系统有环境依赖安装和部署运行演示教程
项目简介：本项目是一个基于人工智能技术的课堂学生行为智能预警系统，旨在通过先进的计算机视觉技术和深度学习模型，为课堂教学管理提供智能化的学生行为识别与预警服务。系统集成了图片检测、视频检测、实时检测、模型管理、数据集管理等多项功能，构建了一个完整的课堂学生行为检测与预警服务平台。
一、技术栈
前端技术栈 (web-vue)
核心框架: Vue 3.5.13 (Composition API)
UI组件库: Element Plus 2.9.4
状态管理: Pinia 2.3.1
路由管理: Vue Router 4.5.0
HTTP客户端: Axios 1.7.9
图表可视化: ECharts 5.6.0
构建工具: Vite 6.1.0 + TypeScript 5.7.2
后端+算法端技术栈 (web-flask)
核心框架: Flask (Python)
数据库: SQLite 3
身份认证: JWT
图像处理: OpenCV + NumPy
深度学习: YOLOv8/YOLO11/YOLO12/YOLO26
视频处理: OpenCV视频流处理
大语言模型: Qwen-VL的API接口
二、功能模块
核心创新点
1. 行为精准检测: 支持课堂学生行为的智能识别和定位
2. 多模态检测方式: 支持图片、视频、实时摄像头三种检测模式
3. YOLO模型集成: 集成YOLOv8/YOLO11/YOLO12/YOLO26等先进目标检测模型
4. 智能预警分析: 基于AI的课堂学生行为自动识别、定位与预警
5. 分层权限管理: 支持管理员和普通用户的差异化功能访问
6. 完整工作流程: 从数据集管理到模型管理再到行为检测预警的完整闭环
7. 多模态大模型辅助分析: 使用多模态大模型根据YOLO检测识别结果和图片进一步分析并给出合理教学管理建议
8. 模型评估系统: 支持上传YOLO格式标签与模型预测对比，自动计算Precision、Recall、mAP50等精度指标，生成GT框与预测框的可视化对比图，支持用户评分和评语
9. 实时预警系统: 支持严重程度分级(可忽略/轻微/中等/严重/紧急)、LLM二次验证、处理状态管理
核心功能模块
1. 用户管理: 支持用户注册、登录、权限管理、个人信息管理等功能
2. 数据集管理: 支持上传ZIP格式YOLO数据集，自动验证数据集结构和完整性
3. 模型管理: 支持创建模型、上传权重、训练过程图片/文件管理、模型发布等
4. 图片检测: 上传图片进行学生行为检测，支持CLAHE图像增强、多模态AI分析、教学管理建议生成、导出Word报告
5. 视频检测: 上传视频进行逐帧检测，支持帧率采样、异步处理、进度查询、关键帧截图、LLM二次验证
6. 实时检测: 使用电脑摄像头进行实时检测，会话级智能去重、LLM二次验证(过滤YOLO误检)、严重程度五级分级(可忽略/轻微/中等/严重/紧急)、处理状态管理(未处理/已处理)、实时通知预警、多维度筛选(用户/严重程度/处理状态/LLM验证状态)
7. 模型评估: 上传图片和标签文件评估模型性能，支持精度指标计算、可视化对比、用户评分筛选
应用场景
1. 智慧课堂: 课堂教学中学生行为的智能监测与预警
2. 教学督导: 课堂纪律与专注度的自动巡检与记录
3. 教育管理: 课堂秩序评估与教学干预调度
4. 教育培训: 智慧教育技术和AI行为检测预警的教学演示
