这是一套完整的YOLO轮船检测系统实现方案，从前端界面到后端模型训练均有详细演示。系统支持图片、视频及实时流检测，并包含数据导出和用户管理功能，为开发者提供可直接复用的技术参考。
智能速览
系统集成PyQt5界面，支持多模型切换与参数调整。
实测首次加载后，单张图片检测耗时可低至0.07秒。
支持图片、视频、文件夹批量及摄像头实时流多种检测模式。
内置训练脚本，可自主训练YOLOv5至v12四种模型。
提供检测结果的表格导出与可视化标注图片保存功能。
精华内容
接下来深入系统核心，从操作界面、检测性能到模型训练，全面拆解其技术实现细节与实用价值。
可视化界面与交互
系统采用PyQt5构建图形界面，整体布局清晰。左侧为功能区，集中了图片、视频、文件夹及摄像头等检测入口，并支持模型权重文件的动态加载。中间区域是核心显示区，用于呈现加载的媒体内容与检测结果，上方提供了置信度与交并比的滑动调节条，可实时过滤低置信度目标。右侧则负责数据统计与展示，包含类别计数、详细数据列表及结果导出功能，用户可点击查看每个目标的类别、置信度与坐标信息。
检测性能与实用功能
该系统在性能表现上相当出色。演示数据显示，首次加载模型时，单张图片检测耗时约为2.98秒，但模型常驻内存后，后续检测速度可稳定在0.07至0.08秒之间。系统支持对检测结果进行保存，生成带有边界框和类别标注的全新图片或视频文件。同时，所有检测到的目标数据均可导出为表格，详细记录了文件路径、类别、置信度及坐标位置，便于后续数据分析与归档。
模型训练与系统扩展
系统的一大亮点是内置了完整的模型训练脚本。用户可根据自身需求，分别或依次训练YOLOv5、YOLOv8、YOLOv11和YOLOv12模型，并可配置训练轮次与批处理大小。数据集规模约4500张图片，分为训练集与验证集。此外，系统还额外实现了用户登录注册模块，包含验证码验证、个人信息修改与密码管理功能，为构建更完整的应用提供了基础。
这套系统不仅是一个功能完备的检测工具，更是一个从数据准备、模型训练到前端应用的全栈技术范例。对于希望快速上手目标检测项目的开发者而言，它提供了极高的参考价值和实践起点。如何进一步优化模型以适应更复杂的海上环境，或许是下一个值得探索的方向。
