基于yolov10的吸烟检测系统
本研究基于YOLOv10深度学习算法，构建高精度、实时化吸烟行为检测系统。针对传统方法在复杂场景下检测率低、效率差的问题，利用YOLOv10的动态稀疏注意力与多尺度融合优势，提升小目标与遮挡情况下的识别能力，结合五分类体系实现对香烟、烟雾、电子烟等多目标精准定位。系统支持GPU加速，达30帧/秒以上实时检测，可广泛应用于医院、机场等公共场所，助力无烟环境建设与智能安防升级，推动禁烟政策高效落地。
基于 YOLOv8 的智能杂草检测识别实战 [目标检测完整源码]
基于YOLOv8的智能杂草检测系统，融合目标检测与PyQt5可视化，实现田间杂草精准识别。涵盖数据标注、模型训练、推理部署全流程，支持图片、视频及实时摄像头检测，具备高精度、强鲁棒性与工程落地价值，适用于智慧农业、科研教学等场景，提供完整源码与预训练模型，助力AI+农业应用开发。
