yolo

、、、、南山小雨、、、、

YOLO在ubuntu22安装YOLOv8 支持 Python 3.7+安装 PyTorch（CPU 版本） YOLOv8 依赖 PyTorch，安装 CPU 版本：

基于「YOLO目标检测 + 多模态AI分析」的铁路轨道缺陷检测安全系统(vue+flask+数据集+模型训练)基于「YOLO目标检测 + 多模态AI分析」的铁路轨道缺陷检测安全系统(vue+flask+数据集+模型训练)

Python图像识别

63_基于深度学习的草莓病害检测识别系统（yolo11、yolov8、yolov5+UI界面+Python项目源码+模型+标注好的数据集）本项目基于 PyQt5 构建了简洁易用的图形用户界面，支持用户选择本地图片或视频进行目标检测。系统界面美观，交互流畅，具备良好的用户体验。

YOLO11目标检测运行推理简约GUI界面YOLO11推理简约GUI界面支持pt和onnx格式模型,并且自动检测设备，选择推理设备选择推理图片所在的文件夹选择推理后的结果保存地址

ubuntu24.04＋5070ti训练yolo模型(2)三、cuda安装sudo apt install nvidia-cuda-toolkit也可通过官网下载cuda和cudnn最新版本手动安装

强盛小灵通专卖员

RK3576边缘计算设备部署YOLOv11计算机人工智sci/ei会议/ccf/核心，擅长机器学习，深度学习，神经网络，语义分割等计算机视觉，精通大小论文润色修改，代码复现，创新点改进等等

chenzhiyuan2018

YOLO + OpenPLC + ARMxy：工业智能化视觉识别、边缘计算、工业控制的“三位一体”解决方案在工业自动化与智能制造的浪潮中，企业迫切需要将视觉识别、边缘计算和工业控制整合到一个高效、稳定的系统中。深圳市钡铼技术有限公司推出的ARMxy 系列工业计算机，搭配 YOLO 目标检测算法与 OpenPLC 开源控制平台，就实现了这一目标，让传统工厂焕发“智慧生命力”。

【CVPR2025-DEIM】基础课程二十：顶会中的Partial创新思想，随意包装你想包装的！Partial思想是近年来CNN、Transformer网络设计中的一个重要趋势，主要通过部分通道处理来降低计算复杂度并保持模型性能。

全流程基于Yolov8实现在Label-Studio实现半自动标注，已经把整个流程理清楚，把所有的坑解决。目录一、label studio 安装启动1、建议是通过 pip 安装，其配置更清晰方便。环境安装完成后在任意位置打开命令行：

YOLOv5实战-GPU版本的pytorch虚拟环境配置虚拟环境可以使各个深度学习框架之间不发生冲突，所以一般是用虚拟环境的（因为我看b站上很多不是教你配虚拟环境的）

Coovally AI模型快速验证

基于YOLO集成模型的无人机多光谱风电部件缺陷检测【导读】本研究提出了一种基于YOLO集成模型与多光谱图像融合的无人机检测方法，通过融合可见光与热红外数据并结合通用YOLOv8模型与专用热成像模型，显著提升了风电部件缺陷的识别精度。

基于「YOLO目标检测 + 多模态AI分析」的PCB缺陷检测分析系统(vue+flask+数据集+模型训练)基于「YOLO目标检测 + 多模态AI分析」的PCB缺陷检测分析系统(vue+flask+数据集+模型训练)

模型部署：（三）安卓端部署Yolov8-v8.2.99目标检测项目全流程记录下载并解压文件拷贝：将ncnn-20240410-android-vulkan解压后的四个文件复制到ncnn-android-yolov8\app\src\main\jni文件夹目录内

工业相机如何通过光度立体成像技术实现高效精准的2.5D缺陷检测工业检测里，有些缺陷藏得特别深——比如烟盒表面0.1mm的压痕、电池防爆阀的细微凸起，普通相机拍 flat 图根本看不出来。这时候，光度立体成像技术就派上用场了：通过多角度打光，让物体表面的凹凸缺陷“显形”，精准还原2.5D特征，比人眼更擅长捕捉那些“摸得着但看不清”的瑕疵。

基于「YOLO目标检测 + 多模态AI分析」的植物病害检测分析系统(vue+flask+数据集+模型训练)基于「YOLO目标检测 + 多模态AI分析」的植物病害检测分析系统(vue+flask+数据集+模型训练)

YOLOv8 mac-intel芯片部署指南YOLOv8 是 Ultralytics 开源的最新目标检测模型，轻量高效，支持分类、检测、分割等多种任务。在 Mac（Intel 芯片）上部署 YOLOv8，我们推荐用 conda 虚拟环境（Python 3.9）来管理依赖，并在 Jupyter / PyCharm 中使用。

深度学习lover

＜数据集＞yolo梨幼果识别数据集＜目标检测＞数据集下载链接https://download.csdn.net/download/qq_53332949/91916034数据集格式：VOC+YOLO格式

工业检测机器视觉为啥非用工业相机？普通相机差在哪？手机拍照能美颜，单反画质能打，但到了工厂流水线，它们全都“不好使”。机器视觉要的不是“拍得好看”，而是“拍得靠谱”——工业相机的能耐，恰恰藏在这些普通相机搞不定的细节里。

机器视觉检测的光源基础知识及光源选型机器视觉里，光源不是“随便照亮”就行——它是给相机“打辅助”的关键，选不对，再牛的算法也难识别缺陷。这篇就拆解光源的核心知识，教你快速找到合适的打光方案。