【A259】基于Python+OpenCV+PyQt5+Tensorflow卷积神经网络水果蔬菜分类识别系统

文件编号：A259

文件大小：136M

开发环境：Python3.7、Tensorflow2.3、OpenCV4.5、PyCharm2020

猿创承诺：该项目亲测正常运行，提供部署视频，需远程调试部署需另外收费，确保正常使用，不能正常使用全额退款。

简要概述：Tensorflow是由google出品的深度学习框架，2.x版本的tensorflow对代码进行了重构，使用起来更加简洁方便。本系统使用tensorflow训练了一个两层卷积两层池化的卷积神经网络和一个基于迁移学习的mobilnet网络，其中mobilenet网络模型准确率高达97%，可识别[‘土豆’, ‘圣女果’, ‘大白菜’, ‘大葱’, ‘梨’, ‘胡萝卜’, ‘芒果’, ‘苹果’, ‘西红柿’, ‘韭菜’, ‘香蕉’, ‘黄瓜’]12种水果蔬菜，并借助pyqt5构建了图形化界面，用户可选择图片上传进行果蔬的识别。

演示视频：

代码结构:

主要是通过tensorflow训练两组模型来执行分类任务

模型的结构如下

```

images 目录主要是放置一些图片，包括测试的图片和ui界面使用的图片

models 目录下放置训练好的两组模型，分别是cnn模型和mobilenet的模型

results 目录下放置的是训练的训练过程的一些可视化的图，两个txt文件是训练过程中的输出，两个图是两个模型训练过程中训练集和验证集准确率和loss变化曲线

utils 是主要是我测试的时候写的一些文件，对这个项目没有实际的用途

get_data.py 爬虫程序，可以爬取百度的图片

window.py 是界面文件，主要是利用pyqt5完成的界面，通过上传图片可以对图片种类进行预测

testmodel.py 是测试文件，主要是用于测试两组模型在验证集上的准确率，这个信息你从results的txt的输出中也能获取

train_cnn.py 是训练cnn模型的代码

train_mobilenet.py 是训练mobilenet模型的代码

requirements.txt 是本项目需要的包

按需写作：

演示视频：

点击查看：系统演示视频

运行效果：

远程协助：

温馨提示：索炜达.猿创官方提供收费远程协助，确保您项目运行成功。

点击查看：远程协助相关事项

我们提供完整项目文件清单如下：

文件目录

 ├ 1.项目源码

 ├ 2.运行截图

 └ 3.演示视频