基于YOLO的挖掘机目标检测模型+flask模型前端展示的环境配置文档，与之前上传的基于YOLO的挖掘机目标检测模型+flask模型前端展示配合使用。 1.安装Paddle 2.安装PaddleDetection 3.安装后端使用的Flask框架 4.安装Windows下的git环境

1、YOLOv3训练好的烟雾检测模型，训练了yoov3-smoke.pt和YOLOvs3_tiny-smoke.pt。两个模型； 并包含4500多张标注好的烟雾数据集，标签格式为xml和txt两种，类别名为smoke，配置好环境后可以直接使用 2、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 3、采用pytrch框架，代码是python的

1、YOLOv3吸烟行为检测，两种训练好的模型，内含各种训练曲线图，并包含数据集， 5000多张使用lableimg软件标注软件标注好的吸烟数据，图片格式为jpg，标签有两种，分别为xml格式和txt格式，分别保存在两个文件夹中，类别名为smoke; 可以直接用于YOLO系列的吸烟行， 2、包含yolov3和YOLOv3_tiny两种训练好的模型 3、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 4、采用pytrch框架，代码是python的

1、YOLOV5吸烟行为检测，两种训练好的模型，内含各种训练曲线图，并包含数据集， 5000多张使用lableimg软件标注软件标注好的吸烟数据，图片格式为jpg，标签有两种，分别为xml格式和txt格式，分别保存在两个文件夹中，类别名为smoke; 可以直接用于YOLO系列的吸烟行， 2、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 3、qt界面可以 检测图片、视频和调用摄像头，有相应的选择项 4、采用pytrch框架，代码是python的

使用教程：https://www.guyuehome.com/8604，该教程中output文件夹中的模型文件，因为单个文件上传github有大小限制所以拿出来单独上传，mAP = 90.89662

姿态检测模型，已经训练好了，配置环境即可使用，可识别摔倒检测

1、YOLOV5训练好的飞鸟检测模型+pyqt界面，包括YOLOv5s-bird.pt和YOLOv5m-bird.pt两个训练好的模型，并包含近1000张标注好的鸟类数据集，标签格式为xml和txt两种，类别名为bird， 2、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 3、另外一万多张飞鸟数据集 https://download.csdn.net/download/zhiqingAI/85110825 4、采用pytrch框架，代码是python的

YOLOv3火焰烟雾识别训练结果，包含训练好的两个模型，安装好环境后可以直接使用， 类别名fire和smoke， 框架：pytorch; 代码：python

YOLOv5火焰烟雾识别训练结果，包含训练好的两个模型，安装好环境后可以直接使用， 类别名fire和smoke，包含标注好的数据集

基于抽样测量的高速网络实时异常检测模型