文件編號(hào)：A259

文件大小：136M

開發(fā)環(huán)境：Python3.7、Tensorflow2.3、OpenCV4.5、PyCharm2020

猿創(chuàng)承諾：該項(xiàng)目親測正常運(yùn)行，提供部署視頻，需遠(yuǎn)程調(diào)試部署需另外收費(fèi)，確保正常使用，不能正常使用全額退款。

簡要概述：Tensorflow是由google出品的深度學(xué)習(xí)框架，2.x版本的tensorflow對代碼進(jìn)行了重構(gòu)，使用起來更加簡潔方便。本系統(tǒng)使用tensorflow訓(xùn)練了一個(gè)兩層卷積兩層池化的卷積神經(jīng)網(wǎng)絡(luò)和一個(gè)基于遷移學(xué)習(xí)的mobilnet網(wǎng)絡(luò)，其中mobilenet網(wǎng)絡(luò)模型準(zhǔn)確率高達(dá)97%，可識(shí)別[‘土豆’, ‘圣女果’, ‘大白菜’, ‘大蔥’, ‘梨’, ‘胡蘿卜’, ‘芒果’, ‘蘋果’, ‘西紅柿’, ‘韭菜’, ‘香蕉’, ‘黃瓜’]12種水果蔬菜，并借助pyqt5構(gòu)建了圖形化界面，用戶可選擇圖片上傳進(jìn)行果蔬的識(shí)別。

演示視頻：

代碼結(jié)構(gòu):

主要是通過tensorflow訓(xùn)練兩組模型來執(zhí)行分類任務(wù)

模型的結(jié)構(gòu)如下

```

images 目錄主要是放置一些圖片，包括測試的圖片和ui界面使用的圖片

models 目錄下放置訓(xùn)練好的兩組模型，分別是cnn模型和mobilenet的模型

results 目錄下放置的是訓(xùn)練的訓(xùn)練過程的一些可視化的圖，兩個(gè)txt文件是訓(xùn)練過程中的輸出，兩個(gè)圖是兩個(gè)模型訓(xùn)練過程中訓(xùn)練集和驗(yàn)證集準(zhǔn)確率和loss變化曲線

utils 是主要是我測試的時(shí)候?qū)懙囊恍┪募?，對這個(gè)項(xiàng)目沒有實(shí)際的用途

get_data.py 爬蟲程序，可以爬取百度的圖片

window.py 是界面文件，主要是利用pyqt5完成的界面，通過上傳圖片可以對圖片種類進(jìn)行預(yù)測

testmodel.py 是測試文件，主要是用于測試兩組模型在驗(yàn)證集上的準(zhǔn)確率，這個(gè)信息你從results的txt的輸出中也能獲取

train_cnn.py 是訓(xùn)練cnn模型的代碼

train_mobilenet.py 是訓(xùn)練mobilenet模型的代碼

requirements.txt 是本項(xiàng)目需要的包

按需寫作：

演示視頻：

點(diǎn)擊查看：系統(tǒng)演示視頻

運(yùn)行效果：

遠(yuǎn)程協(xié)助：

溫馨提示：索煒達(dá).猿創(chuàng)官方提供收費(fèi)遠(yuǎn)程協(xié)助，確保您項(xiàng)目運(yùn)行成功。

點(diǎn)擊查看：遠(yuǎn)程協(xié)助相關(guān)事項(xiàng)

我們提供完整項(xiàng)目文件清單如下：

文件目錄

 ├ 1.項(xiàng)目源碼

 ├ 2.運(yùn)行截圖

 └ 3.演示視頻