Deepseek融合yolo的行人车辆多目标检测系统 |行人检测 车辆检测 多目标检测 YOLO DeepSeek9165期
系统概述
本系统基于 YOLO 深度学习模型 ，融合 DeepSeek、Qwen 大语言模型 与 Pytorch、SpringBoot、Flask、Vue3 等技术，构建了一套支持图片、视频、摄像头 三种检测方式的行人车辆多目标检测平台。系统支持 AI 智能分析，可导出 PDF 检测报告，适配智慧交通、安防监控及城市管理场景。
系统核心信息
| 项目 | 详细说明 |
|---|---|
| 检测类别 | 共 2 类：行人、车辆 |
| 核心技术 | YOLO + DeepSeek/Qwen + Pytorch + SpringBoot + Flask + Vue3 |
| 检测模式 | 图片检测、视频检测、摄像头实时检测 |
| 系统架构 | 前后端分离（Vue3 + SpringBoot + Flask + YOLO） |
| 应用价值 | 1. 智慧交通 ：支撑路面行人车辆流量统计与违规行为分析。 2. 安防监控 ：实时监测重点区域的人车动态，辅助安全预警。 3. AI 分析 ：结合大语言模型生成检测报告与治理建议。 4. 算法研发：为多目标检测、多模态融合等视觉任务提供完整系统框架。 |
技术栈
| 层次 | 技术选型 |
|---|---|
| 深度学习 | YOLO、Pytorch |
| 算法服务 | Flask |
| 前端框架 | Vue3 |
| 后端框架 | SpringBoot |
| AI 分析 | DeepSeek、Qwen |
系统功能
1. 多模态检测支持
- 图片检测：支持单张与批量图片上传检测
- 视频检测：上传视频文件，逐帧分析并输出标注视频
- 摄像头实时检测：连接 USB 或网络摄像头，实时输出检测结果
2. AI 智能分析
- 结合 DeepSeek 和 Qwen 进行智能分析
- 提供详细检测建议与治理方案
- 支持导出检测结果为 PDF
3. 检测报告
- 实时检测结果展示
- 详细分析报告生成
- 目标位置、类别、置信度等信息展示
4. 用户交互
- 界面友好，操作直观
- 支持批量检测和单张检测
- 无需命令行操作
交付内容
- 详细系统代码：前端、后端、YOLO 算法、AI 分析模块
- 本地部署教程：环境配置与运行指导
- 实时视频、摄像头、图片检测：支持三种输入方式
- 代码简洁，有注释：便于理解和二次开发
快速开始（代码示例）
1. 数据集配置文件 (data.yaml)
yaml
train: ./dataset/images/train
val: ./dataset/images/val
nc: 2
names: ['person', 'vehicle']2. YOLO 训练代码
python
from ultralytics import YOLO
model = YOLO('yolov8m.pt')
model.train(
data='data.yaml',
epochs=100,
imgsz=640,
batch=16,
device=0
)3. Flask 推理与 AI 分析服务
python
from flask import Flask, request, jsonify
from ultralytics import YOLO
import cv2
import requests
app = Flask(__name__)
model = YOLO('runs/detect/train/weights/best.pt')
@app.route('/detect', methods=['POST'])
def detect():
file = request.files['image']
img = cv2.imdecode(np.frombuffer(file.read(), np.uint8), cv2.IMREAD_COLOR)
results = model(img)
detections = []
for box in results[0].boxes:
detections.append({
'class': model.names[int(box.cls[0])],
'confidence': float(box.conf[0]),
'bbox': box.xyxy[0].tolist()
})
# 调用 DeepSeek/Qwen 生成分析建议
ai_suggestion = analyze_with_llm(detections)
return jsonify({'detections': detections, 'suggestion': ai_suggestion})4. Vue3 前端检测页面
vue
<template>
<div class="detector-container">
<el-upload action="/api/detection/image" :on-success="handleSuccess">
<el-button type="primary">上传图片</el-button>
</el-upload>
<div v-if="resultImage" class="result-area">
<img :src="resultImage" alt="Detection Result" />
<el-table :data="detections" border>
<el-table-column prop="class" label="类别" />
<el-table-column prop="confidence" label="置信度" />
</el-table>
<el-button @click="exportPDF">导出 PDF 报告</el-button>
</div>
</div>
</template>标签
行人检测 车辆检测 多目标检测 YOLO DeepSeek 智慧交通 目标检测 深度学习 计算机视觉