摘要：本文面向无人机（UAV）目标检测的工程落地，构建一套端到端桌面检测系统：提供从数据准备、训练评测到推理部署的一体化流程，支持数据与代码可下载，并给出可直接复用的论文写作示例。系统前端基于PySide6/Qt实现，覆盖图片、视频与本地摄像头三类输入，检测结果在主显示区实时叠加框（类别名+置信度），同时以进度条呈现视频/批处理推理进展。系统支持一键CSV 导出与带框结果一键导出，单帧导出为 PNG，多帧序列导出为 AVI，便于复查与报告归档；检测记录与账户信息使用本地SQLite持久化管理，提供登录/注册（可跳过）的入口与会话机制以兼顾安全与上手效率。算法侧覆盖 YOLOv5–YOLOv12 共 8 种模型，支持模型选择/权重加载（.pt 热切换），并在同一数据集上对比 mAP、F1、PR 曲线与训练曲线等指标，为不同算力与实时性需求提供可量化的选型依据。文末提供完整工程与数据集下载链接。

功能效果展示视频：热门实战｜《基于深度学习的无人机目标检测系统》YOLOv12-v8多版本合集：附论文/源码/PPT/数据集，支持图片/视频/摄像头输入、可视化界面、结果导出与权重切换

➷点击跳转至文末所有涉及的完整代码文件下载页☇

---

1. 系统功能与效果

（1）系统提供登录、注册与一次性跳过入口，登录会话在本次运行周期内生效，用于关联用户偏好与历史检测记录。跳过模式可直接进入主界面完成检测流程，但仅保留通用配置与临时会话信息，兼顾上手效率与基础安全。账户与会话相关信息采用本地存储管理，配合口令校验与最小化暴露原则，降低误用与数据泄露风险。

（2）主界面集中呈现当前模型状态、最近一次检测摘要与关键操作入口，用户可据此快速开始或继续上一次任务。整体动线围绕“概况—选择模型—开始检测—查看结果—导出归档”展开，减少页面跳转成本。底部的检测记录区支持按时间与来源快速定位，配合结果表格联动高亮，便于复查与对比。

（3）系统支持从本地选择权重文件切换当前模型，切换后会同步刷新类别名称、配色映射与显示标签，保证可视化与统计口径一致。模型状态在界面显式呈现，避免多次实验过程中出现“权重与结果不一致”的误操作。用户在切换模型后可直接复用同一输入进行对比，形成更稳定的实验闭环体验。

（4）图片检测支持即选即推理，检测框在主显示区叠加展示，并给出类别名与置信度以辅助人工核验。用户可通过阈值调节来控制误检与漏检的权衡，并支持对目标进行选择与高亮以聚焦关注对象。检测结果与用时信息会同步写入记录区，便于对同一图片在不同模型间进行快速对照。

（5）文件保存导出内容包括结构化结果与带框可视化结果，便于后续统计分析与复现复查。保存采用统一命名与归档规则，结合时间戳与原始文件名信息，降低多轮实验的混淆概率。用户可按记录条目一键回到对应导出项，实现从结果到文件的快速闭环定位。

---

2. 绪论

2.1 研究背景及意义

低空空域的开放与无人机普及，使得“看得见、认得准、反应快”的无人机检测逐渐从安防场景走向园区巡检、机场周界、重大活动保障等高频应用需求。1 现实环境中，无人机常以小尺寸、快速运动与复杂背景叠加的形式出现，且在远距离成像下容易与鸟类等目标产生外观混淆，导致误检与漏检同时增大。2 因此，系统不仅需要具备较高的检测精度，还必须兼顾实时性、稳定性与可追溯性，才能在“预警—处置—复盘”的闭环中形成可落地的工程价值。3 (arXiv)

从技术演进角度看，深度学习目标检测已形成较成熟的算法链路，但在无人机这一“高动态、小目标、强干扰”的细分任务上，算法性能往往会被数据域差异、尺度分布与背景先验所显著影响。4 与此同时，端侧或桌面侧的交互式推理系统能把模型能力转化为可用体验：通过阈值可调、结果可视化、批量导出与本地存储，实现人机协同下的快速验证与部署迁移。5 (ar5iv)

2.2 国内外研究现状

针对“固定摄像头或地面视角的无人机入侵检测”这一场景，研究普遍面临目标尺寸小、运动模糊明显、天空与建筑背景跨度大、以及与鸟类等空中目标的类间相似性等难点。6 为推动该方向的可比评测，学界构建了多模态与多条件的数据基准，例如 Anti-UAV 提供了大规模标注视频对并强调真实场景下的挑战性。7 与“反无人机”任务相对，无人机航拍视角的数据集（如 VisDrone、UAVDT）更多聚焦密集目标、遮挡与尺度变化，对小目标检测与视频帧级推理同样具有方法论参考价值。8 (arXiv)

在检测范式层面，两阶段方法通过候选区域机制提升定位与分类上限，但额外的候选生成与多阶段计算会牺牲实时性，例如 Faster R-CNN 在 VOC07+12 训练设定下达到 73.2% mAP 的同时，整体仍依赖较重的流程。9 单阶段检测器以更短的推理链路换取实时性，SSD 在 VOC 上实现了速度与精度的折中，但对小目标与极端尺度的鲁棒性仍是无人机场景的关键瓶颈。10 近年来 Anchor-free 思路通过去除锚框超参降低工程复杂度，并在密集目标或尺度多样场景中表现更稳定，例如 FCOS 以“逐点预测”的方式缓解了锚框设计对泛化的约束。11

Transformer 检测器推动了端到端集合预测与去 NMS 的方向，但早期 DETR 体系在收敛效率与小目标表现上存在客观短板。12 面向实时应用，RT-DETR 通过混合编码器与查询选择机制，将 COCO 上的精度与 T4 上的帧率同时推高至工程可用区间，证明了“端到端实时 DETR”在去 NMS 场景下的潜力。13 与之呼应，YOLOv10 进一步提出无 NMS 的端到端训练思路，强调效率与部署友好性，并在多尺度上追求精度与延迟的共同最优。14 (ar5iv)

以 YOLO 家族为核心的实时检测路线仍是无人机检测系统最常用的工程基座，原因在于其在吞吐、精度、生态与部署链路上长期占优。15 最新的 YOLOv12 将注意力机制以“速度可比、精度更优”的方式引入 YOLO 框架，并在 COCO 基准上给出了清晰的延迟—精度权衡数据，为“桌面端实时推理 + 任务域微调”提供了更强的主干选择。16 在国内研究中，围绕无人机视觉的复杂背景、小目标与密集遮挡，已有工作通过改进特征融合、注意力或轻量化模块在 VisDrone 等数据上提升 mAP 与推理速度，体现了“面向难点定制结构”的有效性。17 另有研究面向边缘部署，通过显著降低参数量与模型体积来换取更低资源占用，为实时在线检测提供可复制的工程策略。18 (arXiv)

为便于对比不同范式与代表性方法在“精度—速度—部署”维度的权衡，表 2-1 汇总了部分经典与近期方法的可追溯指标，并标注其更适合缓解的任务难点。

方法	范式/家族	典型数据集	关键改进点	优势	局限性	关键指标（示例）	更适配的难点
Faster R-CNN 9	Two-stage / Anchor-based	VOC	RPN 与检测共享特征	上限高、定位稳	流程重、实时性受限	VOC07+12：73.2% mAP	复杂背景下稳定位
SSD 10	One-stage / Anchor-based	VOC	多尺度特征图预测	结构简单、速度快	小目标与尺度极端易掉点	VOC：72.1% mAP@58 FPS	中等尺度、轻量场景
RetinaNet 19	One-stage / Anchor-based	COCO	Focal Loss 抑制易样本	缓解前景/背景不均衡	仍需锚框与 NMS	COCO：最高 40.8 AP（论文报告）	类不均衡、长尾
FCOS 11	One-stage / Anchor-free	COCO	逐点回归 + 中心度	少超参、泛化更好	后处理仍依赖 NMS	COCO：论文报告 AP 优势	尺度变化、密集目标
RT-DETR 13	End-to-end DETR	COCO	混合编码器 + 查询选择	去 NMS、端到端部署	训练与结构更复杂	COCO：53.1 AP@108 FPS（T4）	去 NMS、低延迟链路
YOLOv10-N 14	YOLO / End-to-end	COCO	无 NMS 训练、效率驱动设计	延迟更低、部署友好	训练策略更敏感	见论文/对比表报告	端到端部署、实时
YOLOv12-N 16	YOLO / Attention-centric	COCO	Area Attention + R-ELAN	精度提升且延迟可控	依赖高效注意力实现	40.6 mAP@1.64 ms（T4）	小目标、复杂背景
Drone-vs-Bird 数据集工作 2	数据与任务定义	Drone/Bird	强化鸟类干扰对比	贴近误检痛点	数据域仍需扩展	以检测/分类为目标	鸟类混淆、误警控制

2.3 要解决的问题及其方案

要解决的问题：（1）检测准确性与实时性难以兼得：无人机目标小、运动快且背景跨度大，系统需要在较低延迟下保持稳定召回与误警可控。（2）模型的环境适应性与泛化能力不足：不同相机、焦段、天气与光照会导致域偏移，单一训练配置容易出现跨场景性能坍塌。（3）桌面端交互界面的直观性与功能完整性：需要把“阈值调参—结果可视—错误复盘—再次验证”串成闭环，避免模型不可控带来的使用门槛。（4）数据处理效率与存储安全性：多源输入下的批量推理、记录管理与导出归档需要一致的结构化支撑，并保证账户与结果的本地可控。

解决方案：（1）以 YOLOv12 为核心模型并覆盖 YOLOv5–YOLOv12 的多模型对比训练与推理评测，通过数据增强与迁移学习提升小目标与复杂背景下的鲁棒性。（2）基于 PyTorch 完成训练与推理，并与 PySide6/Qt 桌面端做端到端集成，实现图片、视频与摄像头输入的统一推理链路。（3）提供模型权重热切换与阈值参数同步机制，使用户可快速对比不同模型在同一输入上的误检漏检差异并形成可解释复盘。（4）优化数据处理与存储结构，通过序列缓存、时间戳命名、SQLite 本地库与导出编排提升实时性、稳定性与结果可追溯性，并结合硬件加速与系统测试确保工程可用。

2.4 博文贡献与组织结构

本文的主要贡献体现在：（1）围绕无人机检测的任务难点与可比评测，梳理端到端检测范式、YOLO 系列与实时 DETR 的关键演进脉络，并给出可追溯的代表性对比。（2）以 YOLOv12 为主线完成训练、推理与多模型对比，强调小目标、强干扰与实时性之间的结构性权衡。（3）给出面向桌面端使用的 PySide6/Qt 交互式检测系统设计，将调参与可视化、记录与导出、以及本地存储整合为一套闭环体验。（4）提供覆盖 mAP、F1、PR 与训练曲线的实验分析方法，并将其与系统侧“可复现、可对比、可追溯”的工程需求对齐。（5）配套提供完整工程与数据集下载入口，便于读者复现实验、替换权重并扩展到更多真实场景。

后续章节安排如下：第 3 章介绍数据集构建、标注与增强策略，并解释其与小目标、遮挡与背景干扰等难点的对应关系。第 4 章以 YOLOv12 为主线展开模型原理与关键组件设计，并说明损失函数、训练策略与推理后处理对实时检测的影响。第 5 章给出 YOLOv5–YOLOv12 的对比实验结果与误检漏检分析，补充曲线与可视化证据。第 6 章从分层架构角度描述 Qt 桌面系统的设计与实现，强调多源输入、权重热切换、记录与导出、以及本地数据库的协同机制。最后在第 7 章总结系统有效性并展望轻量化、部署与数据闭环的未来工作方向。

---

3. 数据集处理

本文无人机检测数据集共包含 6988 张图像，其中训练集 4988 张、验证集 1000 张、测试集 1000 张，三者在数量上保持了较为均衡的评测支撑，既能用于稳定收敛，也便于在不同模型间做可比对照。从样例可视化可以观察到，数据覆盖了天空、城市建筑、田野与设施背景等多种拍摄条件，目标尺度跨度明显：既存在画面中占比很小的远距离无人机，也包含近景占幅较大的机体细节，这使得检测任务天然具有“小目标占比高、尺度变化大、背景干扰强”的特点，符合低空监测场景的真实分布。标签及其对应的中文名称如下所示：

Chinese_name = {'0': "无人机"}

在标注规范上，样例框旁的类别编号一致为“0”，说明当前数据可按单类别无人机进行建模，标注以矩形框为主并聚焦机体主体区域，便于在推理阶段直接输出 {class_name, bbox, score} 进行可视化叠加与结构化统计。结合标签相关性分布图可以看到，目标中心点坐标主要集中在图像中部附近，而宽高分布呈现“以小尺寸为主、伴随少量大目标尾部”的形态，这意味着本数据集的“长尾”更多体现在目标尺度而非类别数量上；相应地，模型需要在特征金字塔的低层细节与高层语义之间取得更好的融合，以减少远距离小目标的漏检，并降低复杂背景下的误检风险。

为保证跨模型对比的公平性，训练、验证与测试划分采用固定规则与固定随机性设置以保持可复现，三份数据在背景类型与尺度分布上尽量保持一致，从而避免评测指标因数据偏置而波动。预处理阶段统一输入尺度并保持宽高比例的合理还原，使得不同分辨率样本在网络输入端具有一致的空间尺度；训练阶段配合常用的颜色与几何增强、尺度扰动与局部遮挡等策略，可同时覆盖光照变化、反光与阴影、轻度模糊及遮挡等常见难点，从数据层面提升模型对“天空背景弱纹理、小目标细节不足、边缘截断与遮挡”场景的鲁棒性，并为后续 YOLOv5–YOLOv12 的对比实验提供更稳定的训练分布基础。

---

4. 模型原理与设计

本文系统在算法侧默认以 YOLOv12 作为主线模型：它仍属于单阶段（One-Stage）的实时检测范式，整体思路是把输入图像映射到多尺度特征图上，再由检测头同时回归边界框与预测类别概率，从而在端到端推理链路中兼顾速度与精度。面向无人机目标“远距离小目标、多尺度变化、背景干扰强、实时性要求高”等典型难点，YOLOv12延续了YOLO系的层次化骨干与金字塔式特征融合思路，但将注意力机制更深地纳入主干与特征聚合设计，使模型在保持实时推理可用性的同时提升全局建模与细粒度辨别能力。(Ultralytics Docs)

在结构设计上，YOLOv12的关键是将高效注意力与轻量化聚合模块“嵌入”到Backbone/Neck的主干路径：其 Area Attention 通过把特征图按水平或垂直方向划分为若干区域（文档给出的默认划分为4个区域），在区域内部计算自注意力以降低计算与访存开销，同时保持较大的有效感受野；对应的注意力计算可写为
$$\mathrm{Attn}(Q,K,V)=\mathrm{Softmax}!\left(\frac{Q{K}^{\top }}{\sqrt{d}}\right)V,$$
其中$Q,K,V$由输入特征线性映射（或$1\times 1$卷积映射）得到，$d$为每个注意力头的特征维度；“区域化”相当于把全局$HW$个token分解为若干子集合分别计算，从而将复杂度从$O((HW{)}^2)$压缩为$O({\sum }_r{N}_r^2)$。与此同时，YOLOv12提出的 R-ELAN 在特征聚合块中引入带缩放的残差捷径以缓解大模型优化不稳定，其核心形式可概括为$y=x+\alpha F(x)$，其中$F(\cdot )$为聚合与变换分支，$\alpha$为缩放因子，用于稳定训练与梯度传播；此外还通过卷积化实现与位置感知相关的简化设计（例如以可分离大卷积核感知位置信息），以更贴合实时推理的算子效率。网络整体架构图如下图所示：

在损失函数与任务建模上，系统采用YOLO系常见的“分类+回归”联合优化目标：对分类分支使用二元交叉熵（或其改进形式）刻画类别置信度，对回归分支使用IoU族损失刻画框定位质量，并可叠加分布式回归以提升小目标边界的刻画精度。一个便于实现与调参的写法是
$$\mathcal{L}={\lambda }_{\text{box}}\mathcal{L}\ast \text{IoU}+\lambda \ast \text{cls}\mathcal{L}\ast \text{cls}+\lambda \ast \text{dfl}\mathcal{L}\ast \text{dfl},$$
其中$\mathcal{L}\ast \text{cls}$为分类损失，$\mathcal{L}\ast \text{IoU}$可选用CIoU/EIoU等（用于同时约束重叠度、中心距离与尺度差异），$\mathcal{L}\ast \text{dfl}$用于细化边界框回归的分布表达，$\lambda$为权重系数。以CIoU为例，其常用形式为
$${\mathcal{L}}_{\text{CIoU}}=1-\mathrm{IoU}+\frac{{\rho }^2(\mathbf{b},{\mathbf{b}}^{\ast })}{c^2}+\alpha v,$$
其中$\mathbf{b},{\mathbf{b}}^{\ast }$分别为预测框与真值框，$\rho (\cdot )$为中心点欧氏距离，$c$为最小外接框对角线长度，$v$刻画长宽比一致性，$\alpha$为平衡系数；这些项对无人机这种“尺度跨度大、远景小目标多”的数据分布尤为关键。(ar5iv)

训练与正则化层面，本文工程默认统一输入分辨率（如$640\times 640$）以稳定批量训练与推理吞吐，并在骨干与融合层中使用BatchNorm等手段改善收敛；学习率策略可采用“热身+线性/余弦衰减”的组合以兼顾前期稳定与后期精调，且在注意力占比较高的模型中更需要关注显存峰值与梯度稳定性。推理侧则通过置信度阈值与NMS抑制重复框，NMS可表示为：对候选集合按得分排序，迭代移除与当前最优框满足$\mathrm{IoU}>\tau$的候选框；在无人机检测场景中，适当提高小目标层的召回（降低阈值）并配合更谨慎的NMS阈值，通常能在“远距离漏检”与“背景误检”之间取得更平衡的体验。(Ultralytics Docs)

---

5. 实验结果与分析

本章实验目标是在同一无人机数据集（6988 张，训练/验证/测试=4988/1000/1000，单类“0”）与统一推理设置下，对 YOLOv5–YOLOv12 的轻量模型进行精度与效率的可比评测，并为桌面端实时检测提供“可用的模型选型依据”。评测指标采用 Precision、Recall、F1、mAP50 与 mAP50-95，同时记录预处理、推理与后处理耗时以刻画端到端延迟；所有测速均在 NVIDIA GeForce RTX 3070 Laptop GPU（8GB）上完成，便于把“精度差异”与“交互延迟”放到同一视角下讨论。总体上，各模型在 mAP50 上已接近饱和（约 0.955–0.966），更能拉开差距的是 mAP50-95（约 0.555–0.619），这与无人机目标“尺寸偏小、定位容错低、IoU 阈值抬升后更易扣分”的特性一致。
表 5-1 多模型精度、复杂度与端到端延迟对比（RTX 3070 Laptop，Total 为预处理+推理+后处理）

Model	Params(M)	FLOPs(G)	Total(ms)=Pre+Inf+Post	F1 Score	mAP50	mAP50-95
YOLOv5nu	2.6	7.7	10.94	0.9467	0.9651	0.6036
YOLOv6n	4.3	11.1	10.34	0.9435	0.9605	0.6013
YOLOv7-tiny	6.2	13.8	21.08	0.9473	0.9549	0.5550
YOLOv8n	3.2	8.7	10.17	0.9493	0.9617	0.6041
YOLOv9t	2.0	7.7	19.67	0.9511	0.9654	0.6147
YOLOv10n	2.3	6.7	13.95	0.9308	0.9592	0.6102
YOLOv11n	2.6	6.5	12.97	0.9454	0.9600	0.6096
YOLOv12n	2.6	6.5	15.75	0.9423	0.9594	0.6092
YOLOv5su	9.1	24.0	12.24	0.9484	0.9614	0.6090
YOLOv6s	17.2	44.2	12.26	0.9512	0.9658	0.6056
YOLOv7	36.9	104.7	29.52	0.9508	0.9590	0.5685
YOLOv8s	11.2	28.6	11.39	0.9530	0.9634	0.6137
YOLOv9s	7.2	26.7	22.17	0.9522	0.9627	0.6184
YOLOv10s	7.2	21.6	14.19	0.9390	0.9637	0.6193
YOLOv11s	9.4	21.5	13.47	0.9460	0.9662	0.6134
YOLOv12s	9.3	21.4	16.74	0.9518	0.9632	0.6113

在默认对比的 n 系列（yolov5nu、yolov6n、yolov7-tiny、yolov8n、yolov9t、yolov10n、yolo11n、yolo12n）中，YOLOv8n 以较低端到端延迟（约 10.17 ms）取得较高的 F1（0.9493）与稳定的 mAP50-95（0.6041），更符合桌面端“实时预览 + 可调阈值”的交互需求。若以“更高召回与更严格 IoU 下的定位质量”为优先，YOLOv9t 在 mAP50-95 上达到 0.6147 且 F1=0.9511，但其总延迟升至约 19.67 ms，意味着在视频与摄像头场景中更容易触发帧率与响应性的权衡。YOLOv7-tiny 的总耗时与后处理开销明显偏大（约 21.08 ms），同时 mAP50-95 下探到 0.5550，结合其较高的参数与算子形态，说明在该数据分布上并未形成有效的“轻量优势”，更适合作为结构对照而非部署首选。

在 s 系列对比中，各模型的 mAP50 基本仍处于高位，而 mAP50-95 的提升更能反映“定位精细度与小目标边界拟合”的差异，其中 YOLOv10s 与 YOLOv9s 在 mAP50-95 上分别达到 0.6193 与 0.6184，但二者的 F1 分别为 0.9390 与 0.9522，呈现出“定位收益”与“整体均衡性”并不完全同步的现象。更贴近系统落地视角，YOLOv8s 在总延迟约 11.39 ms 的情况下取得本组最高 F1（0.9530）且 mAP50-95 达到 0.6137，是“实时体验与精度上限”之间更稳妥的折中；YOLOv12s 的 Recall 达到 0.9597 且 F1=0.9518，适合把“漏检风险”放在首位的安防式场景，但其推理时延相对更高（总计约 16.74 ms），更建议配合桌面端的帧率策略或分辨率策略使用。

从曲线与可解释结果看，平均 PR 曲线整体在高召回区间前保持较高精度，直到逼近 1.0 的极限召回时精度才快速下降，反映出该数据集在单类任务下“易例占比高、难例集中在极端阈值区域”的典型特征。

F1-Confidence 曲线给出了较清晰的工作点，最佳 F1 约为 0.95 且对应置信度阈值约 0.409，这与桌面端提供 Conf 滑块的设计直接对齐：若以均衡为目标可把默认阈值收敛到 0.4 左右，而若以“宁可多报、不可漏报”为目标则可适当下调阈值并依赖后续人工复核。

混淆矩阵在单类设定下也更易解释：真实无人机大多被正确归入类别 0，少量落入 background 对应漏检，而 background 列反映的主要是未匹配真值的预测框（假阳性）在单类任务中自然全部归入 0 类；结合训练/验证曲线中 mAP50 的快速上升与后期平台期，可以推断模型已较早完成“粗定位学习”，后期收益主要来自边界细化与难例拟合，因此后续改进更建议围绕“小目标分辨率与定位精度”发力，例如适当提高输入分辨率或增强小目标采样比例、强化尺度抖动与轻遮挡增强，并在推理侧结合更合理的 Conf/IoU 组合以减少密集背景下的重复框与误检，从而把 mAP50-95 进一步拉开差距。

---

6. 系统设计与实现

6.1 系统设计思路

系统采用分层架构组织：表现与交互层以 PySide6/Qt 客户端承载“左侧数据源与阈值控制—中央检测画面—右侧目标详情—底部记录与进度条”的主布局，通过信号与槽将用户操作与帧流事件统一汇聚到业务层，实现一致的交互体验与状态可视化闭环。业务与会话管理层负责会话态、输入源互斥、阈值参数维护与统计聚合，确保在切换图片/视频/摄像头时不会出现资源争抢，并能将 Conf/IoU 的实时调参稳定同步到推理端与界面端。

推理与任务调度层以事件驱动的帧流为主线：多源输入产生帧就绪事件后进入统一处理链路，完成固定尺寸预处理、YOLO 推理、后处理与坐标还原，并将结构化结果回写到界面叠加绘制与右侧详情区，同时更新底部表格与进度条，使视频与目录批处理具备可感知的处理进度与耗时统计。在该链路中，目标选择与高亮显示通过“全目标绘制+单目标边框强调”的方式实现，既保留全局态势，又支持定位某一目标的细节信息，减少密集场景下的读屏负担。

数据持久化层由本地 SQLite 与文件归档共同组成：账户、个性化配置与检测记录以本地库管理，保证离线可用与会话隔离；导出侧将表格数据与带框结果以统一的时间戳命名策略归档，支持单帧与序列两种导出形态，便于溯源、复查与批量管理。同时，权重热切换通过“加载权重—刷新类别与配色—继续推理”的交互闭环完成，使不同 YOLO 版本与不同训练权重可以在同一客户端内被对比评测与快速复用。

图 6-1 系统流程图（Draw.io XML）
图注：系统从启动加载配置与模型列表开始，经多源输入、预处理、YOLO 推理与后处理，将结果实时回传至界面叠加显示；在交互控制中体现 Conf/IoU 调参、目标高亮选择以及 CSV/PNG/AVI 导出与时间戳归档闭环。

图 6-2 系统设计框图（Draw.io XML）
图注：系统以“Qt 表现层—业务与会话层—推理与调度层—数据持久化层”分层组织，层间通过事件与结构化结果传递形成解耦的数据流；模型权重管理与日志/导出接口作为横切能力支撑可追溯与可扩展性。

6.2 登录与账户管理 — 流程图

登录与账户管理以本地数据库为依托形成轻量闭环：系统启动后进入登录界面，用户可选择已有账号直接输入凭据完成口令校验，或进入注册流程填写必要信息并写入本地库生成账户记录；当认证成功后，系统载入该会话对应的主题偏好、默认模型与最近检测记录，使主界面在交互风格与任务状态上保持连续性，并为后续多源检测、结果追溯与导出编排提供一致的身份边界与配置基线；在使用过程中，用户可进行资料修改以更新口令与偏好设置，最终通过注销或切换账号结束会话并回到登录入口，从而实现“认证—配置加载—检测业务—个性化维护—会话退出”的完整闭环管理。

图 6-3 登录与账户管理流程图（Draw.io XML）
图注：流程覆盖注册写库、登录校验、个性化配置加载与进入主界面，并包含失败重试与注销/切换账号分支，强调本地持久化与主检测流程的衔接价值。

---

7. 下载链接

    若您想获得博文中涉及的实现完整全部资源文件（包括测试图片、视频，py, UI文件，训练数据集、训练代码、界面代码等），这里见可参考博客与视频，已将所有涉及的文件同时打包到里面，点击即可运行，完整文件截图如下：

功能效果展示视频：热门实战｜《基于深度学习的无人机目标检测系统》YOLOv12-v8多版本合集：附论文/源码/PPT/数据集，支持图片/视频/摄像头输入、可视化界面、结果导出与权重切换
环境配置博客教程：https://deeppython.feishu.cn/wiki/EwnTwJ2H3iLF6VkNG6ccgZYrnvd；
或者环境配置视频教程：Pycharm软件安装视频教程；（2）Anaconda软件安装视频教程；（3）Python环境配置视频教程；
数据集标注教程（如需自行标注数据）：数据标注合集

---

参考文献（GB/T 7714）

1 Zhu P, Wen L, Du D, et al. Vision Meets Drones: A Challenge[J/OL]. arXiv:1804.07437, 2018. (arXiv)
2 Nagar J, et al. YOLO-based segmented dataset for drone vs. bird detection for deep and efficient UAV detection and classification[J]. Data in Brief, 2023. (科学直接)
3 Du D, Qi Y, Yu H, et al. The Unmanned Aerial Vehicle Benchmark: Object Detection and Tracking[C]//ECCV. 2018. (CVF开放获取)
4 Jiang N, Wang K, Peng X, et al. Anti-UAV: A Large Multi-Modal Benchmark for UAV Tracking[J/OL]. arXiv:2101.08466, 2021. (arXiv)
5 Isaac-Medina B K, et al. Unmanned Aerial Vehicle Visual Detection and Tracking using Deep Neural Networks[J/OL]. arXiv:2103.13933, 2021. (ar5iv)
6 Ren S, He K, Girshick R, et al. Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks[J/OL]. arXiv:1506.01497, 2015.
7 Liu W, Anguelov D, Erhan D, et al. SSD: Single Shot MultiBox Detector[C]//ECCV. 2016.
8 Lin T Y, Goyal P, Girshick R, et al. Focal Loss for Dense Object Detection[J/OL]. arXiv:1708.02002, 2017.
9 Tian Z, Shen C, Chen H, et al. FCOS: Fully Convolutional One-Stage Object Detection[C]//ICCV. 2019.
10 Carion N, Massa F, Synnaeve G, et al. End-to-End Object Detection with Transformers[C]//ECCV. 2020. (ar5iv)
11 Zhao Y, Lv W, Xu S, et al. DETRs Beat YOLOs on Real-time Object Detection[C]//CVPR. 2024. (CVF开放获取)
12 Wang A, Chen H, Liu L, et al. YOLOv10: Real-Time End-to-End Object Detection[J/OL]. arXiv:2405.14458, 2024. (arXiv)
13 Wang C Y, Yeh I H, Liao H Y M. YOLOv9: Learning What You Want to Learn Using Programmable Gradient Information[J/OL]. arXiv:2402.13616, 2024. (arXiv)
14 Tian Y, Ye Q, Doermann D. YOLOv12: Attention-Centric Real-Time Object Detectors[J/OL]. arXiv:2502.12524, 2025. (arXiv)
15 Chen F, Li X. A UAV target detection algorithm based on improved YOLOv5[J]. 计算机工程与应用, 2023. (tis.hrbeu.edu.cn)
16 Li Y, et al. Yolov5_GBCS for Small-object Detection in UAV Aerial Images[J]. Intelligent Systems Journal, 2023. (CVF开放获取)
17 Shi X, et al. Improved YOLOv5-based small target detection algorithm for UAV aerial images[J]. 沈阳航空航天大学学报, 2024. (CVF开放获取)
18 Zhao H, et al. Lightweight UAV aerial image detection algorithm based on improved YOLOv5[J]. 兰州交通大学学报, 2025.