基于「YOLO目标检测 + 多模态AI分析」的宠物猫狗健康智能检测分析预警系统

一、项目演示视频

核心创新点

目标精准检测: 支持宠物猫狗目标的智能识别和定位
多模态检测方式: 支持图片、视频、实时摄像头三种检测模式
YOLO模型集成: 集成YOLOv8/YOLO11/YOLO12/YOLO26等先进目标检测模型
智能预警分析: 基于AI的宠物猫狗健康检测自动识别、定位与预警
分层权限管理: 支持管理员和普通用户的差异化功能访问
完整工作流程: 从数据集管理到模型管理再到检测分析预警的完整闭环
多模态大模型辅助分析: 使用通义千问VL多模态大模型提供三大场景的AI分析能力：
- 图片检测中对宠物状态进行结果评估（健康/危险/行为异常等结论）+详细健康分析+养护建议生成，支持用户填写补充信息引导分析；
- 视频检测完成后对关键帧手动触发AI诊断（发现异常/未见异常）；
- 实时检测中对YOLO检测到的目标进行实时异常诊断
模型评估系统: 支持上传YOLO格式标签与模型预测对比，自动计算Precision、Recall、mAP50等精度指标，生成GT框与预测框的可视化对比图，支持用户评分和评语
实时预警系统: 支持严重程度分级(可忽略/轻微/中等/严重/紧急)、AI异常诊断(发现异常记录+报警/未见异常仅记录/未开启诊断不记录)、处理状态管理

核心功能模块

用户管理: 支持用户注册、登录、权限管理、个人信息管理等功能
数据集管理: 支持上传ZIP格式YOLO数据集，自动验证数据集结构和完整性
模型管理: 支持创建模型、上传权重、训练过程图片/文件管理、模型发布等
图片检测: 上传图片进行猫狗检测，支持CLAHE图像增强、AI健康分析（结果评估+详细分析，支持用户补充信息）、健康养护建议生成、导出Word报告
视频检测: 上传视频进行逐帧检测，支持帧率采样、异步处理、进度查询、关键帧截图保存、对关键帧手动触发AI诊断（发现异常/未见异常）
实时检测: 使用电脑摄像头进行实时检测，会话级智能去重、AI异常诊断（发现异常记录+报警/未见异常仅记录/未开启诊断不记录）、严重程度五级分级(可忽略/轻微/中等/严重/紧急)、处理状态管理(未处理/已处理)、实时通知预警、多维度筛选(用户/严重程度/诊断结果/处理状态)
模型评估: 上传图片和标签文件评估模型性能，支持精度指标计算、可视化对比、用户评分筛选

应用场景

链接: https://pan.baidu.com/s/1f_ZKLn7GJBTkclPPhwVRxg?pwd=grqn 提取码: grqn

完整系统源码
(1)前端源码(web-vue)
(2)后端+算法端源码(web-flask)
(3)模型训练代码(other/model_train/detect)
项目介绍文档
(1)项目概述
(2)项目技术栈
(3)项目目录结构
(4)系统架构图、功能模块图
(5)数据库开发文档
项目启动教程
(1)环境安装教程(视频+文档)
(2)系统启动教程(视频+文档)
宠物猫狗检测数据集
(1)总样本数：8035张宠物图片
(2)训练集：5629张图片 (用于模型训练)
(3)验证集：1605张图片 (用于模型验证和性能调优)
(4)测试集：801张图片 (用于模型最终性能评估)
(5)检测类别: 2类猫狗检测
0: cat - 猫
1: dog - 狗
已经训练好的模型权重，整体精度如下（测试集801张图，961个目标实例）：
(1)precision (精确率): 0.856
(2)recall (召回率): 0.770
(3)mAP50 (IoU阈值0.5时的平均精度): 0.832
(4)mAP50-95 (IoU阈值0.5-0.95的平均精度): 0.651