YOLO目标检测系统

基于yolo的智能目标检测系统，支持图片、视频和实时摄像头检测。

github地址：https://github.com/liuchenlili/yoloaiv3

Bilibili演示视频demo::

项目概述

这是一个完整的目标检测解决方案，包含以下组件：

AI检测服务 (Python Flask + YOLOv8)
后端API服务 (Java Spring Boot + MySQL)
前端界面 (Vue3 + TypeScript + Element Plus)
数据库 (MySQL + Redis)

技术栈

AI检测服务

Flask 2.3.3
YOLOv8 (Ultralytics)
OpenCV
WebSocket (Flask-SocketIO)
Celery (异步任务处理)
Redis (缓存和任务队列)

后端服务

Spring Boot 3.2.0
Spring Security + JWT
Spring Data JPA
MySQL 8.0
Redis
Swagger/OpenAPI

前端界面

Vue 3.3.8
TypeScript
Element Plus 2.4.2
Vue Router 4
Pinia (状态管理)
ECharts (数据可视化)
Axios (HTTP客户端)

功能特性

🎯 检测功能

图片检测: 支持多种图片格式，批量检测
视频检测: 逐帧分析，生成结果视频
实时检测: 摄像头实时画面检测

🤖 模型管理

模型上传: 支持上传自定义训练的.pt模型文件
模型列表: 卡片式展示所有可用模型，显示名称和大小
模型切换: 一键激活不同的模型进行检测
模型详情: 查看模型架构、类别数量、参数等详细信息

🎓 模型训练

自定义训练: 使用自己的数据集训练YOLO模型
训练参数配置:
实时监控: WebSocket实时显示训练进度和指标
训练日志: 详细的训练过程日志记录
指标可视化: 实时图表显示损失、精度、召回率等

🔒 用户管理

用户注册/登录/权限管理
JWT认证和刷新机制
角色分离 (管理员/普通用户)

📊 数据分析

检测结果统计和可视化
实时仪表板
历史记录查询和筛选

⚙️ 系统管理

多模型支持 (YOLOv8n/s/m/l/x) 支持自定义训练模型和架构
文件存储和清理
系统日志和监控

快速开始

环境要求

Python 3.8+
Java 17+
Node.js 16+
MySQL 8.0

1. 数据库设置

# 创建数据库
mysql -u root -p
CREATE DATABASE yolo_detection_system;

# 导入数据库结构
mysql -u root -p yolo_detection_system < database/schema.sql

2. AI检测服务

cd ai-service

# 安装依赖
pip install -r requirements.txt

# 启动服务
python app.py

3. 后端服务

cd backend-service

# 修改数据库配置
# 编辑 src/main/resources/application.yml

# 构建和运行
mvn spring-boot:run

4. 前端界面

cd frontend

# 安装依赖
npm install

# 启动开发服务器
npm run dev

服务端口

前端: http://localhost:3000
后端API: http://localhost:8080
AI服务: http://localhost:5000
Swagger文档: http://localhost:8080/swagger-ui.html

使用说明

1. 系统登录

或注册新用户账号

2. 图片检测

进入"图片检测"页面
拖拽或点击上传图片
调整检测参数
查看检测结果

3. 视频检测

进入"视频检测"页面
上传视频文件
等待处理完成
下载结果视频

4. 实时检测

进入"摄像头检测"页面
允许摄像头权限
开始实时检测
查看检测框和结果

5. 模型管理

进入"模型管理"页面
查看当前所有可用模型
上传新模型:
切换模型:
- 点击模型卡片上的"激活"按钮
- 系统会加载新模型用于后续检测
管理模型:

6. 模型训练

进入"模型训练"页面
准备数据集:
- 确保数据集在ai-service/datasets/目录下
- 数据集应包含data.yaml配置文件
配置训练参数:
- 选择基础模型（yolov8n.pt、yolov8s.pt等）
- 配置图像尺寸（320/416/512/640/832）
- 调整批量大小和学习率
开始训练:
- 点击"开始训练"按钮
- 实时查看训练进度和指标
- 监控损失值、精度、召回率等
训练完成:
- 最佳模型自动保存到runs/train/目录
- 可将训练好的模型移动到models/目录使用

API文档

访问 http://localhost:8080/swagger-ui.html 查看完整的API文档。

主要接口

认证接口

POST /api/auth/login - 用户登录
POST /api/auth/register - 用户注册
POST /api/auth/refresh - 刷新令牌

检测接口

POST /api/detect/image - 图片检测
POST /api/detect/video - 视频检测
GET /api/tasks/{taskId}/status - 查询任务状态

模型管理接口

GET /api/models/management - 获取模型管理列表
POST /api/models/upload - 上传模型文件
PUT /api/models/{id}/rename - 重命名模型
DELETE /api/models/{id}/delete - 删除模型
POST /api/models/{id}/activate - 激活模型
GET /api/models/{id}/info - 获取模型详细信息
GET /api/models - 获取可用模型列表

模型训练接口

POST /api/training/start - 开始训练
GET /api/training/status - 获取训练状态
POST /api/training/stop - 停止训练
GET /api/training/models - 获取可用预训练模型

用户管理

GET /api/users - 获取用户列表
PUT /api/users/{id} - 更新用户信息
DELETE /api/users/{id} - 删除用户

部署说明

生产环境配置

数据库优化: 调整MySQL配置参数
Redis集群: 使用Redis Cluster提高可用性
负载均衡: 使用Nginx进行负载均衡
SSL证书: 配置HTTPS
监控告警: 集成Prometheus + Grafana

开发指南

项目结构

yolo-detection-system/
├── ai-service/          # AI检测服务
│   ├── app.py          # Flask应用主文件
│   ├── requirements.txt # Python依赖
│   ├── models/         # YOLO模型存储 
│   ├── datasets/       # 训练数据集存储 
│   ├── runs/           # 训练结果存储 
│   └── uploads/        # 上传文件存储
├── backend-service/     # Spring Boot后端
│   ├── src/main/java/  # Java源码
│   ├── pom.xml         # Maven配置
│   └── application.yml # 应用配置
├── frontend/           # Vue3前端
│   ├── src/           # 源码
│   │   ├── api/       # API接口
│   │   │   ├── model-management.ts # 模型管理API 
│   │   │   └── training.ts         # 训练API
│   │   ├── views/     # 页面组件
│   │   │   ├── model/              # 模型管理页面 
│   │   │   └── training/           # 训练页面 
│   │   └── router/    # 路由配置
│   ├── package.json   # npm配置
│   ├── vite.config.ts # Vite配置
├── database/          # 数据库脚本
│   └── schema.sql     # 数据库结构

代码规范

Python: 遵循PEP 8规范
Java: 使用Google Java Style
TypeScript: 使用ESLint + Prettier
Git: 使用约定式提交规范

测试

# 后端测试
cd backend-service
mvn test

# 前端测试
cd frontend
npm run test

# AI服务测试
cd ai-service
python -m pytest

常见问题

Q: 模型下载慢怎么办？

A: 可以手动下载YOLO模型文件到 ai-service/models/ 目录。

Q: 摄像头检测连接失败？

A: 检查浏览器权限和摄像头设备状态。

Q: 文件上传失败？

A: 检查文件大小限制和服务器磁盘空间。

Q: 数据库连接失败？

A: 检查MySQL服务状态和连接配置。

Q: 历史记录中不存在视频和图片

A: 查看后端spring启动路径

修改backend-service/src/main/resources/application.yml

upload-path: results-path:

更新日志

v1.0.0 (2025-06-27)

初始版本发布
支持图片、视频、实时检测
用户权限管理
基础数据可视化

v2.0.1 (2025-08-01)

优化数据可视化
优化界面ui
修复检测记录bug
增加统计指标

v3.1.0 (2025-08-10)

🆕 模型管理功能:
🆕 模型训练功能:
🔧 系统优化:

联系方式

邮箱: 2464228500@qq.com

致谢

检测记录功能完成状态

✅ 已完成功能

1. 数据库设计

✅ detection_tasks表：包含user_id字段，支持用户数据隔离
✅ detection_results表：通过task_id关联，间接支持用户隔离
✅ 索引优化：添加user_id、task_id、status等关键字段索引
✅ 外键约束：确保数据一致性

2. 后端API实现

✅ DetectionRecordController：用户检测记录CRUD操作
- 获取检测记录列表（分页、排序、筛选）
- 获取检测记录详情
- 获取检测结果列表
- 获取统计信息
- 删除检测记录
- 批量删除检测记录
- 获取用户概览统计
✅ InternalDetectionController：供AI服务使用的内部API
- 创建检测任务
- 更新任务状态
- 保存检测结果
- 获取任务信息
✅ 权限控制：所有用户API基于@AuthenticationPrincipal验证
✅ 数据隔离：确保用户只能访问自己的检测记录

3. 前端界面实现

✅ 检测记录列表页面（/history）
- 用户概览统计卡片
- 搜索和筛选功能
- 表格和卡片两种视图模式
- 分页功能
- 批量选择和删除
- 操作按钮（查看详情、下载、删除）
✅ 检测记录详情页面（/history/detail/:taskId）
- 基本信息展示
- 文件预览功能
- 统计图表（类别分布、置信度分布）
- 检测结果列表（分页、筛选）
✅ 路由配置：支持详情页面访问
✅ 权限验证：自动登录测试用户功能

4. AI服务集成

✅ 后端API客户端：与后端服务通信
✅ 检测任务创建：自动创建数据库记录
✅ 状态更新：实时更新任务处理状态
✅ 结果保存：检测完成后保存结果到数据库
✅ 图片检测集成：完整的检测流程
✅ 错误处理：异常情况的状态更新

5. 文件管理

✅ FileController：文件下载和预览API
✅ 文件上传：支持图片和视频文件
✅ 结果文件：处理后的文件存储和访问
✅ 缩略图：任务缩略图生成和显示

6. 安全配置

✅ 内部API：不需要认证，供AI服务使用
✅ 用户API：需要JWT认证
✅ CORS配置：支持跨域访问
✅ 权限隔离：用户数据完全隔离

🔧 技术特性

用户权限隔离

每个用户只能查看自己的检测记录
所有查询均基于当前登录用户
数据库级别的权限控制

性能优化

分页查询：避免大数据量加载
索引优化：提高查询效率
懒加载：图片和文件按需加载

用户体验

响应式设计：支持多种屏幕尺寸
实时反馈：操作状态提示
快速搜索：关键词和条件筛选
批量操作：提高管理效率

📊 支持的检测类型

✅ 图片检测：单张图片处理
✅ 视频检测：视频文件处理
✅ 实时检测：摄像头检测
✅ 模型管理：自定义模型上传和管理 (新增)
✅ 模型训练：自定义数据集训练 (新增)

🚀 新功能详细说明

🤖 模型管理系统

功能特性

智能模型识别: 自动识别YOLO模型格式和架构
可视化管理: 美观的卡片式界面展示所有模型
模型信息: 显示模型大小、类别数量、修改时间等
一键切换: 快速切换不同模型进行检测
安全管理: 防止删除正在使用的模型

支持的模型格式

YOLOv8 系列: yolov8n.pt, yolov8s.pt, yolov8m.pt, yolov8l.pt, yolov8x.pt
YOLOv11 系列: yolov11n.pt 及其他变体
自定义训练模型: 支持用户训练的所有YOLO格式模型

使用流程

📁 将模型文件上传到系统
✅ 系统自动验证模型有效性
📋 查看模型详细信息和架构
🔄 一键激活模型用于检测
🗑️ 管理不需要的模型文件

🎓 模型训练系统

训练能力

多GPU支持: 自动检测和使用可用GPU
断点续训: 支持从检查点恢复训练
实时监控: WebSocket实时推送训练状态
自动调优: 智能调整训练参数
结果保存: 自动保存最佳模型权重

训练参数配置

训练参数:
  - 数据集路径: datasets/your_dataset/

实时监控指标

📈 损失函数: 训练损失和验证损失
🎯 精度指标: Precision, Recall, F1-Score
🏆 mAP指标: mAP@50, mAP@50-95
⏱️ 进度信息: 当前轮次、剩余时间、ETA
💾 资源使用: GPU使用率、内存占用

数据集格式要求

datasets/your_dataset/
├── data.yaml          # 数据集配置文件
├── images/            # 图像文件
│   ├── train/         # 训练图像
│   └── val/           # 验证图像
└── labels/            # 标注文件
    ├── train/         # 训练标注 (.txt格式)
    └── val/           # 验证标注 (.txt格式)

训练输出

🏆 最佳模型: runs/train/exp_xxx/weights/best.pt
📊 训练曲线: 损失和指标变化图表
📝 训练日志: 完整的训练过程记录
🔍 验证结果: 验证集上的检测结果示例

🎯 用户功能

查看检测记录：分页浏览所有检测任务
筛选搜索：按类型、状态、时间、关键词筛选
查看详情：详细信息、文件预览、统计图表
管理记录：删除单个或批量删除记录
统计分析：个人检测数据统计和可视化
下载结果：下载处理后的文件

🚀 部署说明

前端：Vue3 + TypeScript + Element Plus
后端：Spring Boot + JPA + MySQL
AI服务：Flask + YOLOv8
数据库：MySQL 8.0+
认证：JWT Token

测试指南

启动服务

# 启动后端服务
cd backend-service && mvn spring-boot:run

# 启动AI服务  
cd ai-service && python app.py

# 启动前端服务
cd frontend && npm run dev

访问地址

前端界面：http://localhost:3000
后端API文档：http://localhost:8080/swagger-ui.html

检测记录功能已完全实现，支持完整的用户隔离和记录管理功能！

No results found

Yolo-AI

YOLO目标检测系统

项目概述

技术栈

AI检测服务

后端服务

前端界面

功能特性

🎯 检测功能

🤖 模型管理

🎓 模型训练

🔒 用户管理

📊 数据分析

⚙️ 系统管理

快速开始

环境要求

1. 数据库设置

2. AI检测服务

3. 后端服务

4. 前端界面

服务端口

使用说明

1. 系统登录

2. 图片检测

3. 视频检测

4. 实时检测

5. 模型管理

6. 模型训练

API文档

主要接口

认证接口

检测接口

模型管理接口

模型训练接口

用户管理

部署说明

生产环境配置

开发指南

项目结构

代码规范

测试

常见问题

Q: 模型下载慢怎么办？

Q: 摄像头检测连接失败？

Q: 文件上传失败？

Q: 数据库连接失败？

Q: 历史记录中不存在视频和图片

更新日志

v1.0.0 (2025-06-27)

v2.0.1 (2025-08-01)

v3.1.0 (2025-08-10)

联系方式

致谢

检测记录功能完成状态

✅ 已完成功能

1. 数据库设计

2. 后端API实现

3. 前端界面实现

4. AI服务集成

5. 文件管理

6. 安全配置

🔧 技术特性

用户权限隔离

性能优化

用户体验

📊 支持的检测类型

🚀 新功能详细说明

🤖 模型管理系统

功能特性

支持的模型格式

使用流程

🎓 模型训练系统

训练能力

训练参数配置

实时监控指标

数据集格式要求

训练输出

🎯 用户功能

🚀 部署说明