YOLOv11 目标检测模型与 DeepSeek/Qwen 大语言模型安全帽智能检测系统 | 安全帽检测 YOLOv11 DeepSeek 智慧工地 目标检测 深度学习 计算机视觉9234期
系统概述
本系统基于YOLOv11 目标检测模型与DeepSeek/Qwen 大语言模型，融合Pytorch、SpringBoot、Flask、Vue3、MySQL等技术，构建了一套完整的安全帽佩戴检测与智能分析平台。系统支持图片、视频、摄像头实时检测，并可自动生成 AI 分析建议与 PDF 检测报告，适配工地安全监管、工厂车间及高危作业场景。
系统核心信息
| 项目 | 详细说明 |
|---|---|
| 检测类别 | 共2类：佩戴安全帽、未佩戴安全帽 |
| 核心技术 | YOLOv11 + DeepSeek/Qwen + Pytorch + SpringBoot + Flask + Vue3 |
| 检测模式 | 图片检测、视频检测、摄像头实时检测 |
| 系统架构 | 前后端分离（Vue3 + SpringBoot + Flask + MySQL） |
| 应用价值 | 1.安全生产：支撑工地、工厂等场景的安全帽佩戴实时监测与违规告警。 2.智能监管：辅助安监部门远程巡检，提升检查覆盖面与效率。 3.AI 分析：结合大语言模型生成违规行为分析与整改建议。 4.报告导出：自动生成 PDF 检测报告，便于存档与汇报。 |
技术栈
| 层次 | 技术选型 |
|---|---|
| 深度学习 | YOLOv11、Pytorch |
| 算法服务 | Flask |
| 业务后端 | SpringBoot、MyBatis-Plus |
| 前端 | Vue3、Echarts、TypeScript、Element-Plus、Axios |
| 数据库 | MySQL |
| AI 分析 | DeepSeek、Qwen |
系统功能
1. 多模态检测
- 图片检测：单张图片上传识别
- 视频检测：上传视频，逐帧分析并输出标注视频
- 摄像头实时检测：连接摄像头，实时输出检测结果
2. 检测结果可视化
- 检测结果可视化展示
- 目标位置、类别、置信度等信息实时显示
3. AI 智能建议
- 结合 DeepSeek、Qwen 等大模型，对检测结果给出安全合规建议与整改措施
4. 报告导出
- 支持将检测报告导出为 PDF 文件
交付内容
- 整理好的 YOLO 格式数据集
- 详细的系统部署教程
- 实时视频、摄像头、图片检测
- 代码简洁，有注释
- 提供训练好的 YOLO 权重
快速开始（代码示例）
1. 数据集配置文件 (data.yaml)
train:./dataset/images/trainval:./dataset/images/valnc:2names:['佩戴安全帽','未佩戴安全帽']2. YOLOv11 训练代码
fromultralyticsimportYOLO model=YOLO('yolo11n.pt')model.train(data='data.yaml',epochs=100,imgsz=640,batch=16,device=0)3. Flask 推理与 AI 分析服务
fromflaskimportFlask,request,jsonifyfromultralyticsimportYOLOimportcv2importnumpyasnp app=Flask(__name__)model=YOLO('runs/detect/train/weights/best.pt')@app.route('/detect',methods=['POST'])defdetect():file=request.files['image']img=cv2.imdecode(np.frombuffer(file.read(),np.uint8),cv2.IMREAD_COLOR)results=model(img)detections=[]forboxinresults[0].boxes:detections.append({'class':model.names[int(box.cls[0])],'confidence':float(box.conf[0]),'bbox':box.xyxy[0].tolist()})# 调用 DeepSeek/Qwen 生成安全建议ai_suggestion=analyze_with_llm(detections)returnjsonify({'detections':detections,'suggestion':ai_suggestion})if__name__=='__main__':app.run(host='0.0.0.0',port=5000)4. Vue3 前端检测页面
<template> <div class="detector-container"> <el-upload action="/api/detection/image" :on-success="handleSuccess"> <el-button type="primary">上传图片</el-button> </el-upload> <div v-if="resultImage" class="result-area"> <img :src="resultImage" alt="Detection Result" /> <el-table :data="detections" border> <el-table-column prop="class" label="佩戴状态" /> <el-table-column prop="confidence" label="置信度" /> </el-table> <el-button @click="exportPDF">导出 PDF 报告</el-button> </div> </div> </template>标签
安全帽检测YOLOv11DeepSeek智慧工地目标检测深度学习计算机视觉