一个基于深度学习与Web技术的血细胞智能检测与分析系统。我作为该项目的全栈开发与算法工程师，独立负责了从技术选型、模型训练、后端API开发到前端界面设计的全流程工作。

系统核心采用先进的YOLOv8目标检测算法，对显微镜下的血液样本图像中的红细胞（RBC）、白细胞（WBC）和血小板（Platelets）进行高精度自动识别与计数。为解决深度学习模型在特定场景下的解释性问题，我创新性地集成了OpenCV传统视觉技术，提供了基于HSV颜色空间的辅助分析功能，使用户能多维度地理解和验证检测结果。

我设计并开发了基于Flask的轻量级Web应用，提供了简洁直观的用户界面。用户可通过浏览器轻松上传血液细胞图片，选择检测模式，并实时查看带有检测框、细胞计数统计及HSV通道分析的可视化结果，极大地提升了操作的便捷性与结果的直观性。

通过对BCCD数据集的预处理、模型训练与调优，最终系统实现了高效的细胞检测能力。本项目不仅展示了我在深度学习工程化落地方面的综合技术能力，也为医疗辅助诊断提供了一个可扩展、高精度的自动化工具原型。未来的优化方向包括引入更先进的模型架构以提升小目标检测精度，以及扩展白细胞五分类等高级功能。