- 博客(8)
- 收藏
- 关注
RSS订阅原创 【机械臂操作系列】从拿刀切割开始：机器人完成真实操作任务需要解决哪些问题？
机械臂完成切割任务需解决工具安装、视觉定位、坐标转换、运动规划与双臂协同等问题。本文以刀具固定安装为起点，探讨如何通过手眼标定实现刀尖精准定位，并构建从视觉感知到动作执行的完整链路，为后续力控与协同操作奠定基础。
2026-09-16 16:47:05
87
原创 基于YOLO26的危险驾驶行为监测系统（Python + PyQt5 + Ultralytics）
本文介绍一个基于 YOLO26n、Ultralytics 和 PyQt5 开发的危险驾驶行为监测系统。系统面向车内驾驶场景，可识别正常驾驶、打电话、说话交谈、喝水、侧身去后座、摸脸摸头、扭头与乘客共七类行为，并提供图片检测、文件夹批量检测、视频检测和摄像头检测四种输入方式。界面能够同步显示检测框、中文类别、置信度、危险等级、目标坐标、累计统计和历史检测记录，还支持将检测图片、标注视频及文本明细保存到本地。
2026-08-28 19:16:18
165
原创 【纽扣电池划痕检测实战：OpenCV黄金模板配准去除刻印干扰 + YOLOv8-Seg】
纽扣电池在定向光照下成像时，原厂 Logo、型号字符与真实划痕都可能呈现为细长的边缘或凹刻响应。直接做阈值分割，或者把原图直接送入分割网络，容易让“正常刻印”和“随机新增划痕”互相混淆。本文介绍一条混合式工程路线：先利用黄金模板、SIFT 特征配准和形态学处理抑制已知结构，再通过绝对差分构造更聚焦的候选图，最后使用 X-AnyLabeling 标注并训练 YOLOv8-Seg。本文只展示项目样例的定性结果，不把个别效果图等同于独立测试集指标。
2026-08-03 21:52:35
362
原创 基于YOLOV11的番茄成熟度检测系统【YOLOV11+数据集+Python项目源码+UI界面】
本文基于YOLOv11模型开发了一套番茄成熟度检测系统，包含8400张标注图像（成熟、腐烂、未成熟三类）。系统采用PyQt5开发可视化界面，集成图片、视频及摄像头检测功能，支持结果保存。环境可通过requirements.txt或environment.yml快速搭建。数据集经过预处理转换为YOLO格式，按8:1:1比例划分为训练集、验证集和测试集，代码实现格式转换和数据集划分功能。系统兼具实时性与高精度，可显著提升番茄采摘效率。
2025-11-08 19:52:37
831
原创 基于YOLOV11的草莓病害检测与分割系统【YOLOV11+目标分割+数据集+UI界面】
基于YOLOv11的草莓病害检测系统开发完成，支持5类常见病害的识别与分割。系统提供可视化检测结果（检测框、掩膜、标签）、病害统计（面积占比、像素坐标）及多种检测模式（单图/批量/视频/摄像头）。采用PyQt5开发，界面简洁易用，配套完整环境配置指南。系统集成分割、检测与统计功能，可帮助农户快速识别草莓病害。详细配置参数与演示效果见原文，支持自定义模型训练与界面调整。
2025-10-24 10:51:55
903
原创 基于YOLOV11的草莓分级采摘应用平台【YOLOV11+数据集+Python项目源码+UI界面】
本文基于YOLOv11模型开发了草莓分级采摘应用平台，使用DaBai DCW深度相机和手机采集约1000张草莓图像，分为成熟果实（大、中、小三级）和未成熟果实（一级）四类。通过labelimg手动标注后，将XML格式转为YOLO所需的TXT格式，并按8:1:1比例划分训练集、验证集和测试集。该平台支持单张/多张图片检测、结果保存功能，主要用于实验室机械臂抓取实验和比赛演示。文中详细展示了软件功能界面、数据集准备流程，并提供了数据格式转换和划分的核心代码实现。
2025-09-02 17:56:20
735
原创 基于YOLOV11的交警指挥手势识别系统【YOLOV11+数据集+Python项目源码+UI界面】
本文基于 YOLOv11 模型开发一种内含八种交警指挥手势的识别系统。系统采用6000多张交警指挥交通图像构建数据集，标注变道、左转弯、左转待转、直行、 靠边停车、右转弯、减速行驶、停车八个lable名，模型检测准确率达 96%。基于 PyQt5 开发可视化界面，集成图片、文件夹、视频及摄像头检测功能，并支持结果保存。系统兼具实时性与高精度，可显著提升自动驾驶及竞赛类项目有关交警指挥手势的识别效率。
2025-06-09 19:48:41
1492
5
原创 基于YOLOV11的安全帽佩戴智能检测系统【YOLOV11+数据集+Python项目源码+UI界面】
本文介绍了一套基于YOLOv11模型的安全帽佩戴智能检测系统。系统采用5000张工业场景图像构建数据集，通过Labelme标注为"佩戴"与"未佩戴"两类标签，准确率达96%。基于PyQt5开发的可视化界面支持图片、视频、摄像头检测及结果保存功能。文章详细展示了系统功能演示、环境搭建步骤，以及模型训练与评估过程，包含数据集准备(VOC转YOLO格式)、8:1:1数据划分等关键代码实现。该系统兼具实时性与高精度，可有效提升工业安全监管效率。
2025-05-21 22:03:40
1120
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