LeonDL168-CSDN博客

【通用视觉框架】基于WPF+OpencvSharp+C#开发的仿Visionmaster的拖拉拽通用视觉框架软件，全套源码，开箱即用和海康Visionmaster一样，流程图式的拖拉拽通用视觉软件，WPF+OpencvSharp+C#开发，是非常不错的学习框架，需要什么功能可以自己添加开发，插件式开发非常方便，代码开源可二次开发。整套源码，可学习参考，也可继续二次开发，运用到实际项目中。工具设计模式分4层 1.Views(页面图层) 2.ViewModel(页面数据操作层实现我佩服MWVM模式页面与操作资源分离) 3.Models(实际数据存储层) 4.Service(实际功能操作层) 资源介绍请查阅：https://blog.csdn.net/m0_37302966/article/details/146956326 更多视觉框架资源：https://blog.csdn.net/m0_37302966/article/details/146583453

2026-07-16

【深度学习通用框架】基于Halcon+Qt开发的仿康耐视VIDI的通用深度学习框架软件，全套源码，开箱即用

【深度学习通用框架】基于Halcon+Qt开发的仿康耐视VIDI的通用深度学习框架软件，全套源码，开箱即用基于Halcon20.11+QT5.12+VS2017开发，目标检测，语义分割和图片分类都已经工具化并且可可根据项目需要任意配置，各个深度学习工具的标注，训练，数据集，图片集，模型参数，结果筛选等等都已完成，并已实际应用于工业外观检测项目。和康耐视VIDI一样，在软件里搭建好流程逻辑，标注训练好，保存工程，然后在C#里调用DLL加载工程就好。基于Halcon+Qt开发的仿康耐视VIDI的通用深度学习框架软件，提供了软件的开发环境、功能特点、应用场景等信息。资源介绍：https://blog.csdn.net/m0_37302966/article/details/139802174 更多视觉框架资源：https://blog.csdn.net/m0_37302966/article/details/146583453

2026-07-14

【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.csdn.net/m0_37302966/article/details/154401773 更多视觉框架资源：https://blog.csdn.net/m0_37302966/article/details/146583453

2026-07-14

【AOI基板外观缺陷检测软件】基于Halcon+C#开发的AOI基板外观缺陷检测软件，全套源码，开箱即用

【AOI基板外观缺陷检测软件】基于Halcon+C#开发的AOI基板外观缺陷检测软件，全套源码，开箱即用 AOI基板外观缺陷检测软件，功能强大！支持： 1. 运动控制； 2. 自动/离线检测； 3. 自动对位； 4. AB面检测结果自动合并，以A面为依据生成双面工单； 5. 人工复判NG cell（多颗/单颗标注模式）； 6. 结果整合输出PDF； 7. 输入序列号自动载入档案。资源介绍请查阅：https://blog.csdn.net/m0_37302966/article/details/151795656 更多视觉框架资源：https://blog.csdn.net/m0_37302966/article/details/146583453

2026-07-14

基于RK3588+AI视觉开发的远程陪伴机器狗，12自由度，源码

2026-07-13

基于Web开发的俄罗斯方块游戏，采用前后端分离架构，提供核心的游戏体验以及在线排行榜功能，同时探索不同技术栈（Python/Flask 和 C++/Crow）在后端实现上的差异（源码）

基于Web开发的俄罗斯方块游戏，采用前后端分离架构，提供核心的游戏体验以及在线排行榜功能，同时探索不同技术栈（Python/Flask 和 C++/Crow）在后端实现上的差异（源码）项目目标实现一个功能完整的俄罗斯方块游戏，包括基本玩法、计分、方块预览等。实现游戏结束后的分数提交功能，允许用户输入昵称。实现游戏排行榜功能，展示高分记录。采用前后端分离架构，前端使用 HTML/CSS/JavaScript，后端提供 RESTful API。后端 API 分别使用 Python (Flask) 和 C++ (Crow) 实现。使用 JSON 文件作为简单的数据存储方案来持久化排行榜数据。后端 API 使用 Swagger/OpenAPI 规范进行设计和文档化。项目结构 documents：项目文档 back-end python：Python (Flask) 实现的 RESTful API cpp：C++ (Crow) 实现的 RESTful API front-end 使用 HTML/CSS/JavaScript 实现的用户界面

2026-07-07

【通用视觉框架】基于Qt+Halcon开发的仿Visionmaster的通用视觉框架软件，全套源码，开箱即用

【通用视觉框架】基于Qt+Halcon开发的仿Visionmaster的通用视觉框架软件，全套源码，开箱即用 1.1 背景本项目软件开发意图为实现对Halcon、Opencv算子及其它视觉软件的便捷使用，由于Halcon和Opencv使用相比VisionPro较为麻烦，故此本软件仿照海康VisionMaster的流程图式操作，实现对Halcon、Opencv及其它视觉软件的二次开发。 2.1 软件概述本软件使用Qt框架进行开发，实现对视觉流程的自由搭配，市场上对标海康威视的VisionMaster；本软件使用插件化开发框架，可使用提供的二次开发库自行添加新功能算子和新模块(将生成的插件放置到对应目录下即可)； 2.2 功能概述: 视觉流程图式编程:实现对视觉/数据处理算子的自由编程，从而实现各类复杂的视觉需求项目读取保存:将编程的视觉项目进行保存或者读取图像显示:主界面中可以显示及监控视觉算子的图像处理情况日志消息显示:显示软件运行过程中出现的日志消息多语言:可进行多种语言切换 2.3 开发平台主开发语言:Qt(C++) C++语言标椎:C++17 开发环境:Window/Linux 编程平台:Qt Creator 编译器: |版本 | MSVC | Qt 6.4.0 MSVC2019 64bit | | Mingw | Qt 6.4.0 MinGW 64-bit | 视觉工具:Halcon19.11 Progress X64 资源介绍请查阅：https://blog.csdn.net/m0_37302966/article/details/146980317 更多视觉框架资源：https://blog.csdn.net/m0_37302966/article/details/146583453

2026-07-02

基于Python开发的学生资助系统，实现学生消费模拟数据生成、数据清洗、可视化分析、Kmeans/规则模型构建、学生困难画像与资助方案生成，数据集包含121条学生样本，自带缺失与异常值（源码）

基于Python开发的学生资助系统，实现学生消费模拟数据生成、数据清洗、可视化分析、Kmeans/规则模型构建、学生困难画像与资助方案生成，数据集包含121条学生样本，自带缺失与异常值（源码）

2026-06-30

基于Python + FastAPI + Vue 3 开发的在线字典系统（源码）

基于Python + FastAPI + Vue 3 开发的在线字典系统（源码）功能特点快速查词 - 支持精确匹配、前缀匹配、模糊搜索现代化 UI - 使用 TailwindCSS 构建的美观界面多字典支持 - 可同时加载多个 MDX 字典在线上传 - 支持上传外部 MDX 字典文件响应式设计 - 支持桌面和移动设备项目结构 zidianxitong/ ├── backend/ # 后端 API │ ├── src/ │ │ └── main.py # FastAPI 主程序 │ └── requirements.txt # Python 依赖 ├── frontend/ # 前端应用 │ ├── src/ │ │ ├── App.vue # Vue 主组件 │ │ └── main.js # 入口文件 │ └── dist/ # 构建产物 ├── dictionaries/ # 字典文件目录 └── start.py # 一键启动脚本

2026-06-22

基于 Python + Vue3 开发的在线投票系统，实现线上发布投票、用户参与投票、结果实时统计等核心功能，界面简洁易用，满足日常评选、意见征集等使用需求

基于 Python + Vue3 开发的在线投票系统，实现线上发布投票、用户参与投票、结果实时统计等核心功能，界面简洁易用，满足日常评选、意见征集等使用需求。

2026-06-15

基于深度学习开发的辅助漫画翻译工具，支持一键机翻和简单的图像/文本编辑（源码+文档）

基于深度学习开发的辅助漫画翻译工具，支持一键机翻和简单的图像/文本编辑（源码+文档）一键机翻译文回填参考对原文排版的估计，包括颜色，轮廓，角度，朝向，对齐方式等最后效果取决于文本检测，识别，抹字，机翻四个模块的整体表现支持日漫和美漫英译中，日译英排版已优化，文本布局以提取到的背景泡为参考，中文基于 pkuseg 进行断句，日译中竖排待改善图像编辑支持掩膜编辑和修复画笔文本编辑支持所见即所得地富文本编辑和一些基础排版格式调整、字体样式预设支持全文/原文/译文查找替换支持导入导出 word 文档适用于条漫界面说明及快捷键 Ctrl+Z，Ctrl+Y 可以撤销重做大部分操作，注意翻页后撤消重做栈会清空 A/D 或 pageUp/Down 翻页，如果当前页面未保存会自动保存 T 切换到文本编辑模式下(底部最右"T"图标)，W激活文本块创建模式后在画布右键拉文本框 P 切换到画板模式，右下角滑条改原图透明度标题栏->运行可以启用/禁用任意自动化模块，全部禁用后Run会根据全局字体样式和嵌字设置重新渲染文本设置面板配置各自动化模块参数 Ctrl++/- 或滚轮缩放画布 Ctrl+A 可选中界面中所有文本块 Ctrl+F 查找当前页，Ctrl+G全局查找 0-9调整嵌字/原图透明度文本编辑下 Ctrl+B 加粗，Ctrl+U 下划线，Ctrl+I 斜体字体样式面板-"特效"修改透明度添加阴影 Alt+Arrow Keys 或 Alt+WASD (正在编辑文本块时 pageDown 或 pageUp) 在文本块间切换

2026-06-09

跨境电商工具，视频翻译软件

2026-06-01

基于 Python FastAPI 和 Vue3 开发的现代化博客系统，采用前后端分离架构（源码+教程）

基于 Python FastAPI 和 Vue3 开发的现代化博客系统，采用前后端分离架构（源码+教程）功能特性用户管理：用户注册、登录、个人资料管理文章管理：文章发布、编辑、删除、搜索、分页评论系统：评论发表、回复、查看分类管理：文章分类创建、管理标签管理：文章标签创建、管理 Markdown 支持：文章内容支持 Markdown 语法技术栈前端 Vue 3.x - 前端框架 Vue Router 4.x - 路由管理 Axios - HTTP 请求库 Ant Design Vue 4.x - UI 组件库 Vite 6.x - 构建工具 Marked - Markdown 渲染后端 Python 3.10+ - 编程语言 FastAPI 0.104+ - Web 框架 SQLAlchemy 2.0+ - ORM SQLite 3.x - 数据库 PyJWT - JWT 认证 Passlib - 密码加密

2026-05-26

基于YOLO深度学习开发的幼儿洗手教学装置，通过视觉识别、语音提示和灯光互动，帮助孩子掌握正确的七步洗手法（源码+教程）

功能特性智能动作识别：使用YOLO模型实时识别七步洗手法动作语音指导：通过MP3模块播放步骤提示和鼓励音频视觉反馈：WS2812灯带提供颜色反馈（绿色成功、红色错误）笑脸奖励：洗手完成后检测笑脸给予额外奖励容错机制：错误动作支持一次重试超声波检测：自动检测用户是否到位七步洗手法步骤内 (nei) - 掌心相对，手指并拢相互摩擦外 (wai) - 掌心对手背，手指并拢相互摩擦夹 (jia) - 手指交叉，掌心相对旋转摩擦弓 (gong) - 指尖相对，旋转摩擦大 (da) - 大拇指在掌心旋转摩擦立 (li) - 食指在掌心旋转摩擦腕 (wang) - 手腕旋转摩擦硬件要求 K210 AI开发板 (勘智视觉主控) Arduino开发板 (ESP32) GD5800 MP3模块 WS2812 RGB灯带 (60颗灯珠) 超声波传感器 (HC-SR04) 摄像头模块扬声器硬件连接 Arduino引脚配置 MP3模块：RX=25, TX=26 K210串口：RX=32, TX=33 (SoftwareSerial) 超声波：Trig=5, Echo=18 WS2812灯带：DATA=12 K210引脚配置 UART2：RX=6, TX=8 (连接Arduino) LCD：SPI接口摄像头：DVP接口软件安装依赖环境 Python 3.x (用于K210开发) Arduino IDE MaixPy (K210开发框架)

2026-05-14

基于 Python开发的严谨体素风格（Voxel）2D 竞技动作游戏，支持 Windows 与 Linux （源码+教程）

核心特色严谨体素美学: 拒绝妥协的次世代 2D 像素表达，严格遵循 Minecraft 风格的方块物理与视觉反馈。流畅竞技体验: 专为乱斗设计的底层逻辑，打击感扎实，支持高强度的本地对战。全平台兼容: 无论是 Windows 玩家，还是 Linux 等极客开发者，都能获得一致的流畅体验。轻量级引擎: 基于纯粹的 Pygame 架构打造，代码结构清晰，极易上手进行二次开发与 Mod 制作。游戏演示 (Screenshots) (建议：将你在 itch.io 上的实际游戏对战截图链接替换到这里) <img width="45%" alt="Gameplay 1"> <img width="45%" alt="Gameplay 2"> 操作指南 (Controls) 动作玩家 1 (Player 1) 玩家 2 (Player 2) 移动 (Move) W A S D ↑ ↓ ← → 跳跃 (Jump) Space (空格) Numpad 0 (小键盘0) 攻击 (Attack) J Numpad 1 技能 (Skill) K Numpad 2 暂停/菜单 Esc - (按键配置可在游戏内的设置菜单或 settings.json 中自定义修改)

2026-05-13

基于Python深度学习开发的中医舌诊面诊智能分析系统，集成舌象分析、面色检测、中医辨证、智能对话和大模型评估功能，为基层医疗和健康管理提供AI辅助诊断服务（源码+教程）

功能模块模块一：舌诊面诊分析核心功能：舌头分割：MobileUNet精准提取舌头区域舌象5维分类：裂纹齿痕检测（3类）舌形胖瘦检测（3类）舌质颜色检测（3类：淡白、淡红、青紫）舌苔颜色检测（4类：灰黑、白、薄白、黄）舌苔质地检测（3类：剥苔、厚腻苔、薄苔）面色检测：MediaPipe FaceMesh + LAB色彩分析（6类）中医辨证：12种证型判断 + 风险等级评估数据管理：历史记录存储 + 季度报表Excel导出 API接口：接口方法说明 /api/test POST 舌诊面诊分析（含自动评估） /api/quarterly-report GET 季度报表导出模块二：智能对话服务核心功能：智能对话：百度千帆Agent自然语言交互语音识别：Faster-Whisper语音转文字上下文记忆：支持多轮对话 API接口：接口方法说明 /chat POST 智能对话 /reset POST 重置对话上下文 /asr POST 语音识别 / GET 网页测试界面模块三：大模型评估服务核心功能：辨证质量评估：四维度评分（特征准确性、理论符合度、逻辑连贯性、格式规范性）正确性判断：自动判断辨证是否正确，给出正确证型建议改进建议：针对问题提供具体优化建议 API接口：接口方法说明 /evaluate-diagnosis POST 详细评估（含分析过程） /quick-evaluate POST 快速评估（仅分数+理由） /health GET 健康检查

2026-05-12

基于幻尔 K210 视觉模块 + STM32F103 主控双机串口联动，实现的多功能智能汽车车灯控制系统（源码+教程）

功能特性旋转编码器控制左右转向灯光敏电阻自动检测环境光，智能切换远近光灯按键手动控制车灯开关与功能锁定蓝牙串口无线远程控制 K210 视觉识别联动自动控灯 OLED 实时显示编码器数值、光照强度、车灯状态光敏传感器异常检测 + 蜂鸣器报警软件架构本项目采用模块化编程，所有驱动独立封装：主控：STM32F10x 主逻辑循环外设驱动：LED、按键、蜂鸣器、编码器、光敏传感器、OLED 通信模块：USART1（蓝牙控制）、USART2（K210 视觉通信）控制逻辑：自动光控、转向灯、异常检测、指令解析硬件清单主控：STM32F103 单片机视觉模块：幻尔 K210 外设：OLED 显示屏、旋转编码器、光敏电阻、按键、LED灯、蜂鸣器通信：双串口 UART 通信供电：需要购入电源模块引出3.3v和5v接入模块左上角标注的对应引脚中安装教程按照原理图完成硬件接线，连接 STM32、K210、OLED、传感器及车灯模块搭建 Keil MDK 开发环境，配置 STM32F10x 固件库搭建CanMV IDE K210 开发环境使用编程器将程序烧录至 STM32，K210 单独烧录视觉识别固件上电后，OLED 屏正常显示，k210显示"Press K1 to start" 即启动成功使用说明转向灯：旋转编码器，数值≥3 左转向灯亮，≤-3 右转向灯亮，居中关闭手动控灯：按键独立控制远近光灯开关，支持功能锁定蓝牙控制：手机蓝牙连接串口，发送指令远程操控车灯自动模式：光敏电阻实时检测环境亮度，自动切换远近光视觉联动：K210 识别环境，通过串口指令自动控制车灯状态查看：OLED 实时显示编码器数值、光照强度、工作状态异常报警：传感器故障时，蜂鸣器自动提醒

2026-05-11

基于机器视觉开发的自动泊车系统设计（源码）

2026-05-08

基于Python+YOLO11深度学习开发的农作物病害智能检测与诊断微信小程序（源码+教程）

基于Python+YOLO11 深度学习开发的农作物病害智能检测与诊断微信小程序。（源码+教程）智慧农诊是一个面向农业场景的智能诊断平台，核心能力是通过 YOLOv11 深度学习模型对农作物图片进行实时病害检测，并结合 DeepSeek 大语言模型、二十四节气天文算法、实时天气数据，生成专业级的农业病虫害分析与防治建议。核心功能 1. AI 影像诊断支持在线/离线三种推理模式自动降级： FastAPI /predict（best.pt YOLO + SAM 语义分割） /vision/detect（知识库驱动分类 + 防治建议）本地 ONNX 推理（wx.createInferenceSession，9种番茄病害）可调节置信度阈值（conf_threshold 参数）画像级病害区域标注 2. AI 深度分析（DeepSeek 集成）基于 YOLO 检测结果 + 二十四节气（VSOP87 天文算法）+ 实时天气 SSE 流式输出专业分析报告（综合诊断、节气关联、风险预测、用药指导） 3. 病虫预警动态接入云函数 weatherProxy 获取实时天气结合诊断历史统计生成动态预警等级离线模式下 fallback 到静态数据 4. 病害图鉴左右联动分类布局，支持搜索危险等级标签（高/中/低危） 5. 其他功能 AI 助手（DeepSeek 对话，会话持久化）节气农忙日历附近农资（搜索+筛选+拨号）环境监测（风险仪表盘）诊断历史云端同步

2026-05-06

基于python和rust开发的飞机大战类游戏（源码）

基于python和rust开发的飞机大战类游戏（源码）游戏特色 1920×1080 默认分辨率，自适应屏幕缩放三种难度模式（简单/普通/困难），动态难度调整 Boost 加速系统：Shift 键激活，能量槽消耗/恢复，270° 弧形赛车仪表盘 UI，难度决定容量 13 种 Buff 系统（含 Boost Recovery 天赋），4 类天赋：生命/攻击/防御/辅助母舰存档机制：大型主力舰级母舰，爆炸导弹 AoE 攻击（5 目标），出入港双阶段动画，WASD 操控移动存档完整恢复：玩家位置、生命、Buff 等级与效果全量保存与恢复 8 种敌人移动模式（直线、正弦、锯齿、俯冲、悬停、螺旋、噪声、攻击型），Rust 批量加速 Boss 战：4 阶段全向移动（巡逻/扫屏/悬停/追向），多阶段攻击，登场强制清场 Boss 逃跑计时器：面板式倒计时，颜色随时间渐变（钢蓝→琥珀→红），脉冲闪烁警告受击清弹：玩家被击中触发无敌时自动清除全屏敌方弹幕里程碑奖励系统，定期触发 buff 选择集成 HUD 面板（可折叠），电池式血量指示器全屏模式（FULLSCREEN），冷钢蓝军事 cockpit 视觉主题技术架构核心架构 Scene Pattern: 基于场景的架构，支持场景切换和状态保存 Manager Pattern: 各子系统独立管理器（生成、碰撞、子弹、Boss 等） Observer Pattern: 事件总线用于母舰停靠等跨系统通信技术栈 Python 3.x + Pygame + Pillow Rust (PyO3 0.22 / maturin 1.0) — airwar_core 原生扩展模块

2026-04-28

基于 YOLO11 + FastAPI + Vue3 开发的工业级布料质检平台， AI 视觉检测与智能分析（源码）

2026-04-21

基于K-means分割+Python+OpenCV+Flask开发的微信小程序，机器视觉林木胸径测量系统（源码+教程）

基于K-means分割+Python+OpenCV+Flask开发的微信小程序，机器视觉林木胸径测量系统（源码+教程）传统的林木胸径（DBH）测量需要人工用卷尺或测径器在树干1.3米高度处实地测量，一片林地上百棵树测下来耗时费力，特别是在地形复杂、树木密集的林区更加困难。本项目利用计算机视觉技术，通过手机拍摄树干照片，结合相机标定和图像分割算法自动计算树木胸径，实现非接触式测量。痛点与目的问题：人工测量林木胸径效率低、劳动强度大，在大面积林地清查时成本很高方案：微信小程序拍照 → Python 后端处理图像 → 相机标定获取真实尺度 → K-means 分割树干区域 → 计算胸径效果：用手机拍一张照片即可估算树木胸径，减少实地测量工作量核心功能微信小程序前端：拍照上传树干图片相机标定：棋盘格标定获取相机内参，消除镜头畸变图像分割：K-means 聚类分割树干区域胸径计算：基于标定参数将像素距离转换为真实物理尺寸 Web 可视化：Flask 后端提供结果展示页面使用方法后端启动 cd GraduationProject pip install flask opencv-python numpy python app.py 微信小程序用微信开发者工具打开 TreeMeasure/ 目录

2026-04-20

基于Python深度学习开发的人体动作识别框架，能够有效捕捉人体动作的空间特征和时间动态项目支持多种主流的点云处理模型作为基线对比，并提供完整的训练、测试和可视化流程（源码+教程）

基于Python深度学习开发的人体动作识别框架，能够有效捕捉人体动作的空间特征和时间动态。项目支持多种主流的点云处理模型作为基线对比，并提供完整的训练、测试和可视化流程。（源码+教程）核心特点多模态数据支持：支持毫米波雷达、深度相机等多种传感器产生的点云数据高效架构设计：采用密集连接和注意力机制，在精度和效率之间取得平衡丰富的基线模型：集成 20+ 种主流点云处理模型用于对比完整的实验流程：提供数据预处理、训练、测试、可视化一体化解决方案技术栈深度学习框架：PyTorch 2.5.0 + torchvision 0.20.0 编程语言：Python 3.10 环境管理：Conda 25.3.1 CUDA 版本：11.8 主要依赖： PyTorch 2.5.0 / torchvision 0.20.0 NumPy / SciPy einops（张量操作） thop（模型复杂度分析） lmdb（高效数据存储） matplotlib / seaborn（可视化） PyYAML（配置管理） ONNX 1.17.0（模型导出）功能特性支持的模型类别模型 SleepNet SleepNet (核心模型) Point3D PointNet, PointNet2, PointNext, PointMLP, PointCNN, DGCNN, PointConv, PointVector Point4D MeteorNet, PointLSTM, PSTNet, PSTNet2, P4Transformer, PSTTransformer, SequentialPointNet, Mamba4D Efficient MobileNet, DenseNet, GhostNet, SHViT, SwiftFormer, EfficientViT, EfficientViM

2026-04-15

基于 YOLOv8 开发的深度学习实时鸽子检测系统（数据集+训练好的模型+源码）支持 GUI 界面、图片检测、摄像头实时检测、历史记录和多格式导出

yolo-鸽子/ ├── data.yaml # YOLO 数据集配置文件 ├── classes.txt # 类别名称列表 ├── yolov8n.pt # YOLOv8 Nano 预训练模型 ├── train.py # 模型训练脚本 ├── pigeon_gui.py # PyQt5 GUI 应用 (主程序) ├── webcam_detect.py # Webcam 实时检测脚本 (命令行版) ├── test_model.py # 模型测试脚本 ├── split_dataset.py # 数据集划分脚本 ├── download_pigeons.py # 图片爬虫脚本 ├── images/ # 原始图片 (100张) ├── labels/ # 原始标签 (100个) ├── train/ # 训练集 (80张) │ ├── images/ │ └── labels/ ├── val/ # 验证集 (20张) │ ├── images/ │ └── labels/ ├── test_results/ # 检测结果保存目录 ├── exports/ # 导出文件保存目录 └── runs/train/ # 训练输出目录 └── pigeon_detect/ └── weights/ ├── best.pt # 最佳模型

2026-04-14

基于TF-IDF算法开发的文档查重系统，支持PDF、Word、TXT等多种格式的相似度检测（源码+教程）

功能特点支持PDF、Word和TXT格式文档的查重基于TF-IDF算法的相似度检测支持文件上传和文件路径两种查重模式支持显示相似文档的具体片段对比技术架构后端：FastAPI + Scikit-learn + Jieba 数据处理：TF-IDF向量模型文本提取：PyPDF2、python-docx、jieba分词算法详解 1. 文本预处理系统首先对文档进行文本提取和预处理： PDF、Word、TXT文档内容提取中文分词处理（使用jieba）停用词过滤（移除虚词、标点符号等无意义词汇）长度过滤（移除长度≤1的字符） 2. 特征向量化使用TF-IDF算法将文档转换为向量表示训练统一的向量器（TfidfVectorizer）确保所有文档在相同特征空间 TF-IDF计算公式：TF-IDF(t,d) = TF(t,d) × IDF(t) TF(t,d)：词项t在文档d中的词频 IDF(t)：词项t的逆文档频率 IDF(t) = log(总文档数 / 包含词项t的文档数) 3. 分块缓存机制按文库目录结构实现单文档缓存每个可读文档生成一个独立的缓存文件，命名格式为："一级子目录名_文件名_cache.pkl" 查重时逐一比对所有文档缓存文件，解决大规模文库中TF-IDF相似度稀释问题使用统一的TF-IDF向量器确保向量空间一致性忽略名为history的文件夹（不区分大小写）遵循"文库目录扫描与分块缓存规范"：仅扫描一级子目录内的文件忽略根目录下的文件忽略二级及更深层级的子目录 4. 相似度计算使用余弦相似度计算文档间的相似度余弦相似度公式：cos(θ) = (A·B)/(|A||B|) 基础检测阈值：0.05 对相似度≥0.3的文档提取具体相似文本片段 5. 片段匹配对相似度≥0.3的文档进行片段提取使用滑动窗口算法提取相似文本片段

2026-04-13

基于YOLO11开发的多模态实时火焰检测系统，支持视觉、毫米波雷达和热成像三种模态融合，通过RTSP视频流检测火焰，并计算精确位置信息通过SPI发送给驱动控制板（源码+教程）

基于YOLO11开发的多模态实时火焰检测系统，支持视觉、毫米波雷达和热成像三种模态融合，通过RTSP视频流检测火焰，并计算精确位置信息通过SPI发送给驱动控制板。（源码+教程）功能实时RTSP视频流读取和火焰检测毫米波雷达距离和角度测量热成像热点检测和温度分析三模态数据融合算法精确位置计算 (角度和距离) SPI通信封装数据发送文件结构 main.py: 主程序 config.py: 配置文件 video_capture.py: 视觉视频流读取模块 detection.py: YOLO检测模块 calculation.py: 多模态位置计算和融合模块 spi_communication.py: SPI通信模块 mmwave_radar.py: 毫米波雷达接口模块 thermal_imaging.py: 热成像接口模块 requirements.txt: 依赖列表 model/smokefire_trained_final.pt: YOLO模型权重文件安装依赖 pip install -r requirements.txt 配置编辑 config.py 中的参数： RTSP_URL: 视觉相机视频流地址 THERMAL_RTSP_URL: 热成像相机RTSP地址 MMWave_SERIAL_PORT: 毫米波雷达串口 MODEL_PATH: YOLO模型路径相机参数: FOV、分辨率等 SPI设备: 根据硬件调整多模态权重: 视觉、雷达、热成像权重配置运行 python main.py 多模态融合说明项目支持三种检测模态：视觉模态: 使用YOLO检测火焰位置和置信度毫米波雷达: 提供精确的距离和角度测量热成像: 检测温度异常区域融合算法根据各模态的置信度和权重计算最终位置。

2026-04-10

基于Python深度学习开发的数钢管系统，数据标注和训练已经集成到软件中（源码）

2026-04-09

基于海康彩色相机+YOLO开发的实时检测系统（源码）

基于海康彩色相机+YOLO开发的实时检测系统（源码）功能：拍照、录像（含倒计时录像）、实时检测，支持实时曝光调节，默认检测关闭，支持自定义保存路径所有设置项（曝光、路径、检测开关）已移至“设置”菜单下的对话框中 SDK路径可通过“设置”菜单自定义（需重启）

2026-04-08

基于深度学习多模态融合技术开发的直播间恶意评论与消费风险防控（源码+教程）

功能特点核心功能文本风险识别：分析直播话术，识别风险内容语音风险识别：分析直播音频，识别风险内容多模态融合分析：结合文本和语音进行综合风险评估冲动消费预警：监测用户购物行为，预防冲动消费管理后台：系统管理、用户管理、模型管理等功能技术特点多模态融合：结合BERT文本模型和2D-CNN语音模型，通过注意力机制实现跨模态特征融合实时分析：快速响应的风险识别，支持实时直播场景智能预警：基于用户行为的智能冲动消费预警可视化界面：直观的用户界面，易于操作和理解技术栈前端 React 18 Vite Axios CSS3 后端 Express.js Node.js SQLite 模型 BERT (文本分类) 2D-CNN (语音特征提取) 跨模态注意力融合

2026-04-07

基于yolov5+ros无人小车开发的无人小车目标跟随系统（源码+教程）

启动启动顺序 1、程序b最后启动 2、程序d启动完成在启动程序c 3、推荐顺序：<d,c,a,b> 程序a 程序a是项目中的yolo_5目录，我是基于原生的yolo5进行了改装，这个可以运行在pc上，也可以运行在小车上， 1、安装yolo环境下载完成后先看里面的README装好环境，测试命令python yolo_5.py，程序运行会把input里的文件处理后放入output中，如果output里有图片生成，那么环境就装好了 2、主文件跟随项目的启动文件为handle_request_main.py，里面需要进行一定的配置，主要是本机IP和小车IP，如果都运行在小车上，那设置成一样 frame_size要和程序b发送过来的图片尺寸一致里面目标跟随逻辑写的是比较简单的，可以去看一看 3、启动运行程序a python handle_request_main.py 这会启动server和client，等待程序b 程序b 程序b和c都在小车上，我都放在了rokin文件夹，需要把这个文件夹下载到小车上运行程序b 程序b位于rokin/py3/main.py 比较简单，用python3直接运行就可以了，是单独的一个文件 python main.py 程序c 程序c位于rokin/scripts/turtlebot_teleop_key.py，这是项目里的一个文件，不能单独运行，且名字不能变，如果你精通ros，改了名字在对应配置项里也改掉，让程序运行起来即可编译项目整个rokin文件夹要放到ros项目文件夹下的src目录下，这是一个完整的ros项目，不清楚的可以先去了解ros的架构然后catkin_make编译这个项目（或者是别的编译命令）

2026-04-03

基于PYTHON开发的AD采集数据波形显示（源码）

2026-04-02

基于YOLO11+BotSort开发的鱼类行为分析与异常检测系统（源码+教程）

项目简介本项目是一个智能化的鱼类行为监测系统，集成了： YOLOv11：高精度鱼类检测 BotSort：多目标追踪算法异常行为检测：基于 IoU 的运动状态分析实时视频处理：摄像头实时监测与视频文件分析可视化界面：直观的数据展示与图表分析主要功能 1. 视频上传模块支持上传视频文件进行离线分析实时显示处理进度和结果鱼类统计与异常行为可视化 2. 摄像头监测模块支持多摄像头选择实时视频流处理实时异常检测与告警 3. 配置管理模块鱼种标签映射配置检测参数调优阈值设置管理技术栈前端 Vue 3 + Vite Vue Router ECharts (数据可视化) Bootstrap 5 后端 Spring Boot 2.7.14 OpenCV 4.7.0 JavaCV Python (视频处理) 算法 YOLO11 (目标检测) BotSort (多目标追踪) 自定义异常检测算法

2026-03-31

基于Java和python开发的图片仿色系统（源码）

一个基于Web的图像色调提取与风格迁移系统，支持从参考图像中提取色调特征并应用到目标图像。功能特性用户认证: 注册、登录、JWT令牌认证图像管理: 图像上传、存储、删除色彩特征提取: 自动提取图像的主色调、色彩空间分析、色相/饱和度/亮度统计色调迁移: 将参考图像的色调应用到目标图像，支持多种处理模式任务管理: 处理任务创建、状态追踪、历史记录分享功能: 生成分享链接，支持密码保护和有效期设置技术栈后端 Java 17 + Spring Boot 3 MyBatis-Plus (数据库ORM) MySQL 8.0 (数据库) Redis (缓存) 阿里云OSS (对象存储) JWT (身份认证) 前端 Vue 3 + TypeScript Element Plus (UI组件库) Vite (构建工具) Axios (HTTP请求)

2026-03-30

基于FastAPI + YOLO11的RTSP流实时目标检测系统，支持多路并发流处理和多格式视频输出（源码+教程）

基于FastAPI + YOLO11的RTSP流实时目标检测系统，支持多路并发流处理和多格式视频输出。核心特性 RTSP流管理: 支持最多10路并发RTSP流处理，带分页浏览实时目标检测: 基于YOLO11的高性能实时检测多格式输出: MJPEG流（<100ms延迟）、WS-FLV流（0.5-2s延迟）多窗口播放器: 1/4/9窗口布局，支持每窗口独立流格式切换文件管理: 上传图片/视频文件，批量检测，进度跟踪检测记录: 自动保存检测结果图片和元数据，支持批量删除现代Web界面: 单页应用设计，实时数据刷新，响应式布局容器化部署: 完整Docker支持，快速构建 REST API: 完整的RESTful API接口前置要求 Docker部署（推荐） Docker 20.10+ Docker Compose 1.29+ 至少4GB内存 YOLO11模型文件（yolo11n.pt）本地开发 Python 3.11+ FFmpeg（用于WS-FLV） YOLO11模型文件

2026-03-27

基于Python开发的式3D可视化项目，手势控制3D网络球体，结合了MediaPipe手势识别和OpenGL/Pygame 3D渲染技术，创建了一个由用户手势控制的动态3D网络球体系统（源码+教程）

文件结构项目包含三个主要文件，各自负责不同的功能： hands.py：基础手势识别演示使用MediaPipe识别手部21个关键点可视化手部骨架和关键点显示左右手区分和深度信息适合初学者了解手势识别的基本原理 main.py：绘画功能演示基于hands.py拓展的手势绘画功能使用食指指尖轨迹绘制星形图案握拳手势可擦除画布增强的手势识别算法和可视化效果 control_sphere.py：完整的3D球体控制系统结合手势识别和3D渲染技术实现了旋转、缩放、锁定等高级交互功能多线程处理确保渲染和识别流畅运行提供了完整的用户界面和反馈系统功能特点实时手势识别：使用MediaPipe识别四种关键手势手掌张开：控制旋转和缩放 OK手势（拇指和食指形成圈）：锁定当前缩放比例握拳：解除锁定或重置视角食指指向：预留的特殊功能接口交互式3D可视化：多彩小球在3D空间内运动和碰撞小球之间形成动态连接线基于物理的碰撞检测与反弹效果脉动灯光效果增强视觉体验实时摄像头反馈：在界面一角显示摄像头画面可视化手势识别结果 FPS计数器和缩放指示器环境要求 Python 3.7+ 带摄像头的计算机良好的照明条件（手势识别效果更佳）使用说明手势控制手掌张开：左右移动：水平旋转3D球体上下移动：垂直旋转3D球体靠近/远离摄像头：缩小/放大视图 OK手势：保持1秒：锁定当前缩放比例白色圆圈标记会出现在进度条上，表示已锁定握拳：未锁定状态下：重置到默认视角锁定状态下持续2秒：解除缩放锁定食指指向：预留功能，暂未实现键盘控制 ESC键：退出程序空格键：切换自动旋转模式 V键：循环切换预设视角

2026-03-25

基于 Python+OpenCV+FFmpeg开发的可见光文件传输实验工程，利用可见光传输信息，包含编码器（发送端）与解码器（接收端）

方案概述灰度大块差分编码（左亮右暗=1，左暗右亮=0） 3 个标准定位点 + 1 个自定义定位点，支持透视矫正与方向识别帧内亮度参考块（黑/灰/白）用于动态阈值分组传输：块级 CRC + Reed-Solomon 外层纠删码 UEP：前 20% 数据使用更强纠错参数保守三态判决：低置信度位标记为无效，优先避免漏检错误

2026-03-24

基于unity+C#开发的人工智能的生存游戏（源码）

2026-03-23

基于深度学习开发的智能商品识别系统，通过PyTorch深度学习框架开发，并使用Flask提供Web界面，为用户提供简单直观的交互体验，集成了图像相似性搜索、图像去噪和商品分类三大核心功能（源码+教程）

基于深度学习开发的智能商品识别系统，通过PyTorch深度学习框架开发，并使用Flask提供Web界面，为用户提供简单直观的交互体验，集成了图像相似性搜索、图像去噪和商品分类三大核心功能（源码+教程）软件架构 1.2核心功能图像去噪处理：对上传的图像添加随机噪声，并展示去噪前后的对比效果。商品分类识别：分析上传图像中的商品，自动识别其所属类别。商品相似度搜索：通过上传图像，系统能够在数据库中找出视觉上最相似的5个商品。 1.3应用场景该系统适用于电子商务平台、零售业智能化和图像搜索服务等多种场景，可以帮助用户提高图像质量、自动分类并快速检索相似商品。 1.4项目结构项目由四个主要模块组成：图像去噪模块（image_denoising）商品类别判定模块（image_classification）相似商品检索模块（image_similiarity） Web模块，实现前后端逻辑。 1.4.1图像去噪模块（image_denoising）该模块负责训练基于自编码器架构的去噪模型通过学习图像特征重建无噪声图像实现去噪功能 1.4.2图像分类模块（image_classification）该模块负责训练基于CNN的商品分类模型，能够识别五类商品基于预标注的数据提取图像特征，发掘图像和分类之间的潜在关联，实现商品分类 1.4.3相似图片检索模块（image_similarity）该模块负责训练基于自编码器架构的编解码器通过自编码器提取图像的特征，将自编码器输出的高维向量作为图像特征，存储后作为向量数据库基于KNN算法提取最近的特征向量，然后通过解码器获取近似图像 1.4.4Web模块实现了基于Flask的Web后端程序提供了简洁的前端页面允许用户上传图像并查看处理结果支持三种核心功能的交互式演示

2026-03-20

基于 Python + Pygame 开发的星球大战飞机射击游戏，含 Boss 关卡、粒子爆炸特效（源码）

2026-03-19

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

基于 QT + OpenCV开发的机器视觉光度立体缺陷检测系统，实现多光源图像采集与处理 - 实现光度立体算法，通过4张不同角度光源图像重建表面高度图，前后端分离的软件架构（源码）

【通用视觉框架】基于WPF+OpencvSharp+C#开发的仿Visionmaster的拖拉拽通用视觉框架软件，全套源码，开箱即用

【深度学习通用框架】基于Halcon+Qt开发的仿康耐视VIDI的通用深度学习框架软件，全套源码，开箱即用

【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

【AOI基板外观缺陷检测软件】基于Halcon+C#开发的AOI基板外观缺陷检测软件，全套源码，开箱即用

基于RK3588+AI视觉开发的远程陪伴机器狗，12自由度，源码

基于Web开发的俄罗斯方块游戏，采用前后端分离架构，提供核心的游戏体验以及在线排行榜功能，同时探索不同技术栈（Python/Flask 和 C++/Crow）在后端实现上的差异（源码）

【通用视觉框架】基于Qt+Halcon开发的仿Visionmaster的通用视觉框架软件，全套源码，开箱即用

基于Python开发的学生资助系统，实现学生消费模拟数据生成、数据清洗、可视化分析、Kmeans/规则模型构建、学生困难画像与资助方案生成，数据集包含121条学生样本，自带缺失与异常值（源码）

基于Python + FastAPI + Vue 3 开发的在线字典系统（源码）

基于 Python + Vue3 开发的在线投票系统，实现线上发布投票、用户参与投票、结果实时统计等核心功能，界面简洁易用，满足日常评选、意见征集等使用需求

基于深度学习开发的辅助漫画翻译工具，支持一键机翻和简单的图像/文本编辑（源码+文档）

跨境电商工具，视频翻译软件

基于 Python FastAPI 和 Vue3 开发的现代化博客系统，采用前后端分离架构（源码+教程）

基于YOLO深度学习开发的幼儿洗手教学装置，通过视觉识别、语音提示和灯光互动，帮助孩子掌握正确的七步洗手法 （源码+教程）

基于 Python开发的严谨体素风格（Voxel）2D 竞技动作游戏，支持 Windows 与 Linux （源码+教程）

基于Python深度学习开发的中医舌诊面诊智能分析系统，集成舌象分析、面色检测、中医辨证、智能对话和大模型评估功能，为基层医疗和健康管理提供AI辅助诊断服务 （源码+教程）

基于幻尔 K210 视觉模块 + STM32F103 主控双机串口联动，实现的多功能智能汽车车灯控制系统（源码+教程）

基于机器视觉开发的自动泊车系统设计（源码）

基于Python+YOLO11深度学习开发的农作物病害智能检测与诊断微信小程序 （源码+教程）

基于python和rust开发的飞机大战类游戏（源码）

基于 YOLO11 + FastAPI + Vue3 开发的工业级布料质检平台， AI 视觉检测与智能分析（源码）

基于K-means分割+Python+OpenCV+Flask开发的微信小程序，机器视觉林木胸径测量系统（源码+教程）

基于Python深度学习开发的人体动作识别框架，能够有效捕捉人体动作的空间特征和时间动态 项目支持多种主流的点云处理模型作为基线对比，并提供完整的训练、测试和可视化流程 （源码+教程）

基于 YOLOv8 开发的深度学习实时鸽子检测系统（数据集+训练好的模型+源码）支持 GUI 界面、图片检测、摄像头实时检测、历史记录和多格式导出

基于TF-IDF算法开发的文档查重系统，支持PDF、Word、TXT等多种格式的相似度检测 （源码+教程）

基于YOLO11开发的多模态实时火焰检测系统，支持视觉、毫米波雷达和热成像三种模态融合，通过RTSP视频流检测火焰，并计算精确位置信息通过SPI发送给驱动控制板 （源码+教程）

基于Python深度学习开发的数钢管系统，数据标注和训练已经集成到软件中（源码）

基于海康彩色相机+YOLO开发的实时检测系统（源码）

基于深度学习多模态融合技术开发的直播间恶意评论与消费风险防控（源码+教程）

基于yolov5+ros无人小车开发的无人小车目标跟随系统（源码+教程）

基于PYTHON开发的AD采集数据波形显示（源码）

基于YOLO11+BotSort开发的鱼类行为分析与异常检测系统（源码+教程）

基于Java和python开发的图片仿色系统（源码）

基于FastAPI + YOLO11的RTSP流实时目标检测系统，支持多路并发流处理和多格式视频输出（源码+教程）

基于Python开发的式3D可视化项目，手势控制3D网络球体，结合了MediaPipe手势识别和OpenGL/Pygame 3D渲染技术，创建了一个由用户手势控制的动态3D网络球体系统 （源码+教程）

基于 Python+OpenCV+FFmpeg开发的可见光文件传输实验工程，利用可见光传输信息，包含编码器（发送端）与解码器（接收端）

基于unity+C#开发的人工智能的生存游戏（源码）

基于深度学习开发的智能商品识别系统，通过PyTorch深度学习框架开发，并使用Flask提供Web界面，为用户提供简单直观的交互体验，集成了图像相似性搜索、图像去噪和商品分类三大核心功能（源码+教程）

基于 Python + Pygame 开发的星球大战飞机射击游戏，含 Boss 关卡、粒子爆炸特效（源码）

3D相机+6轴机械手的标定和引导抓取

基于YOLO深度学习开发的幼儿洗手教学装置，通过视觉识别、语音提示和灯光互动，帮助孩子掌握正确的七步洗手法（源码+教程）

基于Python深度学习开发的中医舌诊面诊智能分析系统，集成舌象分析、面色检测、中医辨证、智能对话和大模型评估功能，为基层医疗和健康管理提供AI辅助诊断服务（源码+教程）

基于Python+YOLO11深度学习开发的农作物病害智能检测与诊断微信小程序（源码+教程）

基于Python深度学习开发的人体动作识别框架，能够有效捕捉人体动作的空间特征和时间动态项目支持多种主流的点云处理模型作为基线对比，并提供完整的训练、测试和可视化流程（源码+教程）

基于TF-IDF算法开发的文档查重系统，支持PDF、Word、TXT等多种格式的相似度检测（源码+教程）

基于YOLO11开发的多模态实时火焰检测系统，支持视觉、毫米波雷达和热成像三种模态融合，通过RTSP视频流检测火焰，并计算精确位置信息通过SPI发送给驱动控制板（源码+教程）

基于Python开发的式3D可视化项目，手势控制3D网络球体，结合了MediaPipe手势识别和OpenGL/Pygame 3D渲染技术，创建了一个由用户手势控制的动态3D网络球体系统（源码+教程）