摘要：针对无人机观察画面中人员搜索、重复记录和救援信息衔接困难的问题，本文研究基于YOLO26的伤员检测与伤情初筛辅助系统。系统选用YOLO26n作为检测核心，采用预训练参数迁移与既有数据增强配置完成四类标签的领域训练，不修改原有网络结构。系统以数据采集、算法处理、业务逻辑和用户交互四层组织功能，通过IoU短时关联整理观察记录，利用PyQt5提供检测工作台与任务页面，并以SQLite支持会话和任务信息的持久化设计。
内容简介
根据提供的材料，数据集图示共4070张图像，其中训练集3256张、验证集407张、测试集407张；训练日志可核验训练与验证合计3663张。150轮训练后，最佳权重在407张验证图像上的精确率为0.999、召回率为1.000，mAP@0.5为0.995，mAP@0.5:0.95为0.986。系统截图展示了图像、视频及摄像头检测、档案复核、任务派遣和区域统计，视频截图帧率为18.5至22.0FPS。混淆矩阵还包含59个背景误报，其统计条件与日志汇总指标尚需通过原始预测核对；现有性能分项时间也不足以证明完整桌面系统的持续实时性。
研究表明，成熟目标检测模型与记录管理流程能够形成可展示的救援信息处理原型。本文将伤情评估限定为模型标签初筛与人工确认后的业务展示，不将图像预测视为临床诊断或死亡确认。后续需要补充独立测试、来源分组审计、连续视频跟踪和完整业务验收，以进一步检验泛化能力与工程可靠性。
文档概述
文档信息
版本：初稿
页数：73页
字数：19690个字
格式：word（可编辑）
图表：40张图、18张表、23个公式
文档目录
第1章 绪论 1
1.1 研究背景与意义 1
1.2 国内外研究现状 2
1.2.1 目标检测与轻量化部署研究 2
1.2.2 无人机视觉与目标关联研究 3
1.2.3 救援信息系统与人机协同研究 3
1.3 研究内容与技术路线 4
第2章 相关理论与关键技术 5
2.1 图像表示与预处理 5
2.2 深度卷积网络与多尺度检测 6
2.2.1 卷积与非线性表示 6
2.2.2 多尺度特征与检测输出 6
2.3 边界框重叠与短时目标关联 7
2.4 检测指标与统计边界 8
2.5 图形界面与数据持久化 9
第3章 系统需求分析 10
3.1 应用场景与使用角色 10
3.2 功能需求 11
3.2.1 数据接入与检测控制 11
3.2.2 记录组织与人工复核 11
3.2.3 救援任务与统计查询 12
3.3 非功能需求 13
3.4 数据需求与可行性分析 13
第4章 系统总体设计 15
4.1 分层模块化架构 15
4.2 程序流程与运行状态 16
4.3 数据库逻辑设计 18
4.3.1 实体关系与主键设计 18
4.3.2 事务与历史保留 19
4.4 IoU关联与计数设计 20
4.5 伤情初筛与优先级显示设计 21
4.6 异步处理与异常恢复设计 22
第5章 深度卷积检测模型配置与训练 23
5.1 数据集组织与口径核验 23
5.1.1 数据规模与划分 23
5.1.2 类别映射与标注规则 24
5.2 YOLO26n结构选择 26
5.2.1 模型结构与参数规模 26
5.2.2 迁移学习与领域适配 27
5.3 训练环境与超参数 28
5.4 训练目标与数据增强 29
5.5 训练过程与模型保存 30
第6章 系统实现与界面分析 31
6.1 实现依据与模块组织 31
6.2 账户注册与登录 31
6.3 实时检测工作台 33
6.3.1 三栏布局与参数控制 33
6.3.2 单图检测与记录列表 34
6.4 目标选择与人工复核 35
6.5 救援任务创建与状态登记 37
6.5.1 任务创建与关联 37
6.5.2 派遣状态与完成证据核查 39
6.6 伤员档案与历史记录 41
6.7 B区与C区图像检测 47
6.8 本地视频检测与记录更新 50
6.9 摄像头输入检测 53
6.10 统计分析与复核进度 55
6.11 区域分析与历史分布 56
6.12 系统设置与本机数据管理 57
6.13 检测结果保存与CSV导出 59
6.14 关键工程处理与实现限制 60
第7章 实验结果与系统分析 61
7.1 实验依据与评价方案 61
7.2 收敛过程分析 61
7.3 分类别性能与阈值分析 63
7.4 混淆矩阵一致性核验 65
7.5 推理耗时与界面响应分析 67
7.6 类别占比与统计解释 69
7.7 功能验证与待完成测试 69
7.8 结果讨论与研究局限 71
第8章 总结与展望 72
8.1 研究工作总结 72
8.2 后续研究方向 73
参考文献 74
致谢 75
配套项目
作者联系
作者信息
原创作者：bob（可提供二次开发有偿修改服务）
项目编号：AI-82-P
原创声明：本项目为原创作品
联系方式
开源协议
本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。
评论(1)