覆盖10大热门场景：入门→基础→进阶→工业→电商→光伏→安防→医疗→农业→接单
每个项目配项目简介、核心技术栈、项目亮点、核心流程、实战代码片段、学习目标、接单价值
新手看完能从0到1跑通，老手看完能直接接单变现！

开篇：为什么选Java+YOLOv11？

Python做YOLOv11方便，但工业界/企业界/接单市场更认Java：

  • Java稳定、和产线/PLC/上位机对接方便；
  • Java项目易维护、易部署、易容器化；
  • 接单市场Java+YOLOv11的单子价格比Python高30-50%。

本文10个项目难度梯度清晰，从入门到接单，一套全搞定！

项目难度梯度总览

难度 项目数量 项目名称
入门级 1 1. YOLOv11图像分类入门：识别猫狗
基础级 1 2. YOLOv11目标检测：识别交通标志
进阶级 1 3. YOLOv11+OpenCV：实时人脸检测
工业级 1 4. 工业机器人视觉抓取：Java+YOLOv11m+OpenCV+Modbus TCP对接ABB机器人
电商级 1 5. 电商商品分拣视觉系统：Java+YOLOv11m+Quarkus+Kafka对接分拣线PLC
光伏级 1 6. 光伏硅片瑕疵检测边缘计算方案：Java+YOLOv11n+GraalVM Native Image+树莓派5部署
安防级 1 7. 安防监控：Java+YOLOv11x+Spring Boot+WebSocket实时告警
医疗级 1 8. 医疗影像辅助诊断：Java+YOLOv11s+Spring Boot+MySQL存储X光片检测结果
农业级 1 9. 农业病虫害检测：Java+YOLOv11n+Quarkus+小程序展示检测结果
接单级 1 10. 通用目标检测服务：Java+YOLOv11+Spring Boot+Docker/Kubernetes部署，支持API调用

项目1：入门级——YOLOv11图像分类入门：识别猫狗

项目简介

最基础的Java+YOLOv11项目，用YOLOv11n-cls图像分类模型识别猫狗，适合完全没接触过Java+YOLOv11的新手。

核心技术栈

  • Java 17
  • YOLOv11n-cls
  • ONNX Runtime Java
  • OpenCV 4.10

项目亮点

  • 场景简单，数据容易获取（猫狗图片网上随便找）；
  • 代码量少，100行左右就能跑通；
  • 快速熟悉Java+YOLOv11的环境搭建和基本流程。

核心流程

  1. 下载YOLOv11n-cls.pt，转ONNX；
  2. 搭建Java环境，引入OpenCV+ONNX Runtime依赖；
  3. 加载ONNX模型；
  4. 用OpenCV读取猫狗图片，预处理；
  5. YOLOv11n-cls推理；
  6. 输出分类结果（猫/狗）。

实战代码片段

// 核心推理代码
public class CatDogClassifier {
    private OrtSession session;
    private static final List<String> CLASS_NAMES = Arrays.asList("cat", "dog");

    public void init(String modelPath) throws OrtException {
        OrtEnvironment env = OrtEnvironment.getEnvironment();
        OrtSession.SessionOptions opts = new OrtSession.SessionOptions();
        session = env.createSession(modelPath, opts);
    }

    public String classify(Mat image) throws OrtException {
        // 预处理：Resize到224×224、归一化、转Tensor
        float[] inputData = preprocess(image);
        long[] shape = {1, 3, 224, 224};
        OnnxTensor inputTensor = OnnxTensor.createTensor(OrtEnvironment.getEnvironment(), FloatBuffer.wrap(inputData), shape);

        OrtSession.Result result = session.run(Collections.singletonMap(session.getInputNames().iterator().next(), inputTensor));
        float[][] output = (float[][]) result.get(0).getValue();

        // 找最大概率的类别
        int classId = 0;
        float maxProb = 0;
        for (int i = 0; i < CLASS_NAMES.size(); i++) {
            if (output[0][i] > maxProb) {
                maxProb = output[0][i];
                classId = i;
            }
        }

        return CLASS_NAMES.get(classId) + "，概率：" + String.format("%.2f", maxProb);
    }
}

学习目标

  • 掌握Java+YOLOv11的环境搭建；
  • 掌握YOLOv11转ONNX的方法；
  • 掌握OpenCV读取图片、预处理的方法；
  • 掌握ONNX Runtime Java加载模型、推理的方法。

接单价值

  • 入门级单子：500-1000元/单；
  • 适合接简单的图像分类需求（比如识别花卉、识别水果）。

项目2：基础级——YOLOv11目标检测：识别交通标志

项目简介

经典的目标检测项目，用YOLOv11n目标检测模型识别交通标志（红灯、绿灯、限速标志等），有公开数据集（GTSRB），适合有入门基础，想学习目标检测的同学。

核心技术栈

  • Java 17
  • YOLOv11n
  • ONNX Runtime Java
  • OpenCV 4.10
  • GTSRB交通标志数据集

项目亮点

  • 有公开数据集，不用自己采集数据；
  • 学习目标检测的基本流程（数据准备、模型训练、Java推理、NMS）；
  • 场景实用，能接交通标志检测的单子。

核心流程

  1. 下载GTSRB交通标志数据集；
  2. 用Python+ultralytics微调YOLOv11n；
  3. 微调后的YOLOv11n转ONNX；
  4. 搭建Java环境，引入依赖；
  5. 加载ONNX模型；
  6. 用OpenCV读取交通标志图片，预处理；
  7. YOLOv11n推理，NMS后处理；
  8. 输出检测结果（交通标志类别、位置、置信度）。

实战代码片段

// 核心NMS代码
private List<DetectionResult> nms(List<DetectionResult> results) {
    results.sort((a, b) -> Float.compare(b.getConfidence(), a.getConfidence()));
    List<DetectionResult> keep = new ArrayList<>();
    boolean[] suppressed = new boolean[results.size()];

    for (int i = 0; i < results.size(); i++) {
        if (suppressed[i]) continue;
        keep.add(results.get(i));
        for (int j = i + 1; j < results.size(); j++) {
            if (iou(results.get(i).getBbox(), results.get(j).getBbox()) > NMS_THRESHOLD) {
                suppressed[j] = true;
            }
        }
    }
    return keep;
}

学习目标

  • 掌握YOLOv11微调的方法；
  • 掌握目标检测的NMS后处理；
  • 掌握Java+YOLOv11目标检测的完整流程。

接单价值

  • 基础级单子：1000-2000元/单；
  • 适合接交通标志检测、车牌检测、简单物体检测的单子。

项目3：进阶级——YOLOv11+OpenCV：实时人脸检测

项目简介

实时人脸检测项目，用YOLOv11n-face人脸检测模型+OpenCV实时摄像头采集，对性能有要求，适合有基础，想学习实时推理的同学。

核心技术栈

  • Java 17
  • YOLOv11n-face
  • ONNX Runtime Java
  • OpenCV 4.10
  • 实时摄像头采集

项目亮点

  • 实时检测，对性能有要求，能学习实时推理的优化；
  • 场景实用，能接实时人脸检测、实时人数统计的单子；
  • 学习OpenCV实时摄像头采集的方法。

核心流程

  1. 下载YOLOv11n-face.pt，转ONNX；
  2. 搭建Java环境，引入依赖；
  3. 加载ONNX模型；
  4. OpenCV实时采集摄像头图像；
  5. YOLOv11n-face推理，NMS后处理；
  6. OpenCV在图像上画人脸框；
  7. 实时显示检测结果。

实战代码片段

// 核心实时检测代码
public class RealTimeFaceDetector {
    private VideoCapture capture;
    private YoloV11nFaceDetector detector;

    public void init(int cameraIndex, String modelPath) throws OrtException {
        capture = new VideoCapture(cameraIndex);
        if (!capture.isOpened()) {
            throw new RuntimeException("❌ 摄像头打开失败");
        }
        detector = new YoloV11nFaceDetector();
        detector.init(modelPath);
    }

    public void run() {
        Mat frame = new Mat();
        while (true) {
            capture.read(frame);
            if (frame.empty()) break;

            List<DetectionResult> results = detector.detect(frame);
            for (DetectionResult result : results) {
                Imgproc.rectangle(frame, result.getBbox(), new Scalar(0, 255, 0), 2);
                Imgproc.putText(frame, result.getClassName() + " " + String.format("%.2f", result.getConfidence()),
                    new Point(result.getBbox().x, result.getBbox().y - 10),
                    Imgproc.FONT_HERSHEY_SIMPLEX, 0.5, new Scalar(0, 255, 0), 2);
            }

            Imgproc.imshow("Real-Time Face Detection", frame);
            if (Imgproc.waitKey(1) == 27) break; // 按ESC退出
        }
        capture.release();
        Imgproc.destroyAllWindows();
    }
}

学习目标

  • 掌握OpenCV实时摄像头采集的方法；
  • 掌握实时推理的优化（比如降低分辨率、降低帧率）；
  • 掌握OpenCV在图像上画框、写字的方法。

接单价值

  • 进阶级单子：2000-5000元/单；
  • 适合接实时人脸检测、实时人数统计、实时物体跟踪的单子。

项目4：工业级——工业机器人视觉抓取：Java+YOLOv11m+OpenCV+Modbus TCP对接ABB机器人

项目简介

工业机器人视觉抓取项目，用YOLOv11m检测工件，OpenCV九点手眼标定，Modbus TCP对接ABB机器人，适合想学习工业自动化的同学。

核心技术栈

  • Java 17
  • YOLOv11m
  • ONNX Runtime Java
  • OpenCV 4.10
  • Modbus4j
  • ABB机器人

项目亮点

  • 工业级项目，有实际应用价值；
  • 学习工业机器人视觉抓取的完整流程；
  • 学习Modbus TCP对接工业机器人的方法；
  • 学习九点手眼标定的方法。

核心流程

（详见之前的文章《工业机器人视觉抓取实战：Java+YOLOv11m+OpenCV 4.10+Modbus TCP对接ABB机器人》）

学习目标

  • 掌握工业机器人视觉抓取的完整流程；
  • 掌握九点手眼标定的方法；
  • 掌握Modbus TCP对接工业机器人的方法。

接单价值

  • 工业级单子：5000-20000元/单；
  • 适合接工业机器人视觉抓取、工业视觉分拣、工业视觉检测的单子。

项目5：电商级——电商商品分拣视觉系统：Java+YOLOv11m+Quarkus+Kafka对接分拣线PLC

项目简介

电商商品分拣视觉系统，用YOLOv11m检测商品SKU，Quarkus云原生框架，Kafka解耦视觉系统和PLC，适合想学习电商自动化的同学。

核心技术栈

  • Java 17
  • YOLOv11m
  • ONNX Runtime Java
  • OpenCV 4.10
  • Quarkus 3.15
  • Kafka 3.7
  • Modbus4j
  • 分拣线PLC

项目亮点

  • 电商级项目，有实际应用价值；
  • 学习云原生框架Quarkus的使用；
  • 学习Kafka消息队列的使用；
  • 学习电商商品分拣的完整流程。

核心流程

（详见之前的文章《电商商品分拣视觉系统：Java+YOLOv11m+Quarkus 3.15+Kafka对接分拣线PLC》）

学习目标

  • 掌握云原生框架Quarkus的使用；
  • 掌握Kafka消息队列的使用；
  • 掌握电商商品分拣的完整流程。

接单价值

  • 电商级单子：10000-30000元/单；
  • 适合接电商商品分拣、电商商品盘点、电商商品检测的单子。

项目6：光伏级——光伏硅片瑕疵检测边缘计算方案：Java+YOLOv11n+GraalVM Native Image+树莓派5部署

项目简介

光伏硅片瑕疵检测边缘计算方案，用YOLOv11n检测硅片瑕疵，GraalVM Native Image编译原生可执行文件，树莓派5边缘部署，适合想学习边缘计算的同学。

核心技术栈

  • Java 17
  • YOLOv11n
  • ONNX Runtime Java
  • OpenCV 4.10
  • GraalVM CE 23.1.2
  • 树莓派5 8GB

项目亮点

  • 光伏级项目，有实际应用价值；
  • 学习边缘计算的完整流程；
  • 学习GraalVM Native Image编译原生可执行文件的方法；
  • 学习树莓派5边缘部署的方法。

核心流程

（详见之前的文章《光伏硅片瑕疵检测边缘计算方案：Java+YOLOv11n+GraalVM Native Image+树莓派5部署》）

学习目标

  • 掌握边缘计算的完整流程；
  • 掌握GraalVM Native Image编译原生可执行文件的方法；
  • 掌握树莓派5边缘部署的方法。

接单价值

  • 光伏级单子：15000-40000元/单；
  • 适合接光伏硅片瑕疵检测、光伏电池片检测、光伏组件检测的单子。

项目7：安防级——安防监控：Java+YOLOv11x+Spring Boot+WebSocket实时告警

项目简介

安防监控项目，用YOLOv11x检测人、车、物，Spring Boot做业务逻辑，WebSocket实时告警，适合想学习安防自动化的同学。

核心技术栈

  • Java 17
  • YOLOv11x
  • ONNX Runtime Java
  • OpenCV 4.10
  • Spring Boot 3.4
  • Spring WebSocket
  • MySQL 8.0
  • MyBatis-Plus 3.5.7

项目亮点

  • 安防级项目，有实际应用价值；
  • 学习Spring WebSocket实时告警的方法；
  • 学习安防监控的完整流程；
  • 学习MySQL+MyBatis-Plus存储检测结果的方法。

核心流程

  1. 下载YOLOv11x.pt，转ONNX；
  2. 搭建Spring Boot环境，引入依赖；
  3. 加载ONNX模型；
  4. OpenCV实时采集监控摄像头图像；
  5. YOLOv11x推理，检测人、车、物；
  6. 如果检测到异常（比如有人闯入），WebSocket实时告警；
  7. MySQL+MyBatis-Plus存储检测结果；
  8. 生成检测报表。

实战代码片段

// 核心WebSocket实时告警代码
@Component
public class SecurityWebSocketService {
    @Autowired
    private SimpMessagingTemplate messagingTemplate;

    public void pushAlert(String alert) {
        messagingTemplate.convertAndSend("/topic/security-alert", alert);
        System.out.println("✅ 安防告警已实时推送：" + alert);
    }
}

学习目标

  • 掌握Spring WebSocket实时告警的方法；
  • 掌握安防监控的完整流程；
  • 掌握MySQL+MyBatis-Plus存储检测结果的方法。

接单价值

  • 安防级单子：20000-50000元/单；
  • 适合接安防监控、安防告警、安防检测的单子。

项目8：医疗级——医疗影像辅助诊断：Java+YOLOv11s+Spring Boot+MySQL存储X光片检测结果

项目简介

医疗影像辅助诊断项目，用YOLOv11s检测X光片的病灶（比如骨折、肺炎），Spring Boot做业务逻辑，MySQL存储检测结果，适合想学习医疗AI的同学。

核心技术栈

  • Java 17
  • YOLOv11s
  • ONNX Runtime Java
  • OpenCV 4.10
  • Spring Boot 3.4
  • MySQL 8.0
  • MyBatis-Plus 3.5.7
  • 医疗X光片数据集（比如CheXpert）

项目亮点

  • 医疗级项目，有实际应用价值；
  • 学习医疗影像辅助诊断的完整流程；
  • 学习医疗数据处理的方法；
  • 学习MySQL+MyBatis-Plus存储医疗检测结果的方法。

核心流程

  1. 下载CheXpert医疗X光片数据集；
  2. 用Python+ultralytics微调YOLOv11s；
  3. 微调后的YOLOv11s转ONNX；
  4. 搭建Spring Boot环境，引入依赖；
  5. 加载ONNX模型；
  6. 用OpenCV读取医疗X光片，预处理；
  7. YOLOv11s推理，检测病灶；
  8. MySQL+MyBatis-Plus存储检测结果；
  9. 生成辅助诊断报告。

学习目标

  • 掌握医疗影像辅助诊断的完整流程；
  • 掌握医疗数据处理的方法；
  • 掌握MySQL+MyBatis-Plus存储医疗检测结果的方法。

接单价值

  • 医疗级单子：30000-80000元/单；
  • 适合接医疗影像辅助诊断、医疗影像检测、医疗影像分析的单子。

项目9：农业级——农业病虫害检测：Java+YOLOv11n+Quarkus+小程序展示检测结果

项目简介

农业病虫害检测项目，用YOLOv11n检测农作物的病虫害（比如水稻稻飞虱、玉米螟虫），Quarkus云原生框架，小程序展示检测结果，适合想学习农业AI的同学。

核心技术栈

  • Java 17
  • YOLOv11n
  • ONNX Runtime Java
  • OpenCV 4.10
  • Quarkus 3.15
  • 微信小程序
  • 农业病虫害数据集（比如PlantVillage）

项目亮点

  • 农业级项目，有实际应用价值；
  • 学习农业病虫害检测的完整流程；
  • 学习小程序对接的方法；
  • 学习Quarkus云原生框架的使用。

核心流程

  1. 下载PlantVillage农业病虫害数据集；
  2. 用Python+ultralytics微调YOLOv11n；
  3. 微调后的YOLOv11n转ONNX；
  4. 搭建Quarkus环境，引入依赖；
  5. 加载ONNX模型；
  6. 小程序上传农作物图片；
  7. Quarkus接收图片，用OpenCV读取，预处理；
  8. YOLOv11n推理，检测病虫害；
  9. Quarkus返回检测结果给小程序；
  10. 小程序展示检测结果和防治建议。

学习目标

  • 掌握农业病虫害检测的完整流程；
  • 掌握小程序对接的方法；
  • 掌握Quarkus云原生框架的使用。

接单价值

  • 农业级单子：25000-60000元/单；
  • 适合接农业病虫害检测、农业作物检测、农业产量预估的单子。

项目10：接单级——通用目标检测服务：Java+YOLOv11+Spring Boot+Docker/Kubernetes部署，支持API调用

项目简介

通用目标检测服务，用YOLOv11做通用目标检测，Spring Boot做API服务，Docker/Kubernetes容器化部署，支持API调用，适合想接单变现的同学。

核心技术栈

  • Java 17
  • YOLOv11n/YOLOv11m/YOLOv11x
  • ONNX Runtime Java
  • OpenCV 4.10
  • Spring Boot 3.4
  • Docker
  • Kubernetes
  • API文档（Swagger/OpenAPI）

项目亮点

  • 接单级项目，能直接接单变现；
  • 学习通用目标检测服务的开发；
  • 学习API设计的方法；
  • 学习Docker/Kubernetes容器化部署的方法；
  • 学习高可用服务的开发。

核心流程

  1. 下载YOLOv11n/YOLOv11m/YOLOv11x.pt，转ONNX；
  2. 搭建Spring Boot环境，引入依赖；
  3. 加载多个YOLOv11模型（n/m/x，用户可选）；
  4. 设计API接口（上传图片、选择模型、返回检测结果）；
  5. 用OpenCV读取用户上传的图片，预处理；
  6. YOLOv11推理，NMS后处理；
  7. 返回检测结果（JSON格式）；
  8. 生成API文档（Swagger/OpenAPI）；
  9. Docker容器化部署；
  10. Kubernetes部署，实现高可用和自动扩缩容。

实战代码片段

// 核心API接口代码
@RestController
@RequestMapping("/api/detection")
public class DetectionController {
    @Autowired
    private DetectionService detectionService;

    @PostMapping("/upload")
    public Result<List<DetectionResult>> detect(
            @RequestParam("image") MultipartFile image,
            @RequestParam(value = "model", defaultValue = "yolov11n") String model) {
        try {
            Mat img = Imgcodecs.imdecode(new MatOfByte(image.getBytes()), Imgcodecs.IMREAD_COLOR);
            List<DetectionResult> results = detectionService.detect(img, model);
            return Result.success(results);
        } catch (Exception e) {
            e.printStackTrace();
            return Result.error("检测失败：" + e.getMessage());
        }
    }
}

学习目标

  • 掌握通用目标检测服务的开发；
  • 掌握API设计的方法；
  • 掌握Docker/Kubernetes容器化部署的方法；
  • 掌握高可用服务的开发。

接单价值

  • 接单级项目：能接各种通用目标检测的单子，价格根据需求而定（5000-100000元/单）；
  • 适合接通用目标检测服务、定制目标检测服务、API服务开发的单子。

总结：从入门到接单的学习路径

  1. 入门级：项目1（识别猫狗），熟悉Java+YOLOv11的环境搭建和基本流程；
  2. 基础级：项目2（识别交通标志），学习YOLOv11微调、目标检测NMS；
  3. 进阶级：项目3（实时人脸检测），学习实时推理优化、OpenCV实时采集；
  4. 工业级：项目4（工业机器人视觉抓取），学习工业自动化、Modbus TCP、九点标定；
  5. 电商级：项目5（电商商品分拣），学习云原生Quarkus、Kafka、电商自动化；
  6. 光伏级：项目6（光伏硅片瑕疵检测），学习边缘计算、GraalVM Native Image、树莓派部署；
  7. 安防级：项目7（安防监控），学习Spring WebSocket、安防自动化、MySQL存储；
  8. 医疗级：项目8（医疗影像辅助诊断），学习医疗AI、医疗数据处理；
  9. 农业级：项目9（农业病虫害检测），学习农业AI、小程序对接；
  10. 接单级：项目10（通用目标检测服务），学习API设计、Docker/Kubernetes、高可用服务，开始接单变现。
# java # 开发语言 # 计算机视觉 # 目标检测 # 人工智能
Logo
AtomGit开源社区

AtomGit 是由开放原子开源基金会联合 CSDN 等生态伙伴共同推出的新一代开源与人工智能协作平台。平台坚持“开放、中立、公益”的理念，把代码托管、模型共享、数据集托管、智能体开发体验和算力服务整合在一起，为开发者提供从开发、训练到部署的一站式体验。

更多推荐

cover

如何一键安装和使用腾讯的小龙虾-workbuddy？

avatar AtomGit开源社区

Apache Doris + SelectDB：定义 AI 时代，实时分析的三大范式

我们正处在一个数据与智能深度耦合的时代。当生成式 AI 重构着人机交互的边界，当大模型开始渗透每一个业务环节，一个根本性问题浮出水面：。这正是我们今天强调实时分析的底层逻辑。它不再是加分项，而是企业在数字经济中生存与成功的必需品。即时决策与快速响应：这是最直观、也最迫切的需求。在定义胜负的市场中，企业必须在数据产生后的几秒钟内，从最新数据中提炼出可执行的洞察。数据的新鲜度，直接决定商业决策的时效性

avatar AtomGit开源社区
cover

AI教我UE渲染-学习笔记（4）：测试新写个全屏复制贴图的shader与pass

avatar AtomGit开源社区