍照上传、本地上传、照片预览、保存导出与一键还原等功能。
2025-05-19
基于Python+OpenCV的全国大学英语四六级模板答题卡识别，客观题识别，主观题提取，条形码信息识别的答题卡识别系统，兼容多格式输入，识别准确率达 99%以上（源码+图片）
基于Python+OpenCV的全国大学英语四六级模板答题卡识别，客观题识别，主观题提取，条形码信息识别的答题卡识别系统，兼容多格式输入，识别准确率达 99%以上（源码+图片）
使用技术栈：
OpenCV、NumPy、pyzbar、投影分割、轮廓检测、图像透视变换、形态学处理、EAN13 条形码识别
实现功能：
基于阈值处理，实现对答题卡的精准提取与定位；
使用投影分割法对填涂区域进行横纵分割，并支持客观题自动判涂；
集成 pyzbar 实现 EAN-13 条形码信息解析，完成考生编号自动读取；
兼容多格式输入，识别准确率达 99%以上。
项目亮点：
无需深度学习模型，运行效率高、部署成本低，适用于嵌入式或离线场景；
样式模板可手动配置，支持未来扩展多种答题卡类型；
项目已封装为可复用模块，可结合 Web 或桌面端进行扩展开发。
备注
仅针对全国大学英语四六级答题卡模板有效，图片要求清晰大小固定，无异常比例划痕等（投影分析客观题识别较为严格），图片比例和项目中.pdf文件比例一致（模板统一），最好使用截图，如果无截图使用相机拍照，务必进行图像增强。
参数说明（图片合规使用项目默认参数即可）
创建识别器实例时，使用4张图片作为参数创建实例
实例创建后，使用set_answer_from_txt方法设置答案（txt文件按顺序标明各个客观题答案，不用写序号）
进行条形码、客观题、主观题（仅提取）的提取和识别。
2025-05-14
基于Python+yolov5开发的高效目标检测框架实现行人、车辆等目标的实时定位，基于Shi-Tomasi角点检测和稀疏光流法的目标跟踪系统（源码+训练好的yolo模型+图片）
基于Python+yolov5开发的高效目标检测框架实现行人、车辆等目标的实时定位，基于Shi-Tomasi角点检测和稀疏光流法的目标跟踪系统（源码+训练好的yolo模型+图片）
使用技术：
采用基于YOLOv5的高效目标检测框架实现行人、车辆等目标的实时定位，结合Shi Tomasi角点检测算法筛选关键特征点，通过Lucas-Kanade稀疏光流法构建目标跟踪模型
实现功能：
实现对视频帧多目标精准检测；
对目标运动进行基于关键点的跟踪；
备注
使用yolov5模型对行人、车辆等目标进行检测。
检测到具体目标后，进行Shi Tomasi角点检测，对所检测到的角点进行稀疏光流法跟踪。
运行tracker.py以查看效果
2025-05-14
基于Python+Opencv的位平面的图像水印技术，可实现任意图片二值水印图嵌入和图片水印提取与可视化（源码+图片）
基于Python+Opencv的位平面的图像水印技术，可实现任意图片二值水印图嵌入和图片水印提取与可视化（源码+图片）
使用技术
图像位平面分离，二值水印的低位平面嵌入，融合图像。
实现功能
任意图片二值水印图嵌入；
图片水印提取与可视化；
备注
将最低位位平面更换为二值图的水印，不会影响原图的显示效果并嵌入了水印，适合加入简单的隐藏信息。进行有损压缩会导致水印破坏，重点在水印的隐藏性。
2025-05-14
基于Python+Opencv开发的K均值聚类的肿瘤图像分割（源码+图片）
基于Python+Opencv开发的K均值聚类的肿瘤图像分割（源码+图片）
使用技术：
采用基于K均值聚类算法的图像像素颜色空间建模方法，通过聚类中心迭代优化生成基于聚类结果的色彩聚类图像。
实现功能：
支持K值可调的自适应聚类系统；
可对输入图像进行色彩空间分割并可视化呈现不同聚类数目的色彩分割效果图。
备注
一个基于K均值聚类对图像进行区域分割的方式，代码允许可以根据图像灵活的设置K值。
2025-05-14
基于Python+PySide6+Opencv的图像加密解密系统（源码+图片）
基于Python+PySide6+Opencv的图像加密解密系统（源码+图片）
使用技术：
采用XOR位运算算法实现数字图像的安全加解密，基于Qt框架开发跨平台图形界面应用程序。
实现功能：
对常见图像格式的输入输出，满足多种图像格式需求；
提供指定密钥和伪随机数随机密钥生成功能和结果保存功能；
像素级图片加密解密；
基于Qt的用户界面，简单易用；
备注
基于异或位运算实现图像加密解密过程。可选择指定图片当作密钥也可以产生随机密钥。结合PySide6实现了GUI界面，可保存相应产生的加密图片和密钥。
2025-05-14
基于python+yolov8的手语识别检测系统，训练了26类1400多张图片（源码+报告文档+图片+视频+说明文档+数据集下载地址）
基于python+yolov8的手语识别检测系统，训练了26类1400多张图片（源码+报告文档+图片+视频+说明文档+数据集下载地址）
关键技术和算法
1.YOLO目标检测：利用训练好的YOLO模型对视频帧进行目标检测，识别出手势的位置、类别和置信度。
2.手势队列和稳定手势判断：通过维护一个手势队列，记录最近的手势识别结果，并根据多数判断比例确定稳定手势。
3.单词构建逻辑：根据稳定手势和断开阈值，将连续的手势识别结果组合成单词或短语。
4.视频处理和输出：逐帧处理视频，将识别结果和参数信息叠加到视频帧上，并生成新的视频文件。
实验设置和参数
模型路径：指定YOLO模型的路径。
视频路径：指定待处理的视频文件路径。
输出路径：指定处理后视频的输出路径。
置信度阈值：用于筛选YOLO模型的预测结果，只保留置信度高于该阈值的手势。
手势稳定帧数阈值：用于判断手势是否稳定，只有在队列中达到该阈值的手势才会被考虑。
断开阈值：用于判断手势识别是否中断，如果连续未识别到稳定手势的帧数超过该阈值，则认为识别中断。
多数判断比例：用于确定手势队列中多数手势的比例，只有当多数手势的比例超过该阈值时，才会认为该手势是稳定的。
视频连续手势分割识别的实现主要通过以下几个关键机制：
1.多帧缓冲队列（gesture_queue）
使用固定长度（gesture_threshold）的deque存储最近N帧的检测结果
示例：当gesture_threshold=20时，系统会持续追踪最近20帧的检测结果
2.置信过滤机制
每帧只保留置信度超过conf_threshold（默认0.5）的检测结果
选取单帧中置信度最高的手势作为该帧的候选结果
3.多数表决稳定判断
统计缓冲队列中非空手势的出现频率
当某个手势占比超过majority_threshold（默认55%）时，判定为稳定手势
2025-06-11
基于ESP32-C3控制器和S90舵机开发的四足机器人(OLED显示版)，四足机器人提供WIFI热点服务 连接其热点后，可通过其提供的Web客户端控制机器人运动 （源码+图文教程）
基于ESP32-C3控制器和S90舵机开发的四足机器人(OLED显示版)，四足机器人提供WIFI热点服务。连接其热点后，可通过其提供的Web客户端控制机器人运动。（源码+图文教程）
四足机器人提供WIFI热点服务。连接其热点后，可通过其提供的Web客户端控制机器人运动。
1、打开控制板上的电源，启动四足机器人WIFI热点
2、连接WIFI热点：ESP32-C3, 密码：12345678
3、访问Web服务：http://192.168.4.1
元件
ESP32-C3扩展板(自制) x1
M2.5尼龙柱、螺丝、螺母 x4
开发版：ESP32-C3简约版 x1
降压模块：Mini360可调降压模块，x1
舵机：S90 180度 x4
L型MG995 996舵机支架 x1
M3铜柱、螺丝、螺母 x1
M2铜柱 x1、螺丝 x2
电池:
16850锂电池 x2
二节16850串联锂电池盒 x1
杜邦线若干
手机盒盖子 x1
ESP32-C3扩展板
ESP32-C3扩展板使用一块5x7CM洞洞板制作。板上可插入ESP32-C3简约版、 Mini360可调降压模块和OLED显示屏。
板子提供如下排针和排座连接设备和电源
2x16P排座，插入ESP32-C3精简版
2x4P排座，插入Mini360可调降压模块
2x16P排针，引出所有ESP32-C3精简版接口
2x2P排座，提供5组5V电源接口
4P排针，连接OLED
2P接线柱，连接2*3.7V锂电池
扩展板元件
洞洞板：单面环氧板，绿油，5*7CM x1
开关：SS-12D00,3脚2档,直插立式 拨动开关
LED： 红色 1个
电阻：470欧，1个
电线:
30AWG，彩色电路板飞线
22AWG, 1007电子线，红色，黑色
接线柱：KF301-2P,间距5.08mm,铜脚 1个
排针，排座若干
2025-06-10
基于ESP32-C3和DRV8833开发的迷你小车，集成红外、超声和数码管模块，具备红外、WIFI控制小车：前进，后退；左、右转；加速，减速 超声避障和数码管显示前方物体距离等功能（源码+图文教程）
小车使用ESP32-C3作为控制器，DRV8833驱动电机，集成红外、超声和数码管模块，提供以下功能：
1、红外、WIFI控制小车：前进，后退；左、右转；加速，减速
2、超声避障
3、数码管显示前方物体距离
小车硬件安排在以下2个板子上：
1、ESP32-C3开发扩展板，开发扩展板引出所有接口，提供锂电池连接端子
2、小车控制元件板，元件板上的模块通过排座插入，元件板上的模块和开发板的连接通过排座引出，小车控制系统通过杜邦线连接两板实现。
使用方法
WIFI遥控
1、打开控制板上的电源，启动小车WIFI服务
2、连接小车的WIFI热点：ESP32-C3, 密码：12345678
3、浏览器访问小车Web服务：http://192.168.4.1
红外控制
21键遥控器中的按键
2 - 前进
8 - 后退
4 - 左转
6 - 右转
5 - 停止
- - 减速
+ - 加速
注意事项
1、小车不用时关闭电源
2、红外遥控器不用时，插上电池隔离塑料片
3、杜邦线连接
4、模块插入排座
2025-06-10
基于树莓派和ESP32的视频履带车 ，树莓派3B+提供基于Flask框架的Web应用，通过串口向ESP32发送控制命令，控制小车和舵机动作，接受ESP32的数据在Web页面显示（源码+图文教程）
基于树莓派和ESP32的视频履带车 ，树莓派3B+提供基于Flask框架的Web应用，通过串口向ESP32发送控制命令，控制小车和舵机动作，接受ESP32的数据在Web页面显示（源码+图文教程）
树莓派3B-Robot ：
master - 单自由度激光；
dual_axis_laser - 步进电机-舵机双自由度激光；
simple_dual_axis_laser -步进电机-舵机 双自由度激光简版；
dual-axis-stepper-motor - 步进电机-步进电机双自由度激光；
csi-ultrasonic-ir-obstacle-avoidance；csi-ul-ir-lcd
功能
树莓派3B+提供基于Flask框架的Web应用(服务端口：5000)
通过串口向ESP32发送控制命令，控制小车和舵机动作
接受ESP32的数据在Web页面显示
电源
树莓派使用独立的2*16850并联锂电池,通过micro-usb供电
串口通讯连线
将树莓派3B和ESP32的串口引脚连接如下：
树莓派3B ESP32
GPIO 14(TXD) GPIO 16(RX) 黄色线
GPIO 15(RXD) GPIO 17(TX) 绿色线
GND GND
注意： 确认共地连接（GND接GND）
软件
Raspiberry Pi 3B操作系统
新的Raspberry Pi OS with desktop是基于 Debian version: 12 (bookworm),但是这个版本安装到树莓派3上，速度慢。基于SSH的VS Code Server难以运行，使用旧版本bullseye更好，速度快，基于SSH的VS Code Server运行快速稳定
2025-06-10
基于python+yolov8n-pose，对树莓派4B平台上摄像头采集的视频进行实时处理，检测人体关键点信息并进行人体姿态的估计，能够区分正常状态与攀爬状态的人体，并在出现攀爬行为时自动报警（源码）
基于python+yolov8n-pose，对树莓派4B平台上摄像头采集的视频进行实时处理，检测人体关键点信息并进行人体姿态的估计，能够区分正常状态与攀爬状态的人体，并在出现攀爬行为时自动报警（源码）
同时项目包含了WEB页面作为用户交互部分，能够让用户实时查看监控直播、监控录像，并远程控制摄像头。
2025-06-10
基于python的flask框架+vue3+MySql开发的志愿录取系统（志愿填写，录取，成绩录入系统）（源码+图表数据+数据库+使用说明）
基于python的flask框架+vue3+MySql开发的志愿录取系统（志愿填写，录取，成绩录入系统）（源码+图表数据+数据库+使用说明）
目录结构
├── admitted_students.py # 主程序源代码
├── README.md # 说明文档
├── requirements.txt # pip 依赖列表
├── dist/ # 打包后的可执行文件目录
│ └── admitted_students.exe # 可执行文件
└── step1.py # 测试程序步骤1
└── step2.py # 测试程序步骤2 └
── step3.py # 测试程序步骤3
运行方式
第一步：dist目录下有exe可执行文件，运行之前先把需要处理的数据，放在与exe同等目录下执行
<img alt="1746157744141">
第二步：点击运行exe，输入文件名，以及各岗位班的招生人数即可
<img alt="1746157770592"><img alt="1746157835156">
第三步：运行完毕，查看
<img alt="1746158133328">
如何修改岗位信息（添加/删除/修改岗位）
确保你在 admitted_students.py 文件里面的recruitment_base 变量中使用的 成绩列名 和 Excel 表中的模拟成绩绩点表的列名 完全一致，包括括号、单位、标点符号等。
2025-06-06
基于Python+Django+Vue3+Vite+MySQL开发的教学计划编排系统，采用前后端分离式开发方案，高效稳定的教学计划编排工具，可进行角色权限划分，用户权限管理 （源码）
基于Python+Django+Vue3+Vite+MySQL开发的教学计划编排系统，采用前后端分离式开发方案，高效稳定的教学计划编排工具，可进行角色权限划分，用户权限管理。（源码）
旨在搭建一个高效稳定的教学计划编排工具。
可进行角色权限划分，用户权限管理。
采用前后端分离式开发方案，后端使用Python+Django开发，前端使用Vue3+Vite开发，数据库使用MySQL。
文件目录说明：
--- backend目录为后端项目路径
-- TPAS为根项目路径，配置路径（无特殊情况请勿更改，如需更改请沟通后统一更改）
-- requirements.txt为依赖包文件
-- 后端开发过程中请编写：后端接口.md
--- frontend目录为前端项目路径
-- 具体开发在src当中
--- data目录为数据存放目录
2025-06-05
基于Python开发的自动化翻译脚本，这套脚本包含了一系列的函数，用于处理从文本预处理到API调用的各种翻译相关任务 （源码）
基于Python开发的自动化翻译脚本，这套脚本包含了一系列的函数，用于处理从文本预处理到API调用的各种翻译相关任务。（源码）
功能
批量翻译：支持对大量文本进行高效翻译。
格式转换：自动将文本从一种格式转换为另一种，例如从HTML实体到实际字符。
API集成：与多个翻译服务提供商的API集成，如Google Translate API。
错误处理：内置错误处理机制，确保在出现故障时仍能优雅地运行。
性能优化：利用缓存和异步处理技术提高翻译效率。
安装
确保你的环境中已安装Python 3.8或更高版本。
pip install daring
或者
pip install daring -i https://pypi.python.org/simple
2025-05-30
基于yolo+patchcore的深度学习异常检测系统，yolo进行有监督训练，检测已知的异常类别，patchcore进行无监督训练，检测未知的异常类别，最终的检测结果返回二者的结合（源码）
基于yolo+patchcore的深度学习异常检测系统，yolo进行有监督训练，检测已知的异常类别，patchcore进行无监督训练，检测未知的异常类别，最终的检测结果返回二者的结合（源码）
使用YOLO模型识别3个类别，对于每个类别上的已知标签重新训练1个小yolo进行有监督的异常检测，对于没有见过的类别 ，利用patchcore进行检测，若异常分数比较高，从patchcore的预测结果中框定异常，与小yolo的的结果合并进行返回。
2025-06-04
基于Python3.8+Django2.0开的发的在线生鲜商城管理系统（源码+教程说明）
基于Python3.8+Django2.0开的发的在线生鲜商城管理系统（源码+教程说明）
小型电商购物网站，基于Python3.8和Django2.0
项目尽量使用Django内部提供的API，后台管理为Django自带的管理系统django-admin。适合Django的小型实战项目。
注意！：项目路径不可太长，不可有空格、符号、中文，避免路径过长导致运行出错。 功能简介： 商品浏览：商品的图片，售价，种类，简介以及库存等信息。 全文检索：支持对商品种类以及商品名称，简介的检索。 登录注册：用户的登录与注册。 用户中心：支持用户个人信息，收货地址等信息的更新，商品加入购物车，订单生成。 商品下单：在支付接口和企业资质的支持下可完成商品的下单功能，按照原子事务处理，下单异常则终止此次下单过程。 后台管理：支持后台管理功能，商品及用户信息的增加，更新与删除，可自定制样式与功能，日志，以及权限的管理和分配。 安装： 环境配置 配置python及虚拟环境，点击下图所示进行配置（软件右下角） Python3.8
选择Python3.8创建
依赖包安装 下载文件进入项目目录之后，使用pip安装依赖包
pip install -Ur requirements.txt
数据库配置 数据库默认使用Django项目生成时自动创建的小型数据库sqlite
也可自行配置连接使用MySQL
创建超级用户 终端下执行:
./python manage.py createsuperuser
然后输入相应的超级用户名以及密码，邮箱即可。
开始运行 终端下执行:
python manage.py runserver
浏览器打开: http://127.0.0.1 即可进入普通用户入口
浏览器打开: http://127.0.0.1/admin 即可进入超级用户入口
2025-06-04
rknn yolo封装版本，实现yolov5，yolov6，yolov8和yolov11的目标检测算法，可对图片，视频和相机进行输入识别（源码）
实现功能：
v4l2 + mmap + rga零拷贝读取usb图片，还支持多种输入方式：img、video、opencv camera、v4l2 camera
rga预处理letterbox
封装版本yolov5目标检测框架，可以根据扩展增加其他模型
高性能：cpu利用率20%，内存占用率0.4%
实现yolov5 sigmoid在后处理的版本
实现yolov6目标检测算法
实现yolov8目标检测算法
实现yolov11目标检测算法
耗时： yolov5s det int8
pre + infer + post: about 29ms pre: rga: about 1.5~2.5ms cpu: about 25~30ms infer: about 26ms post: 1~2ms（18个目标）
yolov6n det int8 average pre + infer + post: about 17ms pre: rga: about 1.5~2.5ms cpu: about 9~12ms infer: about 11ms post: 2~3ms （27个目标）
yolov8n det int8 average pre + infer + post: about 23ms pre: rga: about 2~3ms cpu: about 20ms infer: about 21ms post: 2~3ms （20个目标）
yolov11n det int8 average pre + infer + post: about 27ms pre: rga: about 2~3ms cpu: about 9~12ms infer: about 21ms post: 1~2ms （17个目标）
2025-05-28
基于Vue3+SpringBoot+yolov8+MySQL开发的火灾烟雾检测系统，支持实时视频流和异步视频流处理（源码+视频）
系统架构说明
本系统采用前后端分离架构，包含三大部分：
前端：基于Vue 3，负责用户交互与数据可视化。
后端：基于Spring Boot，负责业务逻辑、数据管理、权限认证等。
目标检测服务：基于YOLOv8与Flask，负责视频/图片的目标检测推理。
主要技术栈
前端：Vue 3、Element Plus、ECharts、Axios
后端：Spring Boot、MyBatis-Plus、MySQL、Redis、JWT、FFmpeg
AI推理：YOLOv8（ultralytics）、Flask
主要功能
实时视频流目标检测与结果展示
设备、检查、火灾等业务数据管理
检测结果的可视化与统计分析
用户权限与安全认证
文件上传与管理
各模块启动方式
前端
cd video_detect_front
npm install
npm run serve
后端
cd video_detect_backend/vd_server
mvn spring-boot:run
目标检测服务
cd video_detect_yolo/flask
pip install -r requirements.txt
python run.py
数据库
使用MySQL，表结构见video_detect.sql
2025-06-03
基于 Python Flask 框架+MySQL 数据库开发的一个轻量级任务管理系统 实现用户注册登录、任务增删改查、状态管理及分页展示等核心功能 （整套源码+数据库文件+运行说明+源码结构目录）
基于 Python Flask 框架+MySQL 数据库开发的一个轻量级任务管理系统。实现用户注册登录、任务增删改查、状态管理及分页展示等核心功能。（整套源码+数据库文件+运行说明+源码结构目录）
2025-05-30
3D相机+6轴机械手的标定和引导抓取
2024-07-15
TA创建的收藏夹 TA关注的收藏夹
TA关注的人