YOLO26学生课堂行为检测：6类行为mAP达0.905，使用手机与趴桌识别最准

摘要

学生课堂行为检测是智能教育监控系统中的关键任务，对于教学质量评估、学生注意力分析和课堂管理具有重要意义。本研究基于YOLO26目标检测算法，构建了一个包含6类常见课堂行为（举手、阅读、写字、使用手机、低头、趴桌）的检测系统。实验数据集包含训练集1422张图像、验证集203张图像和测试集407张图像。

实验结果表明，该系统在IoU=0.5阈值下的平均精度(mAP@0.5)达到0.905，其中“使用手机”和“趴桌”两类行为的F1分数接近0.97，表现最为优异。混淆矩阵分析显示，“阅读”和“写字”两类行为存在一定混淆，而“举手”行为有35%的概率被误识别为背景，表明该类别的特征提取仍有改进空间。本研究验证了YOLO26在学生课堂行为检测任务中的有效性，为后续智能课堂监控系统的开发提供了参考。

目录

摘要

详细功能展示视频

功能模块

1、用户管理模块

2、界面与交互模块

3、检测源管理模块

4、检测参数配置模块

5、YOLO检测核心模块

6、结果显示模块

7、结果保存模块

8、工具栏功能

9、辅助功能

10、数据校验模块

引言

背景

数据集介绍

数据集规模

类别定义

训练结果

Ultralytics YOLO26

概述

主要功能

常用标注工具

详细功能展示视频

功能模块

✅用户登录注册：支持密码检测，密码加密。

注册

登录

✅图片检测：可对图片进行检测，返回检测框及类别信息。

✅支持选择检测目标：可以选择一个或者多个类目的目标进行检测

✅参数实时调节（置信度和IoU阈值）

✅视频检测：支持视频文件输入，检测视频中每一帧的情况。

✅摄像头实时检测：连接USB 摄像头，实现实时监测。

✅日志记录：日志标签页记录操作和错误信息，带时间戳

✅结果保存模块：支持图片/视频/摄像头检测结果保存

1、用户管理模块

2、界面与交互模块

3、检测源管理模块

4、检测参数配置模块

5、YOLO检测核心模块

6、结果显示模块

7、结果保存模块

8、工具栏功能

9、辅助功能

10、数据校验模块

引言

随着人工智能技术在教育领域的深入应用，智能课堂监控系统逐渐成为研究热点。学生课堂行为检测作为其中的核心任务，能够自动识别学生在课堂上的各种行为表现，为教师提供教学反馈，帮助学生提高学习效率，同时也为教育管理者提供客观的教学质量评估依据。

传统的课堂行为观察主要依靠人工记录，这种方式不仅耗时耗力，而且受观察者主观因素影响较大，难以实现大规模、长时间的持续监测。近年来，随着计算机视觉技术的快速发展，特别是深度学习在目标检测领域的突破，使得自动化的课堂行为检测成为可能。YOLO系列算法因其检测速度快、精度高的特点，特别适合实时课堂监控场景的应用需求。

然而，课堂环境复杂多变，学生姿态多样，光照条件不一，加之行为类别间的相似性（如阅读和写字），给准确检测带来了挑战。本研究旨在通过构建一个基于YOLO26的学生课堂行为检测系统，探索该算法在实际课堂环境下的检测性能，分析各类行为的识别难点，为后续优化提供方向。

背景

学生课堂行为检测系统的研究与发展，源于教育信息化和智能化的深度融合。随着“智慧校园”、“智能教育”等概念的提出，如何利用先进技术手段提升教学质量、优化教学管理，已成为教育领域的重要课题。

从教育学的角度来看，学生在课堂上的行为表现直接反映了其学习状态和注意力水平。举手代表参与互动，阅读和写字体现学习投入，使用手机可能表示分心，低头和趴桌则往往暗示疲劳或注意力下降。对这些行为的实时监测和分析，可以帮助教师及时调整教学策略，提高课堂互动效果。同时，长期积累的行为数据也能为教育研究提供有价值的定量分析基础。

从技术发展的角度来看，课堂行为检测经历了从传统图像处理到深度学习的重要转变。早期的研究主要依赖于人工设计的特征，如方向梯度直方图(HOG)、局部二值模式(LBP)等，结合支持向量机(SVM)等分类器进行行为识别。这类方法在简单场景下有一定效果，但难以应对课堂环境的复杂性和多样性。

2012年以来，卷积神经网络(CNN)的兴起为图像识别带来了革命性变化。目标检测算法从R-CNN、Fast R-CNN发展到YOLO、SSD等单阶段检测器，检测速度和精度不断提升。特别是YOLO26作为YOLO系列的最新版本，在保持实时检测优势的同时，进一步提升了检测精度和小目标识别能力，非常适合课堂行为检测这类需要同时关注多个学生、多种行为的应用场景。

当前，课堂行为检测仍面临诸多挑战：学生姿态变化大、遮挡严重、光照不均、行为类别间相似度高、样本类别不平衡等。如何提高模型在复杂场景下的鲁棒性，如何更好地区分相似行为，如何处理类别不平衡问题，都是本研究需要重点关注的方向。

数据集介绍

数据集规模

本研究所使用的课堂行为数据集共包含2032张标注图像，按照约7:1:2的比例划分为训练集、验证集和测试集，具体分布如下：

• 训练集：1422张图像

• 验证集：203张图像

• 测试集：407张图像

类别定义

数据集共包含6类学生课堂行为，分别为：

• 举手(hand-raising)：学生单臂或双臂举起，表示提问或回答问题

• 阅读(reading)：学生注视书本或阅读材料

• 写字(writing)：学生持笔在纸张或笔记本上书写

• 使用手机(using phone)：学生手持手机或低头注视手机屏幕

• 低头(bowing the head)：学生低头但不涉及手机使用，可能是在思考或疲劳

• 趴桌(leaning over the table)：学生头部趴在桌面上，通常表示疲劳或注意力分散

训练结果

1、总体性能评估

1.mAP@0.5 和 mAP@0.5:0.905

• mAP@0.5 最高达到 0.97（见 BoxF1_curve），说明模型在IoU=0.5时表现非常好。

• mAP@0.5:0.95 在训练后期达到 0.145（见 results.png），说明模型在更严格的IoU阈值下仍有不错的表现，但还有提升空间。

2.精度与召回率

• 精度（Precision）和召回率（Recall）在训练后期稳定在0.05左右（见 results.png），这可能是因为数据量较大或标签不平衡，导致指标偏低。

• 但从BoxPR_curve.png看，所有类别的 Recall 都接近 1.0，说明模型能较好地找出正样本。

2、类别表现分析

1.F1-Confidence 曲线（BoxF1_curve）

• 所有类别的最高 F1 分数为 0.97，出现在 confidence=0.5 左右。

• 各类别表现均衡，“using phone” 和 “leaning over the table” 表现最好，F1 分数接近 0.97。

2.召回率曲线（BoxR_curve）

• 所有类别的召回率在 confidence=0 时达到 0.90，说明模型在低阈值下能识别出大部分目标。

• 随着 confidence 提高，召回率下降，符合预期。

3.精度-召回率曲线（BoxPR_curve）

• 所有类别的 Recall 几乎都接近 1.0，说明模型在大多数情况下都能正确识别目标。

• mAP@0.5 达到 0.905，说明模型在 IoU=0.5 时表现良好。

3、混淆矩阵分析

1.原始混淆矩阵（confusion_matrix.png）

• “hand-raising” 类别被误识别为背景（background）较多（213次），说明该类别容易被忽略。

• “reading” 和 “writing” 之间有一定混淆（如 reading 被误识别为 writing 97次），说明这两类行为视觉上相似。

• “using phone” 和 “bowing the head” 识别准确率高，误识别少。

2.归一化混淆矩阵（confusion_matrix_normalized.png）

• “hand-raising” 的正确识别率仅为 0.64，有 0.35 被误识别为背景，说明该类别的特征不够明显或样本不足。

• “reading” 正确率为 0.90，表现良好。

• “writing” 正确率为 0.84，但部分被误识别为 reading。

• “using phone” 和 “bowing the head” 正确率分别为 0.91 和 0.98，表现优异。

• 背景类别（background）被误识别为其他类别的比例较低，说明模型对背景的判断较为准确。

4、训练过程分析（results.png）

• 训练损失（train/box_loss, train/cls_loss, train/dfl_loss）持续下降，说明模型收敛良好。

• 验证损失（val/box_loss, val/cls_loss, val/dfl_loss）在后期略有波动，可能存在轻微过拟合。

• mAP@0.5 和 mAP@0.5:0.95 在后期仍在缓慢上升，说明模型仍有学习空间。

Ultralytics YOLO26

概述

Ultralytics YOLO26 是 YOLO 系列实时对象检测器的最新演进，从头开始专为边缘和低功耗设备而设计。它引入了简化的设计，消除了不必要的复杂性，同时集成了有针对性的创新，以实现更快、更轻、更易于访问的部署。

YOLO26 的架构遵循三个核心原则：

• 简洁性:YOLO26是一个原生的端到端模型，直接生成预测结果，无需非极大值抑制（NMS）。通过消除这一后处理步骤，推理变得更快、更轻量，并且更容易部署到实际系统中。这种突破性方法最初由清华大学的王傲在YOLOv10中开创，并在YOLO26中得到了进一步发展。
• 部署效率：端到端设计消除了管道的整个阶段，从而大大简化了集成，减少了延迟，并使部署在各种环境中更加稳健。
• 训练创新：YOLO26 引入了MuSGD 优化器，它是SGD 和MUON的混合体——灵感来源于 Moonshot AI 在 LLM 训练中Kimi K2的突破。该优化器带来了增强的稳定性和更快的收敛，将语言模型中的优化进展转移到计算机视觉领域。
• 任务特定优化：YOLO26 针对专业任务引入了有针对性的改进，包括用于Segmentation的语义分割损失和多尺度原型模块，用于高精度姿势估计的残差对数似然估计 (RLE)，以及通过角度损失优化解码以解决旋转框检测中的边界问题。

这些创新共同提供了一个模型系列，该模型系列在小对象上实现了更高的精度，提供了无缝部署，并且在CPU 上的运行速度提高了 43%— 使 YOLO26 成为迄今为止资源受限环境中最实用和可部署的 YOLO 模型之一。

主要功能

• DFL 移除
  分布式焦点损失（DFL）模块虽然有效，但常常使导出复杂化并限制了硬件兼容性。YOLO26 完全移除了 DFL，简化了推理过程，并拓宽了对边缘和低功耗设备的支持。

• 端到端无NMS推理
  与依赖NMS作为独立后处理步骤的传统检测器不同，YOLO26是原生端到端的。预测结果直接生成，减少了延迟，并使集成到生产系统更快、更轻量、更可靠。

• ProgLoss + STAL
  改进的损失函数提高了检测精度，在小目标识别方面有显著改进，这是物联网、机器人、航空影像和其他边缘应用的关键要求。

• MuSGD Optimizer
  一种新型混合优化器，结合了SGD和Muon。灵感来自 Moonshot AI 的Kimi K2，MuSGD 将 LLM 训练中的先进优化方法引入计算机视觉，从而实现更稳定的训练和更快的收敛。

• CPU推理速度提升高达43%
  YOLO26专为边缘计算优化，提供显著更快的CPU推理，确保在没有GPU的设备上实现实时性能。

• 实例分割增强
  引入语义分割损失以改善模型收敛，以及升级的原型模块，该模块利用多尺度信息以获得卓越的掩膜质量。

• 精确姿势估计
  集​成残差对数似然估计​(RLE)，以实现更精确的关键点定位，并优化解码过程以提高推理速度。

• 优化旋转框检测解码
  引入专门的角度损失以提高方形物体的检测精度，并优化旋转框检测解码以解决边界不连续性问题。

常用标注工具

假设您现在准备好进行标注。有几种开源工具可以帮助简化数据标注流程。以下是一些有用的开放标注工具：

Label Studio：一个灵活的工具，支持各种标注任务，并包含用于管理项目和质量控制的功能。 CVAT：一个强大的工具，支持各种标注格式和可定制的工作流程，使其适用于复杂的项目。 Labelme：一个简单易用的工具，可以快速标注带有多边形的图像，非常适合简单的任务。 LabelImg: 一款易于使用的图形图像标注工具，特别适合以 YOLO 格式创建边界框标注。

这些开源工具经济实惠，并提供一系列功能来满足不同的标注需求。

界面核心代码：

详细功能展示视频