项目介绍
路口、停车场这类场景要统计车型，手工框或简单差分又慢又容易漏。这个毕设用 YOLOv8 做成 Web 检测台：操作员上传图片或视频就能出框，数据管理员管数据集和标注，技术维护员管模型和机器状态。三类角色用 RBAC 分开，页面按交管窗口来，不是监控大屏皮肤。工作台按角色给不同卡片：数据岗看数据集和待审标注，操作员看今日检测和目标数，维护员看默认模型和队列。
图片检测是同步的，一次最多二十张，可调置信度和交并比，也可以打开车牌识别。车牌用 PaddleOCR，只对小车、公交、卡车这些框去认，速度会慢一些。视频走 Celery 异步队列，可设抽帧，前端按任务编号轮询进度。若要做车流，需要先在画面上画检测线，再开跟踪；跟踪用 ByteTrack，车牌结果按轨迹编号去重投票。检测结果能二次核验、改框改类别，再导出表格或带图报告。检测历史能按时间和模型筛。数据侧支持压缩包上传、版本、标注任务、审核，以及 YOLO、VOC、COCO 三种格式互转。维护员可上传权重文件、设为默认、归档回滚，看调用次数和平均耗时，也能看处理器、内存、显卡和队列长度，做数据库和模型备份，查操作日志。网页里不能点按钮训练模型，也不拉摄像头直播流，输入就是上传文件。Celery 如果没起来，会退回线程异步，视频检测仍能跑。默认三类账号可直接演示。无独立显卡时用小模型和抽帧也能跑通图片检测，视频建议先用短片。
答辩把「数据、模型、检测、运维」四段讲顺即可，算法部分落在推理、跟踪和可选车牌上。
主要功能
- 三角色登录：数据管理员、系统操作员、技术维护员，页面和接口按角色隔离
- 图片检测：批量上传，调置信度和交并比，结果画框，可选车牌识别
- 视频检测：异步任务、抽帧、进度查询；可画检测线做车流统计和跟踪
- 结果核验与报告：改误检漏检，导出表格或带图报告
- 数据集：上传、版本、抽样可视化、标注任务、审核
- 格式转换：YOLO、VOC、COCO 互相转
- 模型管理：上传校验、设为默认、归档、回滚、简单评估
- 运维：系统监控、操作日志、数据库和模型备份、账号管理
- 站内消息与个人中心：任务完成、告警、改密码
技术栈
前端：Vue 3、TypeScript、Vite、Element Plus、Pinia、ECharts。
后端：Flask 3、SQLAlchemy、JWT、Celery、Redis；算法层 YOLOv8、OpenCV、PaddleOCR。
数据库：MySQL 8（也可 SQLite）。文件落在本地存储目录。
适合谁做
适合软件工程、计算机、人工智能、智能交通相关专业。答辩可讲单阶段检测、异步视频任务、角色权限，以及车牌只对部分车类开、训练不在网页里做。
