- 博客(38)
- 资源 (1)
- 收藏
- 关注
RSS订阅
原创 基于 Django+Vue+Ollama 技术栈构建的管理系统框架
本文介绍了一个基于Django+Vue+Ollama技术栈的完整开源系统模板。该系统采用前后端分离架构，包含管理端和用户端两大模块。管理端提供仪表盘、用户管理、菜单配置、角色权限、通知发送、日志记录和知识库管理等功能，通过Django REST Framework提供API接口，前端使用Vue+ElementUI实现交互界面。用户端则包含首页、系统监控、AI助手、通知中心和知识库查询等功能，其中AI助手基于Ollama本地大模型实现。该系统实现了前后端解耦、权限控制、实时数据推送等特性。
2025-10-17 12:03:31
481
原创 【框架教程】AI 助手模块实战教程：从技术栈搭建到多场景操作全解析
性能优化：Redis 缓存减少数据库查询次数，Vite 构建提升前端加载速度，Ollama 本地部署降低网络延迟；安全性：JWT 防伪造请求，RBAC 控制操作权限，SQLite 数据本地存储降低隐私泄露风险；可扩展性：模块化设计支持新增功能（如语音输入、文件导出），Ollama 支持切换不同大模型，适配不同场景需求。
2025-11-24 11:02:45
485
原创 【框架教程】Vue3+Django 前后端分离，手把手实现文章管理模块
在 Web 开发中，文章管理模块是各类内容平台的核心功能之一，今天通过一篇实操教程，带大家从 0 到 1 跑通 “管理端发布 - 用户端查看” 的完整流程，技术栈覆盖 Vue3、TypeScript、Django 等企业级常用工具，新手也能轻松复刻。
2025-11-21 15:34:37
797
原创 大四必看！人脸验证与检测系统设计与实现（附技术栈 + 功能拆解）
对大四学生来说，一套完整且落地性强的项目案例，不仅能帮你理解技术融合逻辑，还能为毕业设计或求职简历加分！今天就带大家拆解一套，从技术选型到功能实现，全流程适配学生学习与实践需求，尤其适合计算机、人工智能、安防相关专业同学参考。
2025-11-20 14:50:36
524
原创 基于深度学习的水面垃圾智能检测识别系统设计与实现
本系统通过 “Vue 3+Django+YOLO11” 技术栈，实现了水面垃圾检测的 “智能化、实时化、可视化”，核心优势如下：技术成熟度高：选用主流框架与模型，文档丰富、社区活跃，降低开发与维护成本；功能覆盖全面：从检测到管理、从告警到数据分析，形成完整业务闭环，满足实际应用需求；可扩展性强：模块化设计与前后端分离架构，支持后续功能迭代与技术升级。如需获取系统完整代码或进一步技术交流，可在评论区留言，后续将陆续分享各模块的详细实现教程。赫兹威客官方交流群赫兹威客官方交流群。
2025-11-19 15:08:21
620
原创 基于 HTTP 协议的网络爬虫系统设计与实现
对大四计算机学生而言，这款网络爬虫系统不仅是一份技术案例，更是毕设与求职的 “实战模板”—— 它覆盖了主流技术栈，包含企业级功能，架构设计也具备扩展性。如果你正在做毕设，可参考文中的技术选型与功能实现，结合自身需求调整（比如增加 “多网站适配”“数据清洗” 模块）；如果是为实习准备，可深入研究 Channels 实时通信、Celery 任务调度等细节，面试时能更有条理地讲解项目。
2025-11-18 14:30:27
1151
原创 基于全栈技术栈的交通标识检测系统设计与实现
对大四计算机专业的同学来说，毕业设计既要技术够 “硬”、功能够全，又要能落地好实现，还得为后续求职加分 —— 今天分享的这款交通标识检测系统，完美契合这些需求！
2025-11-17 16:50:13
843
原创 基于 Vue3+Django 的 GDP 预测系统设计与实现
本系统基于 Vue3+Django 技术栈构建，以模块化设计与前后端分离架构为核心支撑，完整实现了 GDP 数据从导入、预处理、探索性分析，到模型构建训练、评估、预测及结果导出的全流程功能。在技术选型上，既兼顾了开发效率与系统性能，又通过强类型校验、缓存优化、实时通信等设计提升了系统的稳定性与用户体验；架构层面的模块化与解耦设计，不仅降低了功能扩展与维护的成本，也为团队协作提供了高效支撑。整体而言，该系统可为经济预测类应用开发提供清晰的技术路径与实战参考，尤其适合需要快速落地数据驱动型预测功能的场景。
2025-11-17 10:22:06
621
原创 基于 Vue3+Django5+YOLO11 的智能吸烟检测系统
本系统通过等技术的组合，实现了吸烟检测场景的全流程覆盖，兼具技术综合性与业务落地性。后续可从以下方向扩展：模型优化：引入模型量化技术（如 TensorRT），提升 YOLO11 在边缘设备的推理速度；多场景适配：扩展人脸检测功能，关联吸烟人员身份信息；告警渠道扩展：集成短信网关、邮件服务，实现多渠道告警通知。对于 Web 开发与计算机视觉结合的学习者，本系统的技术栈选型与架构设计具有较高的参考价值，可作为实战项目进一步深入研究各技术模块的底层原理。赫兹威客官方交流群。
2025-11-15 10:00:00
910
原创 基于 Vue3+Django+YOLO11 的智能蜜蜂识别系统
本智能蜜蜂识别系统通过 “Vue3+Django+YOLO11” 的技术组合，实现了 “高精度识别”“实时告警”“数据可视化” 等核心功能，同时采用模块化、前后端分离的架构设计，保障系统的可扩展性与可维护性。。
2025-11-14 10:19:03
784
原创 基于 Vue3+Django+YOLO11 的口罩佩戴检测系统设计与实现
本文介绍一款工业级口罩佩戴检测系统，采用前后端分离架构，整合 Vue3、TypeScript、Django、YOLO11 等主流技术栈，实现口罩佩戴实时检测、智能告警、数据统计等核心功能。系统支持模块化扩展与灵活部署，适用于校园、工厂、公共场所等多场景，可为计算机专业毕设或项目开发提供完整技术参考。本系统整合了前端工程化、后端 API 开发、AI 目标检测等多领域技术，功能完善且架构合理，可直接作为计算机专业毕业设计或项目实战案例。
2025-11-12 14:42:18
748
原创 基于 PyQt5+OpenCV 的动物识别桌面系统设计与实现
本文介绍一款功能完善、稳定性强的动物识别桌面应用，基于 PyQt5 构建交互界面，结合 OpenCV 与深度学习检测框架，实现图片 / 视频 / 摄像头多源输入的动物识别需求。系统支持自训练权重导入，具备自定义参数调节、检测结果可视化、数据导出与批量处理等核心功能，通过多后端适配、进程隔离等技术优化，确保在 Windows 环境下高效稳定运行，可作为计算机视觉方向毕业设计或技术实战项目参考。
2025-11-11 15:27:36
653
原创 鸟类识别项目实现（附核心技术解析）
标注图像保存图片模式：检测完成后点击 “保存标注”，直接将带标注的图片写入指定路径（格式为jpg/png）；视频 / 摄像头模式：可选择 “单帧保存”（手动截取当前帧）或 “批量保存”（自动保存所有检测到鸟类的帧），保存的图像包含完整标注信息（框 + 类别 + 置信度），便于后续人工核对。标注逻辑一致性无论哪种检测模式，标注的绘制逻辑与样式完全统一（如框的颜色、文字字体 / 大小、置信度保留小数点后两位），确保保存的结果具有可读性与规范性。
2025-11-11 10:41:45
865
原创 基于 YOLO11+PyQt6+OpenCV 的智能水果检测系统设计与实现
作为计算机专业大四学生，在课程设计与毕业设计阶段，目标检测类项目是热门选择。本文将详细分享一款集成多框架的智能水果检测系统，涵盖核心技术选型、功能实现细节与关键代码思路，适合用于学习多框架整合或项目参考。
2025-11-07 10:14:59
1068
1
原创 “网络安 全漏洞检测系统“从架构到功能的全维度技术分享
作为一名专注于后端开发的开发者，近期我完成了一款网络安全漏洞检测系统的开发。从架构设计到功能落地，过程中积累了不少关于 Django 实战、异步任务处理、实时监控等方向的经验，今天特意整理成图文分享，希望能给同样深耕技术领域的同行提供一些参考，也欢迎大家在评论区交流探讨技术细节。。
2025-11-04 15:44:40
324
原创 基于 YOLO11 的智能检测管理系统
本系统通过合理的技术栈选型与模块化架构设计，实现了 “检测 - 管控 - 统计 - 告警” 全流程功能，解决了目标检测结果实时展示、权限精细化管控、系统可扩展等核心问题。从开发实践来看，YOLO11 的推理效率与 Channels 的实时通信稳定性是系统流畅运行的关键，后续可在此基础上进一步优化性能。。
2025-11-04 08:45:00
913
原创 农业大模型问答系统【技术解析】
前后端主流框架的落地场景（如 Vue 3 组合式 API、Django Channels 实时通信）；常见功能的技术解决方案（如权限控制用 JWT、性能优化用 Redis）；界面搭建的高效思路（组件库 + 原子化样式快速出效果）。无论是做农业相关系统，还是通用型问答平台、管理系统，都能从截图中借鉴技术选型逻辑与实现细节。如果需要进一步获取某模块的代码片段或技术选型思维导图，可留言交流！
2025-11-03 17:04:48
561
原创 基于YOLO11 的足球场识别系统（附完整演示）
本足球场识别系统整合了当前前后端开发、AI 目标检测、实时通信等主流技术，技术栈全面且贴合企业实际开发场景。系统采用模块化、前后端分离架构，具备良好的扩展性与维护性，核心功能覆盖检测、告警、数据管理等全流程需求。对于大四计算机专业学生而言，该系统可作为毕业设计参考案例，涉及 Vue3+TypeScript 前端开发、Django+DRF 后端接口开发、YOLO 目标检测模型应用、WebSocket 实时通信等多个技术点，能有效锻炼全栈开发与 AI 应用能力。
2025-11-03 16:07:16
641
原创 基于 YOLO11 的停车位检测系统设计与实现：前后端分离架构全解析
技术栈贴合企业实战：前后端分离架构、Vue 3 + Vite 前端组合、Django + DRF + Channels 后端生态，均为企业常用技术，学习成本低、落地性强；架构设计规范：分层架构清晰，模块职责明确，便于扩展和维护，可快速适配其他目标检测场景（如车辆检测、行人检测）；核心技术点全覆盖：涵盖 RESTful API 开发、WebSocket 实时通信、目标检测算法集成、权限控制、数据可视化等多个计算机专业核心知识点；功能闭环完整。
2025-10-30 16:18:31
590
原创 PyQt6+YOLO 车辆检测系统实操
视频播放的时候，每一辆车都会被标上框，还能看到 “FPS”（每秒检测多少帧，≥25 就很流畅）、“延迟”（很快，几十毫秒），右边还会算一共检测到多少辆小车、卡车。打开系统后，点 “图像检测”，上传第一张车的图片，点检测 —— 马上就能看到结果：车周围有框，还标了是哪种车、准不准。点 “摄像头检测”，再点 “启用摄像头”—— 电脑的摄像头就打开了，车都会被标上框，车动的时候框也会跟着动，不会掉。就算车在动，也能跟得上，不会卡，这一步就是看系统能不能处理动态的视频。步骤 3：检测视频，看动态效果。
2025-10-29 10:33:46
705
原创 【Django架构古建筑AI系统】
用django-storages对接MinIO的上传接口，文件上传后会自动同步到Elasticsearch建立索引，还支持分类、修改版本——整个流程全靠DRF接口串联，再加上Lucene引擎加持，找资料的速度直接飞起。用户新增、禁用、修改信息等操作，全通过DRF接口完成，不同角色的权限边界划得明明白白，不会出现越权操作。前端靠Axios与后端Django服务做异步数据交互，用Vue Router控制路由跳转，点击“开始检测”按钮时，会直接触发Django的Celery任务队列调度，整个流程丝滑无卡顿。
2025-10-27 15:21:57
764
原创 实战参考！医学影像分割系统全框架拆解，附各模块功能详解
权限管控的 “核心枢纽”，可创建不同角色（如医生、管理员、审核员），给每个角色分配特定功能权限（比如医生只能用分割功能，管理员能管用户），通过 “角色 - 用户” 关联，批量分配 / 回收权限，减少重复操作。系统操作的 “黑匣子”，记录所有用户的登录日志、功能操作日志、数据修改日志，每条日志包含操作人、时间、IP 地址等信息，支持多条件检索，方便审计和排查问题（比如定位 “谁修改了某条病例数据”）。2. 医学图像分割框架。5. AI 助手框架。1. 登录界面框架。3. 检测历史框架。
2025-10-25 19:30:04
439
原创 医疗图像诊断系统设计与实现（附完整功能演示）
在医疗 AI 与计算机视觉交叉领域，医疗图像诊断系统因具备辅助临床诊断、提升分析效率的核心价值，成为近年来热门的研究与实践方向。对于计算机专业学生而言，此类项目不仅能深度融合深度学习模型应用与 Python 开发技能，更是毕业设计与技能提升的优质选择。本文将详细介绍一款纯 Python 开发的医疗图像诊断系统，核心采用 Segformer 语义分割模型与 mit_b2 编码器，实现医疗图像 / 视频的上传、诊断、参数调节及结果管理全流程。
2025-10-24 15:51:42
503
原创 行人多目标检测与跟踪系统
本文介绍了一个基于YOLO目标检测算法和多目标追踪技术的智能监控系统。系统采用PyQt框架开发可视化界面，支持模型动态配置、多源输入检测和结果归档。通过轻量级线程管理实现实时检测，可调整置信度阈值和NMS参数优化检测效果。系统具备双保存机制，能自动生成检测视频和关键帧截图，并通过任务列表组件实现历史记录管理，支持全流程追溯。
2025-10-21 17:25:31
261
原创 [赫兹威客][Python开发教程] Django 基础命令解析：新手入门必备（附实操示例）
摘要：本文介绍了Django开发中最常用的基础命令，适合新手快速上手。主要内容包括：项目初始化（django-admin startproject）、应用管理（startapp）、数据库迁移（makemigrations/migrate）、开发服务器（runserver）和用户管理（createsuperuser）等核心命令。每个命令都配有实际示例和避坑指南，帮助开发者避免常见错误。文章建议新手先掌握这些高频命令，随着开发深入再学习其他高级功能命令。
2025-09-17 19:13:26
626
原创 [赫兹威客][Python开发教程] 在 PyCharm 中切换 conda 环境及下载包教程
本文介绍了在PyCharm中管理conda环境和安装包的三种方法：1.通过主界面右下角快速切换conda环境；2.在设置中更详细地管理解释器环境；3.使用Python解释器界面或终端安装所需包。文章还提供了注意事项，包括确保conda环境变量配置正确、切换环境后需重新安装包、选择合适版本避免兼容性问题等。操作步骤清晰完整，适合Python开发者参考使用。
2025-09-15 15:54:02
1148
原创 [赫兹威客][深度学习] 深度学习GPU环境搭建：CUDA+PyTorch
本文详细介绍了CUDA、cuDNN和PyTorch的安装配置流程：首先通过nvidia-smi命令确认CUDA版本，在官网下载对应CUDA Toolkit并按默认设置安装；然后下载匹配的cuDNN版本，将文件复制到CUDA目录；最后根据CUDA版本选择对应PyTorch安装命令。安装完成后，可通过Python代码验证各组件版本及可用性。整个过程包括环境检查、软件安装、路径配置和功能测试等步骤。
2025-09-15 13:15:28
1612
原创 [赫兹威客][Python开发教程] 使用PyCharm运行第一个项目(venv环境运行）
本文介绍了PyCharm的安装与基本使用流程：首先需安装Python解释器并配置环境变量；然后下载安装PyCharm社区版；接着创建项目并配置虚拟环境（venv或conda）；最后演示了运行Python程序的方法。内容涵盖从环境搭建到项目创建的全过程，适合Python初学者快速上手PyCharm开发环境。
2025-09-14 16:15:14
687
原创 [赫兹威客][Python开发教程] 使用Anaconda创建开发环境（命令行创建）
本文详细介绍了使用Anaconda创建和管理conda虚拟环境的完整流程。主要内容包括：通过Anaconda Prompt创建指定Python版本的虚拟环境；激活/退出环境的方法；在环境中使用conda/pip安装包；查看已安装包和所有环境列表；以及删除不再需要的虚拟环境。这些操作能有效隔离不同项目的依赖关系，是Python开发中环境管理的重要工具。文中提供了Windows、Linux/macOS系统的具体命令示例，并强调了删除环境时的注意事项。
2025-09-12 19:03:20
1568
原创 [赫兹威客][软件安装教程] Anaconda3
然后你的电脑会有几个闪现的框，等它们闪完之后就可以看到anaconda的主界面了（到这就安装完成啦）这个命令会自动更新你的环境变量，使得你可以在任何命令行窗口（如cmd或PowerShell）中使用。教程到这里就结束啦，感兴趣的朋友可以加入我们的Q群一起讨论！教程到这里就结束啦，感兴趣的朋友可以加入我们的Q群一起讨论！教程到这里就结束啦，感兴趣的朋友可以加入我们的Q群一起讨论！下载完成后，双击下载的图标，然后根据如下的图片顺序去操作即可。弹出来的网页关掉即可，如果你想了解一下，也可以看看。
2025-09-02 15:12:30
1014
原创 [赫兹威客][软件安装教程] JAVA JDK
教程到这里就结束啦，感兴趣的朋友可以加入我们的Q群一起讨论！教程到这里就结束啦，感兴趣的朋友可以加入我们的Q群一起讨论！教程到这里就结束啦，感兴趣的朋友可以加入我们的Q群一起讨论！双击打开软件安装包，然后按如 下图片顺序进行就行。
2025-09-02 14:54:52
129
原创 [赫兹威客][软件安装教程] Redis
redis是一个key-value。和Memcached类似，它支持存储的value类型相对更多，包括string(字符串)、list()、set(集合)、zset(sorted set --有序集合)和hash（哈希类型）。这些都支持push/pop、add/remove及取交集并集和差集及更丰富的操作，而且这些操作都是原子性的。在此基础上，redis支持各种不同方式的排序。与memcached一样，为了保证效率，数据都是缓存在内存中。
2025-09-02 14:49:06
656
原创 [赫兹威客][软件安装教程] Mysql
MySQL是一个，由瑞典公司开发，属于旗下产品。MySQL是最流行的之一，在应用方面，MySQL是最好的)应用软件之一。MySQL是一种关系型数据库管理系统，将数据保存在不同的表中，而不是将所有数据放在一个大仓库内，这样就增加了速度并提高了灵活性。MySQL所使用的 SQL 语言是用于访问数据库的最常用标准化语言。MySQL 软件采用了双授权政策，分为社区版和，由于其体积小、速度快、总体拥有成本低，尤其是这一特点，一般中小型和大型网站的开发都选择 MySQL作为。
2025-09-02 14:41:39
426
原创 [赫兹威客][软件安装教程] NodeJs
Node.js发布于2009年5月，由Ryan Dahl开发，是一个基于引擎的，使用了一个、非阻塞式I/O模型， 让JavaScript 运行在的，它让JavaScript成为与等服务端语言平起平坐的。
2025-09-02 13:59:35
170
原创 [赫兹威客][软件安装教程] JetBrains全家桶
IntelliJ IDEA Ultimate （简称ideaIU）是 JetBrains 公司开发的旗舰版集成开发环境（IDE），提供完整的开发工具链，支持多语言开发（如Java、Kotlin等），并包含智能代码分析、重构工具及版本控制集成等功能。下载后，找到软件安装包，双击打开。
2025-09-01 21:41:23
1174
原创 CULane 数据集训练神器来袭！基于 PyQt5 的傻瓜式训练器手把手教学
本文介绍的基于 PyQt5 的傻瓜式训练器，通过自动化的数据预处理、可视化的参数调节、实时的训练监控和便捷的模型评估，大大降低了 CULane 数据集训练的门槛，让即使是新手也能轻松上手。我们利用 PyQt5 的优势，将 CULane 数据集训练的各个环节进行了集成和优化，实现了训练过程的可视化和自动化，让开发者无需编写复杂的代码，只需通过简单的界面操作，即可完成 CULane 数据集的训练。对于缺乏经验的开发者来说，参数调节是一个巨大的挑战，容易导致训练过程不稳定，模型收敛速度慢，甚至无法收敛。
2025-05-04 19:01:55
1911
原创 新手福音！YOLO 可视化训练工具，零基础也能轻松玩转模型训练（毕设救星）
在深度学习领域，YOLO（You Only Look Once）凭借其出色的目标检测性能，成为众多开发者和研究人员的首选框架。然而，对于新手来说，YOLO 模型的训练过程往往充满挑战：复杂的参数配置、晦涩难懂的训练日志，以及难以直观把握的训练动态，都像是一道道难以跨越的门槛。现在，一款专为新手打造的YOLO 训练可视化系统应运而生，它以简洁易用的设计和强大的功能，让零基础的你也能轻松开启 YOLO 模型训练之旅！这款工具的核心设计理念就是 “降低门槛，简化流程”。
2025-04-27 16:38:05
677
1
原创 基于Python的100+高质量爬虫开源项目（持续更新中）
以下是项目所使用的框架，不同的项目所使用的框架或许有不同，但都万差不离：Scrapy：一个快速的高级Web爬虫框架，可用于从网站中提取结构化数据。BeautifulSoup：一个用于从HTML和XML文件中提取数据的Python库。PySpider：一个轻量级，跨平台并基于事件的Python爬虫框架。Tweepy：一个用于访问Twitter API的Python库，可用于采集Twitter数据。Selenium：一个用于自动化Web浏览器的Python库，可用于模拟用户在网站上的操作。
2023-09-22 16:27:41
5006
33
学习资料【大数据+机器学习】数据集电商商品
2023-12-15
学习资料【大数据+机器学习】数据集人口数据
2023-12-15
学习资料【大数据+机器学习】电影类 数据集
2023-12-15
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人