人工智能合集专栏

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。

基于Rokid CXR-M和CXR-S SDK构建简易翻译助手 最近在研究一些AR相关的技术时，偶然接触到了Rokid的智能眼镜。看了它的开发文档后才发现，CXR-M和CXR-S分别负责移动端和眼镜端

一、研究背景 古籍承载着丰富的历史、文化与思想价值，但其数字化与智能化利用始终面临难题。传统的古籍版面复杂多变，存在稀疏文字、跨栏结构、插图混排等特征，这些都给自动化版面分析带来极大挑战。 早期研究多

本项目旨在实现基于YOLOv8模型的多姿态行为识别系统，通过采集并分析站立、摔倒、坐姿、深蹲和跑步五种常见行为，系统能够对这些姿态进行准确识别。项目包含完整的源代码、数据集、训练流程以及PyQt5界面

随着人工智能技术的发展，深度学习在多个领域取得了显著突破。YOLOv8作为当前流行的目标检测模型，在多个实际应用中表现出了强大的检测能力。

随着工业化的快速发展，粉尘污染成为了环境监测和工业安全中必须关注的问题。传统的粉尘检测方法往往依赖人工采样和实验室分析，周期长、成本高。

本项目基于 YOLOv8目标检测算法，结合标注数据集和深度学习技术，实现 茶叶病虫害的自动识别与分类，并且配备了 PyQt5可视化界面，方便科研人员和茶农直接使用。

在现代养殖业中，如何高效、准确地监测猪的生活行为，是提升生产效率与健康管理的关键。借助深度学习与计算机视觉，本项目基于 YOLOv8 目标检测模型，结合 PyQt5 可视化界面

本 猪在日常饲养环境行为数据集（3000 张图片已划分、已标注），在数据规模、类别覆盖与标注精度方面均具有较高的实用性。它不仅为智能养殖系统的研究与应用提供了坚实的数据基础