人工智能合集专栏

随着嵌入式系统与物联网技术的发展，传统的导盲工具正在被赋予更多智能能力：感知周围环境、检测危险、提供语音提示，甚至与手机联动。本文将带你深入解析一款基于 STM32 的智能导盲拐杖的完整设计方案

为了在考试、教育监考等场景中实现自动化监督与作弊行为识别，我们整理并构建了一个轻量易用的作弊行为检测数据集。该数据集包含真实考试视觉特征，可高效支持 YOLO、Faster R-CNN 等主流目标检测

基于YOLOv8的水稻病害检测项目｜完整源码数据集+PyQt5界面+完整训练流程+开箱即用！ 本项目提供 完整可运行源码 + 完整数据集(已标注) + 训练脚本 + PyQt5 可视化图形界面 + 推

随着人工智能和计算机视觉技术的不断发展，目标检测任务在多个领域中都得到了广泛的应用。尤其是在农业和生态研究领域，自动化目标检测技术逐渐成为提高生产效率、保障生态环境的重要工具。蜜蜂作为生态系统中的关键

番茄叶片病害检测数据集（千张图片已划分）| AI训练适用于目标检测任务 概述 在农业领域，植物病害检测是确保作物健康和提高农业生产效率的关键任务之一。随着计算机视觉技术的快速发展，基于深度学习的目标检

基于YOLOv8的可回收瓶类垃圾快速识别与自动化分拣｜完整源码数据集+PyQt5界面+完整训练流程+开箱即用！ 源码包含：完整YOLOv8训练代码+数据集(带标注)+权重文件+直接可允许检测的yolo

随着智能农业的发展，自动化行为识别在畜牧管理中发挥着越来越重要的作用。传统人工观察效率低，难以覆盖大规模养殖场。而通过 YOLOv8 目标检测模型 配合 PyQt5 界面工具，可以实现实时

本项目基于 YOLOv8 深度学习目标检测模型，结合 PyQt5 图形界面，实现了一个完整的焊接表面缺陷检测系统。通过实际演示可以看出，该系统能够对单张图片、批量图片、视频以及实时摄像头流进行高精度检

在现代工业制造体系中，焊接质量作为产品可靠性的重要指标之一，直接影响结构件的力学性能、安全性和使用寿命。然而传统的焊缝质量检测往往依赖人工经验式检验，不仅检测效率低，而且难以在不同作业场景

本项目基于 YOLOv8 模型构建了一个 可直接落地使用的番茄叶片病害智能识别系统。通过对大规模番茄病害图像进行标注与训练，系统能够精准识别包括细菌、真菌、病毒等在内的多种典型叶片病害类型

本项目面向 实验室安全监控场景，通过深度学习视觉识别技术实现对人员行为及实验设备状态的实时检测管理。系统采用 YOLOv8 深度目标检测模型，对实验器材等多类对象进行精准识别

水稻病害检测数据集（7000 张图片已划分）| AI 训练适用于目标检测任务 在农业智能化快速发展的今天，利用深度学习技术实现作物病害的自动识别与监控，已经成为智慧农业的重要研究方向。为了支持相关算法

在现代城市安全管理与工地监控场景中，“违规攀爬”与“翻越围栏”等行为的实时检测，是视频智能分析系统中的关键功能之一。为了提升这类行为识别算法的鲁棒性与泛化能力，本文将介绍一个 翻墙、攀爬、违规行为检测

茶叶的病害与健康状态图像数据集（10,000 张图片已划分）| AI训练适用于目标检测任务 一、背景 茶叶（Camellia sinensis）作为世界三大饮品之一的原料植物，其产业规模巨大、经济价值

面向智慧牧场的牛行为识别数据集（5000张图片已划分、已标注） | AI训练适用于目标检测任务 背景 在现代智慧农业（Smart Agriculture）中，牲畜行为识别是提高养殖效率与动物健康监测的

用于实验室智能识别的目标检测数据集（2500张图片已划分、已标注） | AI训练适用于目标检测任务 背景 在智能实验室与科研自动化的背景下，实验室设备的智能识别与管理成为实验室信息化建设的重要环节。传

在工业生产、交通安全、智慧监控等领域中，“睡岗”行为（即工作人员在岗位上睡觉）可能带来极大的安全隐患。 例如，安防监控中心的操作员、夜班司机或工厂值守人员，如果出现睡岗行为，不仅影响工作效率

随着人工智能和计算机视觉技术的快速发展，人体姿态识别在安防监控、智能健身、医疗康复等领域的重要性日益凸显。准确识别人体的动作状态，不仅能够辅助智能系统做出响应，还能在安全监控和健康管理中发挥关键作用。

随着智慧城市与视频监控系统的广泛应用，人群检测与计数成为计算机视觉领域的重要研究方向之一。为帮助开发者快速上手人群检测模型的训练与评估，我们提供了一套 高质量、可直接用于训练的行人检测数据集

随着工业智能化与安全生产要求的不断提升，粉尘检测逐渐成为环境监测与安全防护领域的重要研究方向。在矿山、工厂、建筑工地等高粉尘场景中，粉尘浓度过高不仅影响生产效率，更会对人体健康和设备安全造成严重威胁。