基于YOLOv8的高校学生上课状态检测系统设计  

作　　者：胡艳茹 

机构地区：[1]宁夏师范学院固体微结构与功能实验室,宁夏固原756000

出　　处：《物联网技术》2025年第8期42-47,共6页Internet of things technologies

摘　　要：大学教学环境中,由于学生数量庞大而教师资源相对有限,导致教师难以实时、全面地了解每个学生的学习状态和需求,这种信息的不对称性使得教师难以提供个性化的教学服务。为了解决这一问题,采用YOLOv8深度学习框架搭建检测系统,利用教室摄像头或希沃课堂录制等采集数据,训练出可智能识别学生举手、阅读、书写、玩手机、低头以及打瞌睡六种课堂常见行为的检测模型。采用PyQt5设计可视化UI界面,实现图片检测、视频检测及摄像头实时跟踪识别,识别结果可保存便于后续数据分析。经实验,系统可高效准确地检测出学生这六类课堂常见行为,界面友好,操作简便,使高校教师能够更好地观察学生的学习状态,优化教学方法,进而提高教学效果和学生的学习效率。

关 键 词：学习状态 YOLOv8 智能识别 PyQt5 UI 课堂状态检测 

分 类 号：TP39[自动化与计算机技术—计算机应用技术]