基于YOLO与SpringBoot的智能口罩检测系统开发实践

1. 项目概述：基于YOLO与SpringBoot的智能口罩检测系统

在公共卫生管理领域，自动化的口罩佩戴检测系统正成为各类公共场所的刚需。我们团队开发的DeepSeek智能分析平台，通过整合YOLO系列目标检测算法与SpringBoot后端框架，构建了一套完整的解决方案。这个系统最显著的特点是支持从YOLOv8到v12的多版本模型实时切换，并创新性地引入了大语言模型对检测结果进行语义化分析。

提示：系统采用前后端分离架构，前端使用Vue.js+Element UI实现响应式交互，后端基于SpringBoot 2.7提供RESTful API服务，数据库选用MySQL 8.0存储检测记录和用户数据。

在实际部署中，系统表现出三个核心优势：一是模型推理速度达到45FPS（1080p分辨率），满足实时性要求；二是平均准确率（mAP@0.5）达到96.7%；三是支持浏览器直接调用本地摄像头进行检测，无需安装额外插件。这些特性使其特别适合机场、医院、学校等需要持续监控的场所。

2. 技术架构解析

2.1 整体架构设计

系统采用典型的三层架构：

1. 表现层：基于Vue3的组合式API开发，使用Element Plus组件库
2. 业务逻辑层：SpringBoot 2.7 + MyBatis Plus实现
3. 数据层：MySQL 8.0 + Redis缓存

mermaid复制graph TD
    A[前端Vue.js] -->|HTTP请求| B[SpringBoot API]
    B -->|调用| C[YOLO模型服务]
    C -->|返回检测结果| B
    B -->|读写| D[MySQL]
    B -->|缓存| E[Redis]

2.2 核心模块交互流程

以图片检测为例的完整调用链：

1. 前端通过FormData上传图片文件
2. Nginx反向代理到SpringBoot服务
3. 控制器接收文件并暂存到临时目录
4. 调用Python模型服务进行推理
5. 将检测结果和可视化图片存入MinIO对象存储
6. 记录检测日志到MySQL
7. 返回结构化JSON响应

java复制// 示例Controller代码
@PostMapping("/detect/image")
public Result<ImageDetectVO> detectImage(
    @RequestParam MultipartFile file,
    @RequestParam(defaultValue = "yolov8s") String modelType) {
    
    // 文件校验
    if (file.isEmpty()) {
        return Result.fail("请上传有效图片文件");
    }
    
    // 调用模型服务
    DetectResult result = modelService.detectImage(file, modelType);
    
    // 保存记录
    recordService.saveImageRecord(
        SecurityUtils.getUserId(), 
        result,
        file.getOriginalFilename());
    
    return Result.success(con