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
板面华仔7 分钟前
机器学习入门(三)——决策树(Decision Tree)
人工智能·决策树·机器学习
GAOJ_K20 分钟前
滚珠花键的无预压、间隙调整与过盈配合“场景适配型”
人工智能·科技·机器人·自动化·制造
ai_xiaogui24 分钟前
【开源探索】Panelai:重新定义AI服务器管理面板,助力团队私有化算力部署与模型运维
人工智能·开源·私有化部署·docker容器化·panelai·ai服务器管理面板·comfyui集群管理
源于花海29 分钟前
迁移学习的前沿知识(AI与人类经验结合、传递式、终身、在线、强化、可解释性等)
人工智能·机器学习·迁移学习·迁移学习前沿
机 _ 长32 分钟前
YOLO26 改进 | 基于特征蒸馏 | 知识蒸馏 (Response & Feature-based Distillation)
python·深度学习·机器学习
king of code porter1 小时前
百宝箱企业版搭建智能体应用-平台概述
人工智能·大模型·智能体
愚公搬代码1 小时前
【愚公系列】《AI短视频创作一本通》004-AI短视频的准备工作(创作AI短视频的基本流程)
人工智能·音视频
物联网软硬件开发-轨物科技1 小时前
【轨物洞见】告别“被动维修”!预测性运维如何重塑老旧电站的资产价值?
运维·人工智能
电商API_180079052471 小时前
第三方淘宝商品详情 API 全维度调用指南:从技术对接到生产落地
java·大数据·前端·数据库·人工智能·网络爬虫
梁辰兴1 小时前
百亿美元赌注变数,AI军备竞赛迎来转折点?
人工智能·ai·大模型·openai·英伟达·梁辰兴·ai军备竞赛