学生课堂行为智能检测系统 | 课堂行为检测 YOLOv13 DeepSeek 智慧教育行为识别 9178期

Deepseek融合YOLO学生课堂行为智能检测系统 | 课堂行为检测 YOLOv13 DeepSeek 智慧教育行为识别 9178期

系统概述

本系统基于 YOLOv13 深度学习模型 ，融合 DeepSeek、Qwen 大语言模型 与 Pytorch、Flask、SpringBoot、Vue3、MySQL 等技术，构建了一套支持图片、视频、摄像头 三种检测方式的课堂行为智能分析平台。系统可识别多种课堂行为，支持批量检测、AI 分析与 PDF 报告导出，适配智慧教育、教学评估及课堂管理场景。

系统核心信息

项目	详细说明
检测类别	共 6 类：`写字`、`听讲`、`看书`、`转头`、`站立`、`小组讨论`
核心技术	YOLOv13 + DeepSeek/Qwen + Pytorch + Flask + SpringBoot + Vue3
检测模式	图片检测、视频检测、摄像头实时检测、批量检测
系统架构	前后端分离（Vue3 + SpringBoot + Flask + MySQL）
应用价值	1. 智慧教育：支撑课堂行为的自动识别与统计，辅助教学评估。 2. 教学管理：为教师提供课堂参与度、专注度等量化数据。 3. AI 分析：结合大语言模型生成课堂分析报告与教学建议。 4. 算法研发：为行为识别、多类别目标检测等视觉任务提供完整系统框架。

技术栈

层次	技术选型
前端	Vue3、Element-Plus、TypeScript
后端	SpringBoot、MyBatis-Plus、Flask
深度学习	YOLOv13、Pytorch
数据库	MySQL
视频处理	FFmpeg
AI 分析	DeepSeek、Qwen

系统功能

1. 多模态检测支持

图片检测：单张图片上传识别
视频检测：上传视频，逐帧分析并输出标注视频
摄像头实时检测：连接摄像头，实时输出检测结果
批量检测：支持多文件批量上传与处理

2. 课堂行为识别

可识别写字、听讲、看书、转头、站立、小组讨论等行为
支持行为统计与分布分析

3. AI 智能分析

结合 DeepSeek、Qwen 等大模型进行 AI 分析
提供课堂表现分析与教学建议
检测结果可导出 PDF

4. 用户管理

支持分用户管理
检测记录按用户隔离

5. 界面个性化

界面简洁美观
支持主题颜色、布局和组件大小的个性化定制

快速开始（代码示例）

1. 数据集配置文件 (data.yaml)

yaml 复制代码

train: ./dataset/images/train
val: ./dataset/images/val
nc: 6
names: ['writing', 'listening', 'reading', 'turning_head', 'standing', 'group_discussion']

2. YOLOv13 训练代码

python 复制代码

from ultralytics import YOLO

model = YOLO('yolov13n.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 复制代码

from flask import Flask, request, jsonify
from ultralytics import YOLO
import cv2
import numpy as np

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 生成课堂分析建议
    ai_suggestion = analyze_with_llm(detections)
    return jsonify({'detections': detections, 'suggestion': ai_suggestion})

if __name__ == '__main__':
    app.run(host='0.0.0.0', port=5000)

4. Vue3 前端检测页面

vue 复制代码

<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="行为类别" />
        <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>

学生课堂行为智能检测系统 | 课堂行为检测 YOLOv13 DeepSeek 智慧教育 行为识别 9178期

Deepseek融合YOLO学生课堂行为智能检测系统 | 课堂行为检测 YOLOv13 DeepSeek 智慧教育 行为识别 9178期