基于深度学习的水果识别系统设计

一、选择YOLOv5s模型

YOLOv5:YOLOv5 是一个轻量级的目标检测模型,它在 YOLOv4 的基础上进行了进一步优化,使其在保持较高检测精度的同时,具有更快的推理速度。YOLOv5 的网络结构更加灵活,可以根据不同的需求选择不同大小的模型,如 YOLOv5s、YOLOv5m、YOLOv5l 和 YOLOv5x,分别对应不同的模型复杂度和性能。

二、设计PyQt界面

三、槽函数绑定信号

界面注册函数

python 复制代码
    def register(self):
        connect=sqlite3.connect('register.db')
        cursor=connect.cursor()
        user_id=self.lineEdit.text()
        password=self.lineEdit_2.text()
        confirm=self.lineEdit_3.text()
        if password==confirm and user_id and password:
            sql='insert into user (user_id, password) values (?, ?)'
            cursor.execute(sql,(user_id,password))
            connect.commit()
            cursor.close()
            connect.close()
            QMessageBox.information(self,"提示","注册成功")
        elif password!=confirm:
            QMessageBox.information(self,"提示","两次密码不一致,请重新输入!")
        else:
            QMessageBox.information(self, "提示", "信息输入错误,请重新输入!")

用的数据库是sqlite3,直接import sqlite3,用起来比较方便。

点击登录按钮,就会调用detect函数,在数据库里查找信息匹配,判断账号和密码是否对应。

python 复制代码
    #打开检测界面
    def detect(self):
        connect=sqlite3.connect('register.db')
        cursor=connect.cursor()
        user_id=self.lineEdit.text()
        password=self.lineEdit_2.text()
        if user_id and password:
            sql='select  user_id,password from user where user_id=? and password=?'
            cursor.execute(sql,(user_id,password))
            connect.commit()
            data=cursor.fetchall()
            if data:
                self.close()
                DetectWin.show()
            else:
                QMessageBox.information(self,"提示","用户名或者密码错误,请重新输入")
            cursor.close()
            connect.close()
        else:
            QMessageBox.information(self,"提示","存在未输入项")

对应的话就会登录到检测界面

检测界面有四个按钮:加载模型、加载数据、开始检测、摄像头检测。

点击加载模型按钮,就会打开文件夹模型的路径。然后选择训练好的模型。

点击加载数据按钮,就会打开数据存放路径的文件夹,选择的数据可以是视频、可以是图片。

点击开始检测按钮,就会调用YOLOv5自带的detect.py代码,模型是你训练好的模型,然后就会开始检测,检测结果直接显示在界面右边,打开输出文件夹,里面是检测结果图片或者视频。

点击摄像头检测,就会调用电脑摄像头然后开始识别物体,检测结果直接实时显示在界面右边。

三、运行效果展示

20250512_175736

四、源码和环境配置

价格可谈,帮你配置环境和代码运行成功,不局限于水果检测,各种检测合适的话都可接

相关推荐
大数据张老师几秒前
用 AI 做数据分析:从“数字”里挖“规律”
大数据·人工智能
音视频牛哥29 分钟前
如何打造毫秒级响应的RTSP播放器:架构拆解与实战优化指南
人工智能·机器人·音视频开发
张较瘦_36 分钟前
[论文阅读] 人工智能 + 软件工程 | NoCode-bench:评估LLM无代码功能添加能力的新基准
论文阅读·人工智能·软件工程
go546315846540 分钟前
Python点阵字生成与优化:从基础实现到高级渲染技术
开发语言·人工智能·python·深度学习·分类·数据挖掘
Coovally AI模型快速验证1 小时前
避开算力坑!无人机桥梁检测场景下YOLO模型选型指南
人工智能·深度学习·yolo·计算机视觉·目标跟踪·无人机
巫婆理发2221 小时前
神经网络(第二课第一周)
人工智能·深度学习·神经网络
欧阳小猜2 小时前
OpenCV-图像预处理➁【图像插值方法、边缘填充策略、图像矫正、掩膜应用、水印添加,图像的噪点消除】
人工智能·opencv·计算机视觉
旭日东升的xu.2 小时前
OpenCV(04)梯度处理,边缘检测,绘制轮廓,凸包特征检测,轮廓特征查找
人工智能·opencv·计算机视觉
liliangcsdn2 小时前
mac测试ollama llamaindex
数据仓库·人工智能·prompt·llama
qyhua2 小时前
Windows 平台源码部署 Dify教程(不依赖 Docker)
人工智能·windows·python