本研究基于YOLOv5s算法构建了一套高效的水稻病虫害智能识别系统。通过自建的5120张图像数据集（涵盖8类常见病虫害），采用数据增强和归一化预处理，优化后的YOLOv5s模型在测试中表现优异，平均精度（mAP50）达0.89，F1分数0.85。系统采用PyQt5开发交互界面，支持实时检测与MySQL数据存储。实验表明，该方案在检测精度和速度上均优于同类轻量级模型，为水稻病虫害精准防控提供了有效的

摘要：本研究基于Django框架和MySQL数据库，开发了一套共享汽车管理平台系统。系统采用B/S架构和三层设计模式，实现了用户管理、车辆信息管理、租赁预约、合同签订等功能模块。通过详细的需求分析和系统设计，构建了完整的数据库结构和功能框架。测试结果表明，系统运行稳定，能够有效提升共享汽车管理的规范性和效率。平台为租客和车主提供了便捷的交互界面，优化了传统汽车租赁流程，具有较高的实用价值和应用前景

摘要 本文设计了一套基于YOLOv5深度学习模型的交通标志识别系统，支持图片和视频流检测，并通过Django框架构建Web可视化界面。系统采用Python爬虫从百度图片采集13,752张交通标志数据，经过分辨率统一（640×640）及数据增强处理，构建结构化数据集。模型评估显示，在置信度阈值0.6时综合F1值为0.72，限速、停车标志召回率达90%，但玻璃材质标志因反光干扰性能较差（F1值0.45

摘要： 本文基于YOLOv8n深度学习框架设计了一套道路裂缝智能检测系统，包含数据集构建、模型训练优化及PyQt交互界面开发三个核心模块。系统采用包含7757张训练图片的多样化裂缝数据集，通过数据增强（随机旋转、缩放等）提升模型泛化能力。实验表明，在置信度阈值0.6时，系统综合精确率达0.72，对坑洞等显著裂缝的召回率超过90%。PyQt开发的用户界面实现了图片/视频上传、实时检测及可视化结果展示