本系统面向糖尿病视网膜病变DR的智能识别与早期筛查场景基于Python YOLOv11 PyTorch深度学习框架构建前端界面用PyQt5开发图像处理依托OpenCV。系统支持单图片识别、批量图片识别、视频识别、实时视频识别四大功能并自动统计目标数量、位置、置信度与识别用时。源码 论文 答辩PPT 任务书 开题报告 部署教程 答辩教程全部打包一套带走无需东拼西凑。论文含17 张图算法原理图、网络结构图、数据集效果图、训练指标曲线、系统界面截图训练数据集1785 张眼底图像配套66 分钟视频教程。需要的同学通过本文标题下方下载链接获取。通过带微信号的置顶文章联系置顶文章带微信号一、系统功能源码已跑通系统为单机桌面应用PyQt5 图形界面左边上传素材、右边展示检测结果下方一排操作按钮上手零门槛。核心功能如下单图片识别点击「上传图片」选择一张眼底图像模型自动框出病变区域右侧表格显示类别、置信度、坐标位置与识别用时。批量图片识别点击「上传批量图片」选择整个文件夹一次性处理多张图片适合批量筛查眼底照片。视频识别上传视频文件逐帧检测视网膜病变目标实时叠加检测框。实时视频识别点击「打开摄像头」直接调用本机摄像头边拍边识别验证模型的实时性。结果统计与保存自动统计检测到的病变目标数量支持将识别结果文件路径、目标编号、类别、置信度、坐标导出为 CSV。 界面截图系统主界面 界面截图单图片识别效果 界面截图批量图片识别效果 界面截图视频识别效果 界面截图实时视频识别效果识别模型基于YOLOv11对正常、轻度、中度、重度、增殖性病变五种类别进行检测与分级训练后 mAP 达96.2%、F1 达91.5%检测框精准贴合病变区域。二、资源清单买到即得逐项可验第一梯队核心展开说明① 系统源码完整可运行非 demo技术栈Python YOLOv11 PyTorch OpenCV PyQt5目录结构规范含模型训练脚本、界面主程序MainWindow类、UI 资源与样式表style.css、配置文件等训练代码完整model.train(data..., epochs150, batch4, optimizerSGD)界面信号槽逻辑清晰上传/检测/保存/退出按钮全部连通② 毕业论文格式规范内容完整共5 章引言 / 关键技术 / 设计与规划 / 实验过程与应用 / 结论含17 张图YOLOv11 计算原理图、网络结构图、数据集效果图、训练指标变化趋势图、F1/精确率/召回率评估曲线、系统界面与四类识别效果截图训练数据集1785 张眼底图像训练集 1428 验证集 3577:3 划分YOLO 格式标注覆盖五类病变 设计图YOLOv11 网络结构图 设计图数据集效果图 设计图训练指标变化趋势图 设计图数据可视化分析图③ 答辩 PPT毕业答辩 PPT.pptx汇报演示用。第二梯队一行清单任务书、开题报告、功能模块图xmind、指导记录表、中期检查表、周志、模型权重文件、训练数据集。说明本课题为深度学习图像识别方向无关系型数据库与 .sql 脚本配套材料以「模型权重 数据集 功能模块图xmind」替代均包含在套餐内。第三梯队视频教程独立成章见下。三、视频教程零基础也能自己跑起来按Python 深度学习技术栈组合三件套视频从环境搭建到部署演示全覆盖视频名时长看完你能做到Python 环境安装约 15min装好 Python PyCharm跑通环境YOLO 部署/代码/演示约 30min独立部署源码、看懂训练与检测代码、跑出识别效果答辩讲解约 32min吃透答辩要点、常见问题与回答思路总时长约 66 分钟全部打包在套餐内不单独收费。答辩讲解单独强调针对本课题的答辩要点、常见问题逐一拆解评委爱问什么、哪个环节容易卡壳视频里都讲清楚。四、售后承诺✅ 源码已运行验证非残缺 demo✅ 论文格式规范章节完整含全部 17 张图✅ 视频教程全覆盖约 66 分钟✅ 资源完整源码、论文、PPT、任务书、开题报告、xmind、数据集一次到位获取方式 完整源码 论文 答辩PPT 视频教程全套打包一次付费全部带走不另收费。下载链接完整材料下载链接有选题方向上的疑问也可以加微信沟通我按你的专业和技术栈推荐合适的选题方向。通过带微信号的置顶文章联系置顶文章带微信号#糖尿病视网膜病变 #深度学习 #YOLOv11 #PyTorch #毕业设计