- 博客(22)
- 收藏
- 关注
RSS订阅原创 毕设项目 基于深度学习的中草药识别系统的设计与实现（源码+论文）
本文介绍了一个基于深度学习的中草药智能识别系统毕业设计项目。系统采用ResNet50和VGG16两种模型对15种中草药进行识别，其中ResNet50模型测试准确率达92%以上。研究背景阐述了传统中草药鉴别面临的挑战，以及深度学习技术在解决该问题中的优势。文章详细解析了卷积神经网络的结构原理和ResNet50算法特点，重点说明了其残差连接机制和瓶颈结构设计。项目还开发了PyQt5图形界面，支持单张/多张图片检测功能，为中医药现代化提供了智能化解决方案。
2026-01-09 16:09:20
440
原创 毕设项目分享 基于机器学习的肥胖等级分类及成因分析（源码+论文）
本文介绍了一个基于机器学习的肥胖等级分类及成因分析毕业设计项目。项目采用决策树和随机森林算法，通过特征工程和模型优化实现了对肥胖等级的准确分类。研究内容包括：1）数据预处理（分类特征编码、数值标准化）；2）决策树模型训练与超参数调优；3）随机森林模型构建与评估。实验结果显示，优化后的决策树准确率显著提升，随机森林模型表现出更好的分类性能。该项目为健康管理领域提供了有效的技术方案，项目代码和演示效果已公开。
2026-01-08 17:39:26
487
原创 毕设项目 YOLOv11+YOLOv8塑料瓶目标智能监测系统（源码+论文）
本文介绍了一个基于YOLOv11和YOLOv8的塑料瓶目标智能监测系统。该系统利用深度学习技术，通过改进的卷积神经网络架构，实现对复杂场景中塑料瓶的高效检测。研究背景阐述了塑料瓶污染治理的紧迫性，以及传统人工分拣的局限性。文章详细解析了YOLOv11算法的创新点，包括无锚点检测、多尺度目标识别等特性。模型训练采用SGD优化器，通过100轮迭代优化参数。该系统为解决环保领域的可回收物自动分拣难题提供了技术方案，具有重要的实践价值。项目效果演示视频和下载地址见原文链接。
2026-01-05 21:00:00
569
原创 毕设项目 YOLOv11+YOLOv8烟头目标智能监测系统（源码+论文）
（1）卷积层是卷积神经网络中的核心组件，专门从输入图像中抓取有用的信息，并将这些信息传递到下一层，这个过程是运用卷积操作对输入数据进行处理,得到区域的图像特征，靠着这种窗口滑动的方式，卷积层就可以学习到图像中的形状、纹理等空间结构的信息。（2）池化层在卷积神经网络中经常用到，它的作用是通过降采样的方法减少数据量与计算复杂度，同这样能在不同的场景下防止数据出现过拟合的情况，而这一操作通常是在卷积层之后进行，通过对卷积层的输出数据降低数据量，就可以缩小特征图的尺寸。
2025-12-19 12:26:53
570
原创 基于cnn的光伏板表面缺陷分类系统的设计与实现
本研究实现了一个基于卷积神经网络（CNN）的光伏板表面缺陷分类算法，通过对图像数据进行尺寸统一、灰度化及标准化等预处理操作，构建了一个端到端的缺陷检测系统。该系统主要对六类光伏板表面状态（Bird-drop、Clean、Dusty、Electrical-damage、Physical-Damage、Snow-Covered）进行自动识别与分类。在特征提取阶段，利用CNN的多层卷积结构自适应学习缺陷的判别性特征，避免了传统手工特征设计的局限性。
2025-11-26 16:03:47
845
原创 基于YOLO的火灾与烟雾检测系统的设计与实现
YOLOv11（You Only Look Once version 11）是当下先进的用于目标检测、图像分类和实例分割任务的 YOLO 模型。相较于前代产品，YOLOv11 着重提升了准确性和效率。YOLOv11 的主要特点和改进检测速度提升：YOLOv11 实现了比其他目标检测模型更快的推理速度，同时维持了较高的精度。用户友好性：YOLOv11 可在任何标准硬件上成功安装并高效运行。最新的 YOLOv11 实现具备诸多新功能，特别是用户友好的 CLI 和 GitHub 存储库。
2025-11-26 14:53:02
960
原创 基于YOLO的咖啡叶片病害检测系统的设计与实现
YOLOv11（You Only Look Once version 11）是当下先进的用于目标检测、图像分类和实例分割任务的 YOLO 模型。相较于前代产品，YOLOv11 着重提升了准确性和效率。YOLOv11 的主要特点和改进检测速度提升：YOLOv11 实现了比其他目标检测模型更快的推理速度，同时维持了较高的精度。用户友好性：YOLOv11 可在任何标准硬件上成功安装并高效运行。最新的 YOLOv11 实现具备诸多新功能，特别是用户友好的 CLI 和 GitHub 存储库。
2025-11-25 15:47:55
174
原创 基于YOLO算法的蝴蝶检测系统的设计与实现
YOLOv11（You Only Look Once version 11）是当下先进的用于目标检测、图像分类和实例分割任务的 YOLO 模型。相较于前代产品，YOLOv11 着重提升了准确性和效率。YOLOv11 的主要特点和改进检测速度提升：YOLOv11 实现了比其他目标检测模型更快的推理速度，同时维持了较高的精度。用户友好性：YOLOv11 可在任何标准硬件上成功安装并高效运行。最新的 YOLOv11 实现具备诸多新功能，特别是用户友好的 CLI 和 GitHub 存储库。
2025-11-25 14:49:45
38
原创 基于深度学习的学生课堂专注度检测系统的设计与实现
YOLOv11（You Only Look Once version 11）是当下先进的用于目标检测、图像分类和实例分割任务的 YOLO 模型。相较于前代产品，YOLOv11 着重提升了准确性和效率。YOLOv11 的主要特点和改进检测速度提升：YOLOv11 实现了比其他目标检测模型更快的推理速度，同时维持了较高的精度。用户友好性：YOLOv11 可在任何标准硬件上成功安装并高效运行。最新的 YOLOv11 实现具备诸多新功能，特别是用户友好的 CLI 和 GitHub 存储库。
2025-11-24 22:19:02
128
原创 基于Resnet的鸟类图像分类系统的设计与实现
本研究实现了一个基于ResNet的鸟类图像识别算法，结合图像预处理与特征提取技术，实现对六种鸟类（AMERICAN GOLDFINCH、BARN OWL、CARMINE BEE-EATER、DOWNY WOODPECKER、EMPEROR PENGUIN、FLAMINGO）的自动分类。研究首先对图像数据进行尺寸统一、灰度化及标准化等预处理操作，随后采用方向梯度直方图（HOG）等特征描述方法提取图像关键特征。通过网格搜索法优化ResNet的超参数，并利用交叉验证评估模型泛化能力。
2025-11-24 21:34:28
178
原创 基于Resnet的猫狗图像分类的算法研究
本研究实现了一个基于resnet的猫狗图像识别算法，结合图像预处理与特征提取技术，实现对猫狗图像的自动分类。研究首先对图像数据进行尺寸统一、灰度化及标准化等预处理操作，随后采用方向梯度直方图（HOG）等特征描述方法提取图像关键特征。通过网格搜索法优化resnet的超参数，并利用交叉验证评估模型泛化能力。同时绘制ROC曲线、精度-召回曲线与混淆矩阵等进行多维度模型性能评估，并可视化关键支持向量与分类边界。
2025-11-14 16:55:19
1563
原创 基于深度学习的西红柿叶片病检测
YOLOv11（You Only Look Once version 11）是当下先进的用于目标检测、图像分类和实例分割任务的 YOLO 模型。相较于前代产品，YOLOv11 着重提升了准确性和效率。YOLOv11 的主要特点和改进检测速度提升：YOLOv11 实现了比其他目标检测模型更快的推理速度，同时维持了较高的精度。用户友好性：YOLOv11 可在任何标准硬件上成功安装并高效运行。最新的 YOLOv11 实现具备诸多新功能，特别是用户友好的 CLI 和 GitHub 存储库。
2025-10-20 17:57:43
925
原创 基于深度学习的垃圾分类系统
YOLOv11（You Only Look Once version 11）是当下先进的用于目标检测、图像分类和实例分割任务的 YOLO 模型。相较于前代产品，YOLOv11 着重提升了准确性和效率。YOLOv11 的主要特点和改进检测速度提升：YOLOv11 实现了比其他目标检测模型更快的推理速度，同时维持了较高的精度。用户友好性：YOLOv11 可在任何标准硬件上成功安装并高效运行。最新的 YOLOv11 实现具备诸多新功能，特别是用户友好的 CLI 和 GitHub 存储库。
2025-10-20 16:58:54
968
原创 基于机器学习的公司财务数据分析预测
本研究实现了一个集成的聚类与分类分析框架，结合K-means聚类与随机森林分类器对企业财务数据进行深度挖掘与预测。研究首先对多维度财务指标数据进行标准化预处理，通过轮廓系数法与手肘法确定最优聚类数目，完成样本的聚类分组。随后，将聚类结果作为类别标签，构建随机森林分类模型，并通过网格搜索优化超参数、交叉验证评估模型性能，同时绘制ROC曲线、精度-召回曲线、混淆矩阵及特征重要性图等进行全面模型评估。最后，利用训练好的模型对新样本进行分类预测，并可视化聚类结果与预测对比。
2025-10-14 21:22:35
918
原创 PCB板缺陷检测系统（PyQT5+YOLOv11代码+训练数据集）
YOLOv11是Ultralytics团队推出的新一代实时目标检测算法，在模型效率、检测精度和多任务适应性上进行了优化。本文展示了其在PCB缺陷检测中的应用，通过网页上传6类PCB图像可准确识别缺陷类别。文章详细介绍了模型训练流程，包括环境配置、数据集加载、参数设置以及评估指标，并提供了预测单张图片的代码示例。实验结果表明，该算法在PCB缺陷检测任务中表现出良好的性能平衡，适用于工业质检等对速度和精度要求较高的场景。
2025-09-02 11:28:22
425
原创 基于SVM和决策树的服装分类系统的设计与实现
文章摘要：本文介绍了支持向量机(SVM)和决策树两种机器学习算法在服装图像分类任务中的应用。SVM通过寻找最优超平面进行分类，可分为线性可分、线性近似可分和非线性三类；决策树则以树形结构展示分类规则。文章详细展示了两种模型的训练流程：包括数据加载、预处理、模型训练与评估，并提供了可视化界面效果。通过上传8类服装图像，系统能准确识别类别。完整代码展示了从数据准备到模型保存的全过程，为机器学习图像分类任务提供了实践参考。
2025-08-19 10:41:18
779
原创 基于卷积神经网络的图像去噪算法实现（HTML+CNN+训练数据集）
DNCNN是一种基于深度学习的图像去噪算法，它通过搭建多层卷积神经网络，从含噪图像中自动学习特征，并借助非线性转换还原出清晰的原始图像。其核心构成包括以下几个部分：（1）卷积层是DNCNN的核心组件，它利用一组可学习的滤波器（也称内核）对输入图像进行逐点扫描，从而捕捉图像的局部特征细节。（2）激活函数负责对卷积层输出的特征图进行非线性转换，这种转换能增强网络对复杂模式的拟合能力，常用的如ReLU、Sigmoid和TanH等函数都能实现这一功能。
2025-08-13 14:42:21
1194
原创 基于深度学习的道路水坑检测系统（PyQT5+YOLOv11代码+训练数据集）
本文提出基于YOLOv11算法的道路水坑检测系统，通过构建标注数据集并开发交互式检测界面，实现多场景下的道路水坑识别功能。系统支持单图检测、批量图片处理、视频分析及实时摄像头监控四种检测模式，采用PyQT5构建可视化界面，提供完整的代码实现和数据集处理方法。实验结果表明，该系统能有效检测道路水坑目标，为道路安全监测和智能养护提供技术支撑。文中详细介绍了数据标注工具使用、数据集划分方法及环境配置方案。
2025-08-13 11:43:43
2289
原创 新手入门超详细的深度学习环境搭建手把手教程（Anaconda+PyTorch+Windows）
本文详细介绍了在Windows系统上搭建深度学习环境的完整流程。主要内容包括：1) Anaconda的安装与配置，包括下载、环境变量设置和安装验证；2) PyTorch的安装方法，涵盖创建Python虚拟环境和两种安装途径；3) PyCharm的安装及如何将已创建的虚拟环境导入其中。文章特别强调了安装过程中的关键注意事项，如路径设置、环境激活等常见问题的解决方法。该教程既适合初学者作为入门指南，也可作为开发者的环境配置参考文档。
2025-08-01 10:49:06
3881
2
原创 基于深度学习的安全帽检测系统（PyQT5+YOLOv11代码+训练数据集）
本文深入研究了基于YOLOv11的安全帽检测，核心采用YOLOv11算法。文中详述了国内外研究现状、数据集处理、算法原理、模型构建与训练代码，以及基于PyQT5的交互式界面设计。在该界面中，可支持图像、视频和实时摄像头进行安全帽检测，还能上传不同训练模型进行推理预测，且界面具备良好的可修改性。此外，本文附带完整的界面设计、深度学习模型代码和训练数据集的下载链接。
2025-05-16 15:29:20
2350
原创 基于深度学习的西红柿成熟度检测系统（PyQT5+YOLOv11代码+训练数据集）
本文深入研究了基于YOLOv11的西红柿成熟度检测，核心采用YOLOv11算法。文中详述了国内外研究现状、数据集处理、算法原理、模型构建与训练代码，以及基于PyQT5的交互式界面设计。在该界面中，可支持图像、视频和实时摄像头进行西红柿成熟度检测，还能上传不同训练模型进行推理预测，且界面具备良好的可修改性。此外，本文附带完整的界面设计、深度学习模型代码和训练数据集的下载链接。
2025-04-29 21:31:46
967
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