基于 YOLO 的车辆检测系统

项目介绍

路口、停车场这类场景要统计车型，传统差分或手工框太慢。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。

图片检测是同步的，一次最多 20 张，可调置信度、IoU，可选对小车、公交、卡车做车牌 OCR（PaddleOCR）。视频走 Celery 异步队列，可设抽帧，进度能轮询；视频里还能开车流统计，跟踪用 ByteTrack。检测结果能二次核验、改框改类别，再导出 Excel 或带图 PDF。数据侧支持数据集上传、版本、标注任务、审核、YOLO/VOC/COCO 互转。维护员可上传 .pt、设默认、归档回滚、看调用次数和耗时，也能看 CPU/内存/GPU 和队列，做库和模型备份、查操作日志。没有网页端训练，也没有 RTSP 多路直播，输入是文件上传。

答辩时把「数据—模型—检测—运维」闭环讲清楚就够用，算法部分落在 YOLOv8 推理和可选车牌识别上。

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/IoU，结果画框，可选车牌 OCR
• 视频检测：异步任务、抽帧、进度查询，可选车流统计与目标跟踪
• 结果核验与报告：改误检漏检，导出 Excel / PDF
• 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、Flask-JWT-Extended、Celery、Redis；算法层 Ultralytics YOLOv8、OpenCV、PaddleOCR。 数据库：MySQL 8（也可 SQLite）。文件落在本地 storage 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 YOLO 单阶段检测、异步视频任务、RBAC，以及车牌 OCR 只对部分车类开、训练不在网页里做。