这是一个融合YOLO多模型与大语言模型的智能手势识别系统，采用前后端分离架构，实现了图像、视频及实时摄像头的石头剪刀布手势检测，准确率达96.3%。系统不仅具备基础识别功能，还集成了DeepSeek和千问大模型进行智能分析，为开发者提供了完整的技术实现方案。
智能速览
系统整合YOLOv8/v10/v11/v12四种模型，支持自由切换
采用7335张定制数据集训练，覆盖石头、剪刀、布三类手势
后端基于SpringBoot，前端使用Vue，实现前后端分离
集成DeepSeek和千问大模型，提供语义化分析功能
支持图像、视频、摄像头三种检测模式，结果存入MySQL
实现用户权限管理、数据可视化等完整配套功能
精华内容
这个石头剪刀布检测系统通过深度学习和目标检测技术，实现了高精度的手势识别。系统设计充分考虑了实际应用需求，提供了灵活的模型选择和智能分析能力。
技术架构设计
系统采用前后端分离架构，后端基于SpringBoot框架构建，确保高并发处理能力和可扩展性。前端使用Vue框架，提供友好的Web交互界面。核心检测模块集成了YOLOv8、YOLOv10、YOLOv11和YOLOv12四种先进的目标检测算法，用户可根据需求切换不同模型。
所有用户信息、检测记录和分析日志均持久化存储在MySQL数据库中。系统还实现了完善的管理功能，包括用户登录注册、个人中心管理、管理员权限控制等。
数据集与训练
项目使用大规模、高质量的定制手势数据集进行模型训练。数据集共包含7335张标注图像，其中训练集6455张，验证集576张，测试集304张，涵盖’Paper’（布）、‘Rock’（石头）、‘Scissors’（剪刀）三个类别。
通过100轮训练，模型准确率达到96.3%。训练过程大约需要8-9小时完成一轮，最终训练完成的模型权重文件已集成到系统中，用户无需重新训练即可直接使用。
核心功能实现
系统支持三种检测模式：图像检测、视频检测和摄像头实时检测。图像检测允许用户上传图片文件，可选择不同YOLO模型，并启用或禁用AI分析功能。视频检测支持上传视频文件进行批量处理，检测结果可同步播放查看。
摄像头检测模式实现实时手势识别，延迟控制在0.1秒内。所有检测结果都会自动保存到数据库，包括检测时间、使用模型、置信度、AI分析结果等详细信息，支持按时间筛选查看。
AI智能分析
系统深度融合了DeepSeek和千问大语言模型的智能分析能力，超越了单纯的类别识别。当用户启用AI分析功能时，系统不仅识别手势类型，还会对结果进行语义化解释和策略性分析。
用户可以根据需求自定义提示词，比如让AI分析谁胜谁负，或者提供其他策略性建议。这一功能大大扩展了系统的应用场景，从简单的识别工具升级为智能分析平台。
数据可视化
系统提供了丰富的数据可视化功能，直观展示模型性能与用户行为数据。可视化界面包括平台使用趋势图、手势分布饼图、模型识别率雷达图等。
用户可以通过图表快速了解不同手势的检测频率、各模型的准确率对比、识别速度等关键指标。实时检测记录表支持查看详情，方便用户追踪和管理历史检测数据。这些可视化功能为系统优化和决策提供了有力支持。
这个石头剪刀布检测系统展示了深度学习在实际应用中的强大潜力。通过多模型集成、大语言模型融合和完整的功能设计，它不仅是一个技术演示，更是一个可直接部署的实用解决方案。未来在互动娱乐、教育训练等领域都有广阔的应用前景。
