乐谱智识：音乐教育系统产品系统

针对传统乐谱识别技术在复杂场景下检测精度不足与泛化能力受限的问题，基于 YOLOv8 和 OCR 构建了多尺度目标检测框架，为高精度乐谱数字化提供了可扩展的技术路径。

提出融合霍夫直线变换的谱面校正机制：通过检测五线谱平行线簇实现倾斜角度误差的降低，结合仿射变换完成谱面归一化处理。通过迁移学习微调 DeepScoresV2 数据集，扩展标注类别至 168 类乐谱元素（含音符、休止符、连音线等），采用 Mosaic 数据增强策略提升手写体鲁棒性，结合OCR 与 Music21 构建节奏-调性联合解析器有效提升了乐谱到音频转换的准确性。实验结果表明，模型在持续训练中实现了关键指标的显著提升，验证损失趋于稳定且未出现过拟合现象，验证了多尺度检测框架与谱面校正机制的有效性。迁移学习与数据增强策略的协同作用进一步提升了模型对复杂场景的适应能力，

主要负责负责模型训练及调优，前后端网页及APP开发，系统功能自动测试，系统部署等工作