基于深度学习的学生课堂行为识别系统的开发

闫 琳英
西安培华学院

摘要

本研究提出了一种基于深度学习的学生课堂行为识别系统，旨在通过智能化手段实现对学生课堂行为的精准检测
与分析。系统采用模块化设计，涵盖数据采集、预处理、模型训练、行为识别及可视化交互五大模块。以 YOLOv8 算法为
核心，通过调整迭代次数、学习率等参数优化模型性能，采用 8:2 比例划分 3200 张训练集与 800 张测试集，结合 Mosaic 数
据增强、自适应锚框计算及 SPP/PAN 特征融合等技术，提升模型对多尺度目标的检测能力。损失函数包含边界框损失、
类别损失与置信度损失，确保检测精度 [1]。

关键词

深度学习；学生课堂行为；识别系统

参考

[1] 王禹钧 , 马致明 . 基于深度学习的学生课堂行为识别

研究 [J]. 软件工程 ,2023,26(07):40-43+62.

[2] 闫兴亚 , 匡娅茜 , 白光睿 , 等 . 基于深度学习的学生

课堂行为识别方法 [J]. 计算机工程 ,2023,49(07):251-258

[3] 韦宁燕 , 卢静 , 韦洪浪 , 等 . 基于深度学习的学生课

堂专注度识别研究综述 [J]. 信息技术与信息化 ,2022,(07):192-

195.

[4] 王泽杰 , 沈超敏 , 赵春 , 等 . 融合人体姿态估计和目

标检测的学生课堂行为识别 [J]. 华东师范大学学报 ( 自然科

学版 ),2022,(02):55-66.

[5] 白佳 , 谷林 . 基于改进 YOLOv7-tiny 算法的学生课堂

行为检测 [J]. 计算机与现代化 ,2025,(06):9-15+50.

[6] 郑一方 , 陈兴文 . 基于深度学习的学生课堂行为检测

方法研究 [J]. 山西电子技术 ,2025,(03):92-94.

[7] 史二颖 . 基于深度学习的网络安全异常行为检测技

术研究 [J]. 电脑编程技巧与维护 ,2025,(05):167-169.