前言 在现代教育环境中，学生上课行为的监测对于提升教学质量和学生学习效率具有重要意义。然而，传统的人工观察方法不仅效率低下，而且难以保证客观性和准确性。为了解决这一问题，我们启动了这个项目，目的是利用YOLOV8这一先进的深度学习技术，开发一个自动化的学生上课行为检测系统。 通过对上课行为数据集进行深入分析和标注，我们训练了YOLOV8模型，使其能够精确识别学生在课堂上的各种行为状态。这一系统

随着网络信息的高速普及，智能手机的更新换代，越来越多的学生都拥有个人智能手机。虽然家长的初衷大都是想让孩子汲取到最新的知识和信息，但是由于大多数学生的自控能力较弱、不能有效辨别网络内容的真实性和虚假性，加之网络上的游戏、小说等板块的吸引力太大，这就导致大部分学生在没有家长或老师监管的情况下，大都沉迷手机不能自拔，严重影响了孩子的学习和成长环境。 现在的校园大都对学生手机的使用没有过多的限制，因此