摘要：基于深度學(xué)習的花卉檢測與識別系統(tǒng)用于常見花卉識別計數(shù)，智能檢測花卉種類并記錄和保存結(jié)果，對各種花卉檢測結(jié)果可視化，更加方便準確辨認花卉。本文詳細介紹花卉檢測與識別系統(tǒng)，在介紹算法原理的同時，給出Python的實現(xiàn)代碼、訓(xùn)練數(shù)據(jù)集，以及PyQt的UI界面?；赮OLOv5目標檢測算法，在界面中可以選擇各種圖片、視頻進行檢測識別。博文提供了完整的Python代碼和使用教程，適合新入門的朋友參考，完整代碼資源文件請轉(zhuǎn)至文末的下載鏈接。

完整代碼下載：https://mbd.pub/o/bread/ZJaXlZhu

參考視頻演示：https://www.bilibili.com/video/BV1V8411F75q/

離線依賴庫下載：https://pan.baidu.com/s/1hW9z9ofV1FRSezTSj59JSg?pwd=oy4n?（提取碼：oy4n ）

前言

????????植物分類是植物科學(xué)研究領(lǐng)域和農(nóng)林業(yè)生產(chǎn)經(jīng)營中重要的基礎(chǔ)性工作，植物分類學(xué)是一項具有長遠意義的基礎(chǔ)性研究，其主要的分類依據(jù)是植物的外觀特征，包括葉、花、枝干、樹皮、果實等。因此，花卉分類是植物分類學(xué)的重要部分，利用計算機進行花卉自動種類識別具有重要意義。本文從常見的觀賞花卉入手，探索了基于花朵數(shù)字圖像對花卉進行種類識別的方法。

????????基于深度學(xué)習的花卉檢測與識別系統(tǒng)是近年來計算機視覺領(lǐng)域的研究熱點，同時也是目標檢測領(lǐng)域中的難點。其目的是識別和定位圖像中存在的花的種類，在許多領(lǐng)域中都有廣泛的應(yīng)用。本系統(tǒng)采用登錄注冊進行用戶管理，對于圖片、視頻和攝像頭捕獲的實時畫面，系統(tǒng)可檢測畫面中的動物，系統(tǒng)支持結(jié)果記錄、展示和保存，每次檢測的結(jié)果記錄在表格中。對此這里給出博主設(shè)計的界面，同款的簡約風，功能也可以滿足圖片、視頻和攝像頭的識別檢測，希望大家可以喜歡，初始界面如下圖：

????????檢測類別時的界面截圖（點擊圖片可放大）如下圖，可識別畫面中存在的多個類別，也可開啟攝像頭或視頻檢測：

???????? 詳細的功能演示效果參見博主的B站視頻或下一節(jié)的動圖演示，覺得不錯的朋友敬請點贊、關(guān)注加收藏！系統(tǒng)UI界面的設(shè)計工作量較大，界面美化更需仔細雕琢，大家有任何建議或意見和可在下方評論交流。

1.?效果演示

????????軟件的功能和顏值很重要，由于是花卉檢測系統(tǒng)這里界面的設(shè)計風格偏向小清新，也適用多種顏色構(gòu)建界面。首先我們還是通過動圖看一下識別的效果，系統(tǒng)主要實現(xiàn)的功能是對圖片、視頻和攝像頭畫面中的花卉種類進行識別，識別的結(jié)果可視化顯示在界面和圖像中，另外提供多個目標的顯示選擇功能，演示效果如下。

（一）系統(tǒng)介紹

????????基于深度學(xué)習的花卉檢測與識別系統(tǒng)主要用于常見花卉的智能識別，對于采集到的花卉圖像，基于深度學(xué)習技術(shù)識別多種不同種類的花卉，在圖像中標記花朵檢測框和對應(yīng)類別，以幫助人們辨認和識別花卉種類；軟件能有效識別相機拍攝的圖片、視頻等文件，準確檢測花朵區(qū)域并記錄識別結(jié)果在界面表格中方便查看；支持開啟攝像頭設(shè)備實時檢測和統(tǒng)計畫面中的花卉類型，支持結(jié)果記錄、展示和保存，對各類型花卉數(shù)目采用柱狀圖可視化顯示；軟件提供登錄注冊功能，可進行用戶管理。

（二）技術(shù)特點

???????? （1）訓(xùn)練YoloV5算法識別花卉，模型支持更換；
???????? （2）攝像頭實時檢測花卉圖像，展示、記錄和保存識別結(jié)果；
???????? （3）檢測圖片、視頻等圖像中的花朵位置等；
???????? （4）支持用戶登錄、注冊，檢測結(jié)果可視化功能；

（三）用戶注冊登錄界面

????????這里設(shè)計了一個登錄界面，可以注冊賬號和密碼，然后進行登錄。界面還是參考了當前流行的UI設(shè)計，左側(cè)是一個logo圖，右側(cè)輸入賬號、密碼、驗證碼等等。

（四）選擇圖片識別

????????系統(tǒng)允許選擇圖片文件進行識別，點擊圖片選擇按鈕圖標選擇圖片后，顯示所有識別的結(jié)果，可通過下拉選框查看單個結(jié)果，以便具體判斷某一特定目標。本功能的界面展示如下圖所示：

（五）視頻識別效果展示

????????很多時候我們需要識別一段視頻中的花卉，這里設(shè)計了視頻選擇功能。點擊視頻按鈕可選擇待檢測的視頻，系統(tǒng)會自動解析視頻逐幀識別多個花卉，并將花卉的分類結(jié)果記錄在下方表格中，效果如下圖所示：

（六）攝像頭檢測效果展示
????????在真實場景中，我們往往利用攝像頭獲取實時畫面，同時需要對花卉進行識別，因此本文考慮到此項功能。如下圖所示，點擊攝像頭按鈕后系統(tǒng)進入準備狀態(tài)，系統(tǒng)顯示實時畫面并開始檢測畫面中的花卉，識別結(jié)果展示如下圖：

2.?花卉檢測與識別系統(tǒng)

（一）數(shù)據(jù)集

???????? 花卉數(shù)據(jù)集包含金盞花、梔子花、歐芹等14種花卉，每種花大約有1000張圖片，圖片大小約為400x300，以下為包含的花卉種類。

????????本文實驗的花卉檢測識別數(shù)據(jù)集包含訓(xùn)練集9131張圖片，驗證集919張圖片，測試集463張圖片，共計10513張圖片，選取部分數(shù)據(jù)部分樣本數(shù)據(jù)集如圖所示。

???????? 一些研究不同圖片分類模型對于花朵的分類效果，他們分別使用目前主流的多種種圖片分類模型進行訓(xùn)練，這些模型是resnet18、resnet34、resnet50、resnet101、resnet152、vgg11、vgg13、vgg16、vgg19、mobilenet_v1、mobilenet_v2、mobilenet_v3_large、mobilenet_v3_small、inception_v1、inception_v2、inception_v3、squeezenet、mnist_net、alex_net、lenet、TSL16、ZF_Net。然而我們這里的花卉檢測的圖像中有大量背景的干擾，需要采用目標檢測模型進行檢測識別。

（二）基于YoloV5的識別系統(tǒng)

???????? 以上提及的方法雖然具有不錯的精度，但僅僅是分類網(wǎng)絡(luò)，不能實現(xiàn)目標的定位，于是乎本文使用了基于YoloV5的目標檢測網(wǎng)絡(luò)對花進行定位以及類別的檢測。YOLOv5的調(diào)用、訓(xùn)練和預(yù)測都十分方便，并且它為不同的設(shè)備需求和不同的應(yīng)用場景提供了大小和參數(shù)數(shù)量不同的網(wǎng)絡(luò)。

????????這里我們開始訓(xùn)練和測試自己的數(shù)據(jù)集，在cmd終端中運行train.py進行訓(xùn)練，以下是訓(xùn)練過程中的結(jié)果截圖。

????????在深度學(xué)習中，我們通常通過損失函數(shù)下降的曲線來觀察模型訓(xùn)練的情況。而YOLOv5訓(xùn)練時主要包含三個方面的損失：矩形框損失(box_loss)、置信度損失（obj_loss）和分類損失(cls_loss)，在訓(xùn)練結(jié)束后，我們也可以在logs目錄下找到生成對若干訓(xùn)練過程統(tǒng)計圖。下圖為博主訓(xùn)練花卉類識別的模型訓(xùn)練曲線圖。

? ? ? ? 一般我們會接觸到兩個指標，分別是召回率recall和精度precision，兩個指標p和r都是簡單地從一個角度來判斷模型的好壞，均是介于0到1之間的數(shù)值，其中接近于1表示模型的性能越好，接近于0表示模型的性能越差，為了綜合評價目標檢測的性能，一般采用均值平均密度map來進一步評估模型的好壞。我們通過設(shè)定不同的置信度的閾值，可以得到在模型在不同的閾值下所計算出的p值和r值，一般情況下，p值和r值是負相關(guān)的，繪制出來可以得到如下圖所示的曲線，其中曲線的面積我們稱AP，目標檢測模型中每種目標可計算出一個AP值，對所有的AP值求平均則可以得到模型的mAP值。

? ? ? ? 以PR-curve為例，可以看到我們的模型在驗證集上的均值平均準確率為0.698。

（三）花卉檢測與識別

????????在訓(xùn)練完成后得到最佳模型，接下來我們將幀圖像輸入到這個網(wǎng)絡(luò)進行預(yù)測，從而得到預(yù)測結(jié)果，預(yù)測方法（predict.py）部分的代碼如下所示：

????????得到預(yù)測結(jié)果我們便可以將幀圖像中的花卉框出，然后在圖片上用opencv繪圖操作，輸出花卉的類別及花卉的預(yù)測分數(shù)。以下是讀取一個花卉圖片并進行檢測的腳本，首先將圖片數(shù)據(jù)進行預(yù)處理后送predict進行檢測，然后計算標記框的位置并在圖中標注出來。

????????執(zhí)行得到的結(jié)果如下圖所示，圖中花卉的種類和置信度值都標注出來了，預(yù)測速度較快?；诖四Ｐ臀覀兛梢詫⑵湓O(shè)計成一個帶有界面的系統(tǒng)，在界面上選擇圖片、視頻或攝像頭然后調(diào)用模型進行檢測。

????????博主對整個系統(tǒng)進行了詳細測試，最終開發(fā)出一版流暢得到清新界面，就是博文演示部分的展示，完整的UI界面、測試圖片視頻、代碼文件，以及Python離線依賴包（方便安裝運行，也可自行配置環(huán)境），均已打包上傳，感興趣的朋友可以通過下載鏈接獲取。

下載鏈接

????若您想獲得博文中涉及的實現(xiàn)完整全部程序文件（包括測試圖片、視頻，py, UI文件等，如下圖），這里已打包上傳至博主的面包多平臺，見可參考博客與視頻，已將所有涉及的文件同時打包到里面，點擊即可運行，完整文件截圖如下：

? ? 在文件夾下的資源顯示如下，下面的鏈接中也給出了Python的離線依賴包，讀者可在正確安裝Anaconda和Pycharm軟件后，復(fù)制離線依賴包至項目目錄下進行安裝，離線依賴的使用詳細演示也可見本人B站視頻：win11從頭安裝軟件和配置環(huán)境運行深度學(xué)習項目、Win10中使用pycharm和anaconda進行python環(huán)境配置教程。

注意：該代碼采用Pycharm+Python3.8開發(fā)，經(jīng)過測試能成功運行，運行界面的主程序為runMain.py和LoginUI.py，測試圖片腳本可運行testPicture.py，測試視頻腳本可運行testVideo.py。為確保程序順利運行，請按照requirements.txt配置Python依賴包的版本。Python版本：3.8，請勿使用其他版本，詳見requirements.txt文件；

完整資源中包含數(shù)據(jù)集及訓(xùn)練代碼，環(huán)境配置與界面中文字、圖片、logo等的修改方法請見視頻，項目完整文件下載請見以下鏈接處給出：???

完整代碼下載：https://mbd.pub/o/bread/ZJaXlZhu

參考視頻演示：https://www.bilibili.com/video/BV1V8411F75q/

離線依賴庫下載：https://pan.baidu.com/s/1hW9z9ofV1FRSezTSj59JSg?pwd=oy4n?（提取碼：oy4n ）

界面中文字、圖標和背景圖修改方法：

????????在Qt Designer中可以徹底修改界面的各個控件及設(shè)置，然后將ui文件轉(zhuǎn)換為py文件即可調(diào)用和顯示界面。如果只需要修改界面中的文字、圖標和背景圖的，可以直接在ConfigUI.config文件中修改，步驟如下：
????????（1）打開UI_rec/tools/ConfigUI.config文件，若亂碼請選擇GBK編碼打開。
????????（2）如需修改界面文字，只要選中要改的字符替換成自己的就好。
????????（3）如需修改背景、圖標等，只需修改圖片的路徑。例如，原文件中的背景圖設(shè)置如下：

????????可修改為自己的名為background2.png圖片（位置在UI_rec/icons/文件夾中），可將該項設(shè)置如下即可修改背景圖：

結(jié)束語

????????由于博主能力有限，博文中提及的方法即使經(jīng)過試驗，也難免會有疏漏之處。希望您能熱心指出其中的錯誤，以便下次修改時能以一個更完美更嚴謹?shù)臉幼樱尸F(xiàn)在大家面前。同時如果有更好的實現(xiàn)方法也請您不吝賜教。