企业官网建设流程全解析

一、项目简介

本系统是一个基于深度学习的花卉识别应用，通过 PyQt5 图形界面完成花卉图像识别、结果分析和数据管理。

二、项目功能

• 用户账户管理：注册、登录和密码修改
• 单张图像识别：上传单张花卉图像进行识别
• 批量图像识别：按文件夹批量导入识别
• 数据导出：识别结果可导出为 CSV
• 历史记录查询：查看历史识别记录
• 花卉详细信息：展示识别花卉的特征和说明

三、技术架构

识别流程：图像预处理（缩放、标准化）→ MobileNet 推理 → 展示类别、置信度和花卉信息。

四、支持识别的花卉类别

可识别向日葵、蒲公英、薰衣草、百合、莲花、兰花、玫瑰、郁金香、雏菊等常见花卉。

五、运行环境

• Windows 10 或更高版本
• Python 3.6+
• PyTorch 1.7+、PyQt5、Pillow、matplotlib、pymysql

安装依赖：

pipinstalltorch torchvision PyQt5 Pillow matplotlib pymysql

MySQL 默认连接为本机root/root，系统会自动建库建表。

启动：

python main.py

六、模型训练

如需重新训练：

python train.py --data-path 数据集路径--epochs100--batch-size8

训练后的模型保存在weights目录。

七、项目结构

flower_recognition/ ├── 主界面.py # 主程序入口 ├── login.py # 登录系统 ├── train.py # 模型训练 ├── my_dataset.py # 自定义数据集 ├── models/ # 模型定义 │ └── mobilenet.py # MobileNet 结构 ├── utils.py # 工具函数 ├── weights/ # 模型权重 └── ui/ # 界面文件

八、交付内容

1. 桌面端完整源码，含识别、训练和用户管理
2. 模型权重、依赖清单和数据库初始化
3. 项目说明文档

本项目为个人原创，结构清晰，功能完整，适合课程设计、毕业设计和个人学习使用。如需购买项目成品或定制化需求可以联系作者。

个人网址：https://michael-jay.pages.dev/