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
冬奇Lab4 分钟前
开源项目第199期:OpenWiki — LangChain 出品的代码库自维护文档 CLI,为 Agent 而生
人工智能·开源·资讯
冬奇Lab5 分钟前
Code Agent 解剖(12):Harness 设计之二——上下文工程
人工智能·开源·agent
FII工业富联科技服务11 分钟前
AI Agent底层逻辑解析:Token、上下文与异构计算的协同架构
人工智能
小弥儿28 分钟前
GitHub今日热榜 | 2026-08-26:AI 大脑与知识管理扎堆
人工智能·学习·开源·github
荷蒲29 分钟前
【小白量化Qbuddy】利用AI学习中文Python
人工智能·python·学习
继续商行33 分钟前
数据库变更协作:研发与 DBA 如何约定 DDL 边界
人工智能
IT_陈寒1 小时前
Vue的响应式更新有时候真的不听话
前端·人工智能·后端
柳絮飞祭奠1 小时前
Dify Windows Docker Desktop 部署文档
人工智能·深度学习·语言模型·数据分析·transformer·边缘计算·集成学习
DeepLink_20251 小时前
Triton第四课:基于对称内存融合 AllGather 与 MatMul,提速1.56倍
人工智能·芯片·技术科普
zhangfeng11331 小时前
AMD Instinct MI50(gfx906)上为 Qwen 系列模型优化并可用的 vLLM 相关仓库、Docker 镜像与实践指南。
人工智能·docker·ai编程·qwen·算子开发·vllm·mi50