腾讯云开发者社区

基于YOLOv8的城市道路隐患与安全设施智能识别系统｜完整源码+PyQt5界面+训练与部署全流程

本项目开发了一套基于YOLOv8的城市道路隐患与安全设施智能识别系统，可高效检测井盖、坑洞、减速带等5类道路设施及安全隐患。系统采用YOLOv8架构实现高精度目标识别，支持单图、批量图片、视频和实时摄像头输入，并配备PyQt5可视化界面便于操作。提供完整源码、预训练模型和数据集，支持开箱即用或自定义训练扩展。该系统可应用于智能交通巡检、道路安全管理等领域，实现道路隐患的自动化检测，提升城市安全管理

C++ 开发者的救星：vcpkg 极速上手与避坑完全指南

C++ 开发中，第三方库的依赖管理一直是个痛点。本文深入解析了微软开源的 C++ 包管理工具 vcpkg，旨在彻底解决手动编译、链接配置繁琐的问题。文章不仅详细阐述了 vcpkg “下载-补丁-编译-劫持CMake” 的底层工作原理，还提供了一份Windows 环境下的保姆级安装教程。特别针对国内开发者遇到的网络下载失败、环境配置坑点给出了具体的解决方案（如代理设置），并以安装 FFmpeg 和

Qt集成OpenCV

摘要：本文介绍了在Qt项目中集成OpenCV的配置方法。主要包括：1）在.pro文件中配置OpenCV头文件路径和链接库（区分Linux/Windows）；2）实现cv::Mat与QImage的相互转换以在Qt控件中显示；3）通过QTimer实现实时视频处理；4）使用QThread处理耗时操作避免UI阻塞；5）解决常见问题如库冲突、ARM平台适配等。这些方法可在保持界面响应性的同时高效集成Open

第9章：URes-Net的改进CAM+SSPP+混合损失的qt分割推理系统

摘要： 本文深入剖析了一套基于PyTorch的医学图像分割系统开发全流程。针对传统U-Net在医学影像处理中的局限性，系统创新性地融合了ResNet骨架、空间金字塔池化(SSPP)和通道注意力机制(CAM)，构建出能同时捕捉局部细节与全局特征的UResnet架构。通过精心设计的混合损失函数(Dice+交叉熵)平衡类别不平衡问题，并采用自动化数据处理、训练监控等工程优化。最终实现的PyQt5图形界面

基于YOLOv8的无人机道路损伤检测[四类核心裂缝/坑洼识别]的识别项目｜完整源码数据集+PyQt5界面+完整训练流程+开箱即用！

通过无人机高清影像采集与实时数据传输，结合 YOLOv8 高速、精准的目标检测能力，本系统能够在复杂环境下（夜间低光照、雨季积水、交通流干扰等）稳定识别路面损伤，为城市主干道、高速公路、乡村及山区道路的健康状态监控提供技术支撑。同时，检测结果可用于道路通行安全评估、养护作业优先级确定、修复施工路径规划及道路生命周期管理，为交通管理部门和基础设施维护单位提供科学决策依据。

停车场智能空车位检测系统｜YOLOv8 + PyQt5 全流程实战

本项目基于YOLOv8目标检测模型和PyQt5界面，开发了一套智能停车场空车位检测系统。系统可精准识别"已停车辆"和"空车位"两种状态，支持图片、视频、文件夹和实时摄像头等多种输入方式。项目提供完整源码、标注数据集和预训练权重，实现了从数据集构建到可视化应用的全流程解决方案。系统具有高精度、高实时性和易用性等特点，mAP@0.5可达90%以上，为智慧停车管理

OneNET DMP开放平台MQTT协议产品数据获取（Qt程序）

由于新建产品时采用数据协议是OneJson，“查询设备数据点”这个API是不能查询到下位机上传到平台的数据的。需要用API查询其他数据的，到文档中心（下载，把包括用户ID、用户accessKey和时间戳分别填到下图所示的地方，其他设置参考下图，填写完毕后点击“Generate”,红框里的就是所需的token。计算token之前先准备3条数据，包括用户ID、用户accessKey和时间戳，照着下图的

yolov8+pyqt5基于图像识别技术的快递邮件处理系统的设计

本文介绍了一个基于YOLOv8算法的快递包裹管理信息系统，旨在提升快递分拣效率和准确性。系统采用Python+Django+Vue.js技术栈，包含用户注册、登录、包裹图像识别（支持图片/视频/摄像头输入）、分类检测及存档查询等功能。通过海量数据训练优化算法模型，实验证明系统能有效提高分拣速度和精确度，为快递业智能化转型提供技术支持。文章还展示了系统核心代码片段和操作界面效果图，具有较高的应用价值

日志采集到分析：一条完整的流水线实战

不过别照搬配置，根据自己业务量调整参数，比如Kafka分区数至少是消费者数量的两倍，Hive的tez容器内存按数据量来调。搞大数据就像吃川菜，火候和配料得自己把握。日志数据像洪水一样涌来的时候，传统做法是把服务器当移动硬盘用，scp拷来拷去迟早翻车。今天咱们直接上硬菜，手撸一套能扛百万级日志的生产级方案。这里用byte数组直接传原始日志，避免JSON序列化的性能损耗。Kafka的batch siz

Qt-YOLO-OpenCV

从零开始配置Qt-YOLO-OpenCV。

OpenCV+MySQL+Qt构建智能视觉系统（msvc）

本文介绍了一个基于OpenCV、MySQL和Qt的机器视觉处理系统架构设计。系统分为图像采集、处理、存储和显示模块，使用OpenCV实现图像处理算法，MySQL存储结果数据，Qt提供用户界面。详细说明了开发环境配置方法，包括OpenCV和MySQL的路径设置。系统实现了人脸检测、物体识别等功能，通过Haar级联分类器进行多目标检测，并采用非最大抑制算法优化检测结果。数据库模块采用Qt的SQL接口管

海康 MV 相机几种Bayer RG像素格式的处理

RG10 核心特征：10bit 有效数据（0~1023），以 uint16 存储，Bayer 排列为 RGGB，小端存储；转换关键步骤：uint16 数组转换 → 10bit 归一化到 8bit → OpenCV 的 BAYER_RG2RGB 转换；避坑点：确认 Bayer 排列（颜色异常时换 OpenCV 的 Bayer 转换枚举）、端序（小端）、分辨率匹配。如果 RG10 数据转换后出现颜色偏

Qt快速入门：OpenCV + Qt QML 视频播放器项目

创建一个视频播放器，用 QML 做界面，用 OpenCV 处理视频，用 C++ 把它们连接起来。// 重写绘制函数// 属性访问函数// QML 可以调用的函数signals:private:// OpenCV 视频捕获// 当前帧// 转换为 QImage// 定时器，用于播放视频// 视频文件路径// 是否正在播放// 视频帧率Qt QML：创建漂亮的界面OpenCV。

QTime类介绍

转自：http://blog.csdn.net/wangrunmin/article/details/8801084Qt中利用QTime类来控制时间,这里简单介绍一下QTime的成员函数的用法:---------------------------------------------------------------------------------------------

Qt绘制残留问题排查与修复日志

摘要：Qt应用程序中PMainWidget父对象绘制线条时出现像素残留问题。研究发现Qt默认使用局部重绘机制，仅更新变化区域，导致旧线条未被完全清除。子控件PWaveWin的绘制时机晚于父控件，其未更新区域会遮挡部分线条。解决方案包括：1)精确计算新旧线条更新区域；2)强制完整重绘；3)优化绘制逻辑。最终采用方案1，通过手动计算包含新旧线条的更新区域，同时更新子控件，既解决了残留问题又保持了最佳性

QT如何生成电脑上可以执行的exe文件（包括依赖库）

本文详细介绍将QT程序打包成独立EXE文件的方法。首先通过Release模式构建生成exe文件，然后使用QT自带的windeployqt工具自动补全依赖库。操作步骤包括：构建Release版本、定位exe文件目录、通过QT命令行调用windeployqt工具添加依赖。完成打包后，程序即可脱离开发环境直接运行，方便分享使用。文章作者作为CSDN新手，欢迎读者对打包方法提出改进建议，并预告后续将继续分

学术探险家的“智能罗盘”：书匠策AI本科论文功能全解析

更厉害的是“AI痕迹消除”技术，可模拟人类写作的词汇偏好与句式特征，使文本更符合学术表达习惯，有效规避检测工具对AI生成内容的敏感识别。它不仅整合了选题、逻辑、内容、格式、查重等全流程功能，更通过AI技术将“体力劳动”转化为“脑力协作”，让论文写作从“艰难跋涉”变为“轻松航行”。无论是教育管理、课程与教学论，还是教育技术学方向的本科论文，书匠策AI都能帮你从“信息迷雾”中突围，让每一篇论文都成为思

基于 YOLOv8 的河道漂浮垃圾智能检测｜完整源码数据集+PyQt5界面+完整训练流程+开箱即用！

本文围绕 “基于 YOLOv8 的河道漂浮垃圾智能检测系统”，系统性地介绍了从问题背景、技术选型到工程实现与效果验证的完整过程。项目以 YOLOv8 目标检测模型为核心，结合 PyQt5 图形化界面，实现了对河道漂浮垃圾的自动化、可视化与实时化检测，有效弥补了传统人工巡查在效率、覆盖范围和实时性方面的不足。

Qt+opencv实现人脸识别检测

本文介绍了在RK3588平台上使用Qt和OpenCV实现人脸识别检测的方法。代码分为两部分：Qt界面部分使用QLabel显示视频帧，通过多线程处理视频流；OpenCV部分通过V4L2接口捕获摄像头数据，加载预训练的人脸检测模型进行识别。针对ARM64架构，需要在.pro文件中配置OpenCV库路径。文章还提到在buildroot中配置OpenCV4的编译选项，为嵌入式平台提供支持。该系统实现了实时

QVariantMap学习

博主写的很好，收藏用 https://blog.csdn.net/arv002/article/details/145820998

Qt + Python 算法集成的一种低耦合实践：FastAPI 服务化方案

Qt 主程序├─ QProcess 管理 algo_service.exe├─ HTTP 调用 /health /infer /shutdown└─ UI 显示算法状态与日志入口├─ FastAPI 提供算法接口├─ 独立进程，独立生命周期└─ 可随时替换或升级。

opencv+pyqt5+yoloV5+计算机视觉：目标检测系统 目标识别系统

摘要：本文介绍了一个基于PyQt5和YOLOv5的多功能目标检测平台，采用Python语言开发，集成PyTorch框架和OpenCV库。平台具备图片上传检测、摄像头实时检测和视频文件检测三大核心功能，可精准识别多种目标物体。系统采用YOLOv5深度学习模型实现高精度目标检测，通过PyQt5构建用户友好界面，支持实时处理和多场景应用。该平台具有高精度、实时性强、界面友好等特点，适用于安防监控、智能交

论文写作“超进化”：书匠策AI如何重塑课程论文的创作宇宙

在学术写作的浩瀚星河中，课程论文是每个学子必须穿越的“新手村”。从选题迷雾到文献沼泽，从逻辑断层到格式炼狱，传统写作模式如同在黑暗中摸索前行。而今，一款名为，微信公众号搜一搜“书匠策AI”）正以“学术外挂”的姿态，为课程论文写作开启了一场颠覆性的进化革命。它不是简单的文字处理器，而是一个集选题导航、逻辑引擎、内容优化、格式管家于一体的智能生态系统，让论文创作从“生存挑战”升级为“创意冒险”。

Qt 工业机器视觉开发

摘要：Qt框架凭借其跨平台特性和强大的图形处理能力，成为工业视觉开发的理想选择。它通过与OpenCV集成实现高效图像处理，利用多线程和OpenGL加速满足实时性需求，并提供QtDesigner等工具简化界面开发。Qt的跨平台支持便于部署到不同系统，其调试工具和单元测试框架有助于保证系统稳定性和算法准确性，为工业视觉应用开发提供了完整解决方案。（149字）

csdn这么无耻的嘛！自己的资源还不让删除

Qt + OpenCV / 3D 视觉 / 工业相机的工程实践

本文介绍了Qt与OpenCV集成开发跨平台视觉应用的方法，包括CMake配置、工业相机SDK集成（如Basler相机）、3D视觉处理流程（标定、匹配等）。重点探讨了性能优化技巧：内存管理（避免QImage与Mat深拷贝）、多线程处理（使用QThreadPool）和硬件加速（OpenCL）。文章还涉及异常处理机制（设备断连恢复）和部署注意事项（ARM交叉编译、帧率控制），并推荐了QCustomPlo

保姆级教程！基于YOLOv8的交通标志检测系统（附完整源码+6000多张数据集+PyQt5界面）

PyTorch版本不兼容，CUDA环境配置报错依赖包版本冲突，pip install总失败代码在别人电脑上能跑，自己电脑上各种报错。

Qt：为QLabel增设点击响应操作

https://blog.csdn.net/weixin_45482816/article/details/112992250

从零跑通！纯 Python 手写汉字识别项目：PyTorch 训练 + Qt5 桌面端 UI（附万字报告框架）

环境难配：论文里写的是 TensorFlow 1.x，GitHub 上是 PyTorch 1.x，自己电脑装的是 2.x，一路报错。代码到处报错：依赖缺、路径错、GPU/CPU 不兼容，改了一堆还是跑不通 Demo。没有完整思路：只有一个简单的分类脚本，没有数据预处理、可视化、UI 展示，很难写出一篇像样的设计与实现章节。纯 Python 开发：项目核心采用 Python + PyTorch +

PCB表面缺陷检测：如何从数据到模型实战

PCB表面缺陷检测数据集含有xml标签文件可用于yolov3yolov4yolov5yolov6 yolov7yolov8目标检测工业自动化时代，PCB板缺陷检测是计算机视觉领域的重要应用之一。今天，我将带大家从零开始，探索如何利用公开的PCB缺陷检测数据集，结合YOLO系列模型，打造一个高效实用的缺陷检测系统。

OpenCV联合C++/Qt 学习笔记(一)----Mat容器

本文介绍了OpenCV中Mat类的核心功能和使用方法。Mat类是OpenCV中表示多维数组（特别是图像数据）的主要数据结构，支持多种数据类型（如CV_8U、CV_32F等）和创建方式。文章详细说明了Mat类的创建与赋值方法，包括矩阵初始化、单位矩阵/对角矩阵生成等，并介绍了矩阵元素的读取方式（如at方法）和常用属性（如rows、cols等）。最后，总结了Mat类支持的各种运算操作，包括四则运算、矩

QT 配置OPENCV

3、MinGW下编译好的OpenCV SDK：MinGW-Build-OpenCV-4.5.2-x64。# OpenCV 头文件路径。# OpenCV 库文件路径。QT工程 pro文件。

使用Qt开始入门级的AI应用开发

摘要：本文介绍了使用Qt开发AI应用的两种主流方法。第一种是调用大语言模型API构建智能对话应用，通过Qt网络模块实现API交互，关键技术包括界面设计、异步请求处理和JSON解析。第二种是集成计算机视觉模型（如YOLOv8）开发图像识别应用，重点解决多线程处理、图像显示和检测框绘制等问题。文章还提到Qt正在开发AIInferenceAPI以简化AI集成流程。两种方案各具优势：LLM应用开发门槛低，

Qt中调用相机进行拍照并实现图像处理

在Qt中调用相机进行拍照并实现图像处理，可以通过结合Qt Multimedia模块和图像处理库（如OpenCV）实现。

基于 PyQt5+OpenCV 的实时摄像头

本文介绍了基于PyQt5和OpenCV构建摄像头监控界面的实现方法。主要内容包括：1）使用PyQt5创建主窗口界面，通过Qt Designer设计UI布局；2）利用OpenCV的VideoCapture类获取摄像头画面；3）采用QTimer定时器实现画面实时刷新，并完成BGR到RGB的图像格式转换；4）实现摄像头开关控制、帧率调节等功能。该方案结合了PyQt5的GUI开发优势与OpenCV的图像处

C++qt(3)-按钮类控件

Qt 中就使用 class 前置声明的方式，来尽量减少头文件的包含～～通过前置声明的方式，Qt 中的头文件，每个头文件包含的其他头文件数量都能得到一定的降低～～所以在 C++ 20 标准开始，就引入了 "模块" module 来替代 #include ~~redirectedfrom=MSDN。咱们的QTimer头文件是包含在.cpp文件中的，那么.h文件中并没有这个头文件，那么没有这个头文件的话

基于YOLOv8的交通事故车辆损伤智能识别与事故等级分级系统｜完整源码+实时推理+可视化界面

本文介绍了一个基于YOLOv8的交通事故车辆损伤智能识别与分级系统。该系统通过深度学习技术自动检测事故车辆的损伤区域，并依据损伤程度将事故分为无事故、轻微、中等、严重和完全报废五个等级。系统支持图片、视频和实时摄像头输入，提供完整的训练与推理流程，并配有PyQt5可视化界面，实现开箱即用。项目包含完整源码、预训练模型和标注数据集，具有高精度、实时性和易用性等特点，可应用于交通管理、保险理赔等领域。

YOLOv8草莓生长状态（灰叶病&缺钙&需要肥料）检测系统（python开发，可以从图片、视频和摄像头三种方式检测,带有训练模型，可以重新训练，并有Pyqt5界面可视化）

本文介绍了一个基于YOLO-v8的草莓生长状态智能检测系统。该系统能够识别草莓叶片的灰叶病、缺钙和需肥状态，支持图片、视频和实时摄像头输入。项目提供完整的Python代码、预训练模型(yolov8.pt)和训练数据，包含PyQt5可视化界面(predictWindow.py)、训练脚本(stbleaftrain.py)和检测工具(detect_tools.py)。用户可直接运行系统进行检测，也可重

遥感影像拼接线优化工具：基于Qt+GDAL+OpenCV的从二到三实践

本文介绍了遥感影像拼接线优化工具的功能完善与用户体验提升。主要内容包括：1) 新增信息输出窗口，实时显示操作状态和进度；2) 加入缩放因子控制功能，提供五档比例调节以平衡速度和质量；3) 修复Windows菜单按钮功能；4) 添加应用程序图标提升专业感；5) 实现配置文件功能，自动保存用户设置。文章详细说明了解决的关键技术问题，如最小割算法速度优化、界面交互改进等，并提供了核心代码实现方案。这些改

OpenCV联合C++/Qt 学习笔记(三)----图像颜色空间转换及多通道分离与合并

本文介绍了图像处理中的颜色空间转换和通道操作。主要内容包括：1）RGB、HSV和GRAY三种颜色空间模型的特性；2）使用convertTo()和cvtColor()函数进行颜色空间转换的方法；3）通过split()和merge()函数实现多通道图像的分离与合并。文中提供了完整的示例代码，演示了如何加载图像、转换颜色空间、分离通道以及重新合并通道等操作。

基于YOLOv8的南瓜叶片病害分类检测识别｜完整源码数据集+PyQt5界面+完整训练流程+开箱即用！

在设施农业与智慧农业快速发展的背景下，作物病害的早期识别与精准防治已成为提高产量与减少农药使用的关键环节。南瓜作为重要的经济作物，其叶片在生长过程中极易受到细菌性叶斑病、霜霉病、白粉病及病毒性花叶病等多种病害侵袭，传统依赖人工经验的识别方式存在效率低、主观性强、难以规模化的问题。

项目实践18—全球证件智能识别系统（优化检索模块）

摘要： 针对证件识别系统中MobileNetV3全局特征检索在“版式相同但内容不同”场景下的精度波动问题，提出双阶段改进方案：第一阶段通过MobileNet特征相似度分组聚合筛选Top-5候选模板；第二阶段引入SIFT+RANSAC算法，通过灰度化预处理和局部特征点匹配，结合几何验证排除可变内容干扰。方案利用SIFT的尺度不变性和纹理细节聚焦特性，有效提升证件版式识别鲁棒性。代码实现封装了独立的特

CMake与Makefile的关系

绝大多数开源项目（如OpenCV、Boost、Qt）都使用CMake管理构建，学习CMake是现代C/C++开发的必备技能。如果你刚开始学习构建系统，建议直接从CMake入手，这是目前最主流、最实用的构建解决方案！欢迎在评论区讨论你的CMake使用经验！

在QT中使用mingw构建opencv

本文介绍了在Windows系统中使用Qt和OpenCV的配置方法。首先通过阿里云镜像加速Qt安装器下载，然后下载OpenCV 4.13.0源码。重点讲解了使用Qt自带的MinGW编译器重新编译OpenCV的过程：通过CMake配置MinGW环境，生成Makefiles后执行编译和安装。最后演示了在Qt项目中配置OpenCV库路径并编写测试代码成功加载图片。整个过程包括环境变量设置、源码编译和项目集

PyQt5 实战开发：可视化串口警报控制系统

本文介绍了一个基于PyQt5开发的串口警报控制系统上位机软件。该项目采用PyQt5+QtDesigner实现图形化界面，通过串口通信控制硬件警报器，包含预设指令调用、自定义指令发送、异常处理等功能。文章详细讲解了界面设计、代码结构、信号槽绑定、串口初始化等核心开发环节，并提供了配套调试脚本。该项目结构清晰，可直接用于工业控制、课程设计等场景，是学习PyQt5和上位机开发的实用案例，具有易扩展性，可

＜span class=“js_title_inner“＞VTK与QT源码编译和示例＜/span＞

Qt的特点是易于学习和使用，文档和示例丰富，支持丰富的第三方库，开发速度快，可生成高效的代码，界面美观易用，是一款非常流行的跨平台开发框架。VTK提供了丰富的基础算法和数据结构，包括点、线、多边形、二维和三维图像、体绘制等，以及许多高级算法，例如曲面重建、流体力学模拟、拟合和插值、图像分割和成像处理等。将下面的位置都相应的填上之前安装的QT位置。其中有一些区域需要修改。调试--环境（此处我添加的环