frog 网站建设福建交通建设网站

frog 网站建设,福建交通建设网站,中国中国建设银行网站首页,正能量erp软件下载免费一、项目介绍 摘要 本项目基于YOLOv8目标检测算法开发了一套苹果成熟度自动检测系统#xff0c;能够准确识别并分类苹果的五个成熟度等级#xff1a;100%成熟度#xff08;100-_ripeness#xff09;、20%成熟度#xff08;20-_ripeness#xff09;、50%成熟度#xff…一、项目介绍摘要本项目基于YOLOv8目标检测算法开发了一套苹果成熟度自动检测系统能够准确识别并分类苹果的五个成熟度等级100%成熟度100-_ripeness、20%成熟度20-_ripeness、50%成熟度50-_ripeness、75%成熟度75-_ripeness以及腐烂苹果rotten_apple。系统采用大规模专业数据集进行训练包含训练集2144张图像、验证集359张图像和测试集225张图像确保了模型的泛化能力和检测精度。该系统实现了苹果成熟度的实时、非接触式检测可部署于果园自动化采摘系统、水果分拣流水线或移动检测设备中。通过深度学习技术系统能够克服传统人工检测效率低、主观性强等缺点为苹果产业的智能化升级提供了可靠的技术解决方案。实验结果表明该系统的检测准确率高显著提高了苹果品质检测的效率和一致性。项目意义1. 农业智能化转型的推动者本项目的开发直接响应了现代农业向智能化、自动化转型的需求。传统苹果成熟度检测主要依赖人工经验判断不仅效率低下每人每天仅能检测有限数量的苹果而且存在主观性强、标准不一致等问题。YOLOv8苹果成熟度检测系统的应用将检测速度提升至毫秒级别同时保持客观一致的判断标准为果园管理和水果采摘提供了科学决策依据。2. 农产品质量控制的革新在苹果产业链中成熟度检测是影响产品品质和经济效益的关键环节。不同成熟度的苹果有着不同的用途和市场价值未成熟苹果适合长期储存和运输完全成熟苹果适合即时销售而腐烂苹果需要及时剔除。本系统能够精确区分五个关键成熟度等级实现苹果的精准分级从而优化储存、运输和销售策略减少因成熟度误判导致的经济损失。3. 减少食品浪费的环保价值据统计全球有大量水果蔬菜因储存和运输过程中的腐烂问题而被浪费。本系统特别设置了rotten_apple腐烂苹果检测类别能够在早期阶段识别出开始变质的苹果及时将其从库存中剔除防止一个坏苹果糟蹋一筐好苹果的现象发生。这一功能对于减少食品浪费、提高资源利用率具有重要的环保意义。4. 农业劳动力问题的解决方案随着农村劳动力向城市转移农业领域面临日益严重的劳动力短缺问题。本系统的自动化检测能力可以大幅减少对专业熟练工人的依赖降低人工成本同时解决因劳动力不足导致的采收不及时等问题保障苹果产业可持续发展。5. 技术推广的示范价值本项目采用的YOLOv8是当前最先进的目标检测算法之一其在苹果成熟度检测中的应用为其他水果和农产品的品质检测提供了可借鉴的技术方案。系统的成功实施将推动计算机视觉技术在农业领域的更广泛应用促进农业与信息技术的深度融合。6. 数据驱动的精准农业实践项目构建的包含2728张图像的专业数据集涵盖不同光照条件、角度和背景的苹果图像不仅服务于当前系统训练也为后续研究提供了宝贵资源。这种数据驱动的开发模式代表了精准农业的发展方向为建立更完善的农产品质量评估体系奠定了基础。综上所述YOLOv8苹果成熟度检测系统不仅是技术创新更是农业生产方式变革的重要推动力将在提高农产品质量、降低生产成本、减少食品浪费等多个方面产生显著的经济和社会效益。随着系统的进一步优化和推广其影响力将扩展至整个水果产业链乃至更广阔的农业领域。目录一、项目介绍摘要项目意义1. 农业智能化转型的推动者2. 农产品质量控制的革新3. 减少食品浪费的环保价值4. 农业劳动力问题的解决方案5. 技术推广的示范价值6. 数据驱动的精准农业实践二、项目功能展示系统功能图片检测视频检测摄像头实时检测三、数据集介绍数据集概述数据集特点数据集配置文件数据集制作流程四、项目环境配置创建虚拟环境pycharm中配置anaconda安装所需要库五、模型训练训练代码训练结果六、核心代码​编辑七、项目源码(视频简介内)基于深度学习YOLOv8的苹果成熟度检测系统YOLOv8YOLO数据集UI界面Python项目源码模型_哔哩哔哩_bilibili基于深度学习YOLOv8的苹果成熟度检测系统YOLOv8YOLO数据集UI界面Python项目源码模型二、项目功能展示系统功能✅图片检测可对图片进行检测返回检测框及类别信息。✅视频检测支持视频文件输入检测视频中每一帧的情况。✅摄像头实时检测连接USB 摄像头实现实时监测。✅参数实时调节置信度和IoU阈值图片检测该功能允许用户通过单张图片进行目标检测。输入一张图片后YOLO模型会实时分析图像识别出其中的目标并在图像中框出检测到的目标输出带有目标框的图像。批量图片检测用户可以一次性上传多个图片进行批量处理。该功能支持对多个图像文件进行并行处理并返回每张图像的目标检测结果适用于需要大规模处理图像数据的应用场景。视频检测视频检测功能允许用户将视频文件作为输入。YOLO模型将逐帧分析视频并在每一帧中标记出检测到的目标。最终结果可以是带有目标框的视频文件或实时展示适用于视频监控和分析等场景。摄像头实时检测该功能支持通过连接摄像头进行实时目标检测。YOLO模型能够在摄像头拍摄的实时视频流中进行目标检测实时识别并显示检测结果。此功能非常适用于安防监控、无人驾驶、智能交通等应用提供即时反馈。核心特点高精度基于YOLO模型提供精确的目标检测能力适用于不同类型的图像和视频。实时性特别优化的算法使得实时目标检测成为可能无论是在视频还是摄像头实时检测中响应速度都非常快。批量处理支持高效的批量图像和视频处理适合大规模数据分析。三、数据集介绍数据集概述本项目构建了一个专业化的苹果成熟度检测图像数据集总样本量2728张分为训练集2144张、验证集359张和测试集225张。数据集包含五个精细定义的成熟度类别20%成熟度苹果呈现明显青绿色体积发育完全但颜色未转变50%成熟度开始出现黄绿色或淡红色处于颜色转变初期75%成熟度大部分果面呈现成熟色泽但仍有部分绿色区域100%成熟度完全呈现品种特征颜色色泽均匀饱满腐烂苹果表面出现明显褐变、病斑或腐烂特征的果实数据集特点多样性保障采集场景涵盖果园自然光照、包装车间、实验室环境包含多个苹果品种如富士、嘎啦、红元帅等拍摄角度多样正视、侧视、俯视、多果实重叠等光照条件变化自然光、补光灯、阴影等精细标注每个苹果实例均用矩形框精确标注成熟度分级由农业专家确认标注考虑了果实遮挡、枝叶干扰等现实情况质量控制排除了模糊、过曝或严重遮挡的无效样本各类别样本数量经过平衡处理测试集完全独立采集确保评估客观性数据集配置文件项目采用YOLO格式的数据集配置文件如apple_dataset.yaml主要包含以下内容train: F:\苹果成熟度数据集\train\images val: F:\苹果成熟度数据集\valid\images test: F:\苹果成熟度数据集\test\images nc: 5 names: [100-_ripeness, 20-_ripeness, 50-_ripeness, 75-_ripeness, rotten_apple]数据集制作流程原始数据采集使用专业数码相机和智能手机多设备采集拍摄距离确保果实清晰可见每个样本采集多角度照片专业标注使用LabelImg等工具进行边界框标注由果树栽培专家指导确定成熟度分级标准标注结果经过三重校验数据增强应用色彩抖动、随机旋转、镜像翻转添加模拟阴影和光照变化生成部分遮挡样本提高模型鲁棒性数据集划分确保各子集在品种、成熟度、拍摄环境上分布一致同一棵树的果实不会同时出现在训练集和测试集测试集包含困难样本严重遮挡、非常规姿态等质量验证计算各类别样本数量分布检查标注框的准确性和一致性验证图像与标注文件的对应关系四、项目环境配置创建虚拟环境首先新建一个Anaconda环境每个项目用不同的环境这样项目中所用的依赖包互不干扰。终端输入conda create -n yolov8 python3.9激活虚拟环境conda activate yolov8安装cpu版本pytorchpip install torch torchvision torchaudiopycharm中配置anaconda安装所需要库pip install -r requirements.txt五、模型训练训练代码from ultralytics import YOLO model_path yolov8s.pt data_path datasets/data.yaml if __name__ __main__: model YOLO(model_path) results model.train(datadata_path, epochs500, batch64, device0, workers0, projectruns/detect, nameexp, )根据实际情况更换模型 yolov8n.yaml (nano)轻量化模型适合嵌入式设备速度快但精度略低。 yolov8s.yaml (small)小模型适合实时任务。 yolov8m.yaml (medium)中等大小模型兼顾速度和精度。 yolov8b.yaml (base)基本版模型适合大部分应用场景。 yolov8l.yaml (large)大型模型适合对精度要求高的任务。--batch 64每批次64张图像。--epochs 500训练500轮。--datasets/data.yaml数据集配置文件。--weights yolov8s.pt初始化模型权重yolov8s.pt是预训练的轻量级YOLO模型。训练结果六、核心代码from PyQt5 import QtCore, QtGui, QtWidgets from PyQt5.QtCore import Qt, QTimer from PyQt5.QtGui import QImage, QPixmap, QIcon from PyQt5.QtWidgets import (QFileDialog, QMessageBox, QTableWidgetItem, QStyledItemDelegate, QHeaderView) import cv2 import numpy as np from ultralytics import YOLO import os import datetime import sys class CenteredDelegate(QStyledItemDelegate): def initStyleOption(self, option, index): super().initStyleOption(option, index) option.displayAlignment Qt.AlignCenter class Ui_MainWindow(object): def setupUi(self, MainWindow): MainWindow.setObjectName(MainWindow) MainWindow.resize(1400, 900) MainWindow.setWindowTitle(YOLOv8 目标检测系统) # 设置窗口图标 if hasattr(sys, _MEIPASS): icon_path os.path.join(sys._MEIPASS, icon.ico) else: icon_path icon.ico if os.path.exists(icon_path): MainWindow.setWindowIcon(QIcon(icon_path)) self.centralwidget QtWidgets.QWidget(MainWindow) self.centralwidget.setObjectName(centralwidget) # 主布局 self.main_layout QtWidgets.QHBoxLayout(self.centralwidget) self.main_layout.setContentsMargins(10, 10, 10, 10) self.main_layout.setSpacing(15) # 左侧布局 (图像显示) self.left_layout QtWidgets.QVBoxLayout() self.left_layout.setSpacing(15) # 原始图像组 self.original_group QtWidgets.QGroupBox(原始图像) self.original_group.setMinimumHeight(400) self.original_img_label QtWidgets.QLabel() self.original_img_label.setAlignment(QtCore.Qt.AlignCenter) self.original_img_label.setText(等待加载图像...) self.original_img_label.setStyleSheet(background-color: #F0F0F0; border: 1px solid #CCCCCC;) original_layout QtWidgets.QVBoxLayout() original_layout.addWidget(self.original_img_label) self.original_group.setLayout(original_layout) self.left_layout.addWidget(self.original_group) # 检测结果图像组 self.result_group QtWidgets.QGroupBox(检测结果) self.result_group.setMinimumHeight(400) self.result_img_label QtWidgets.QLabel() self.result_img_label.setAlignment(QtCore.Qt.AlignCenter) self.result_img_label.setText(检测结果将显示在这里) self.result_img_label.setStyleSheet(background-color: #F0F0F0; border: 1px solid #CCCCCC;) result_layout QtWidgets.QVBoxLayout() result_layout.addWidget(self.result_img_label) self.result_group.setLayout(result_layout) self.left_layout.addWidget(self.result_group) self.main_layout.addLayout(self.left_layout, stretch3) # 右侧布局 (控制面板) self.right_layout QtWidgets.QVBoxLayout() self.right_layout.setSpacing(15) # 模型选择组 self.model_group QtWidgets.QGroupBox(模型设置) self.model_group.setStyleSheet(QGroupBox { font-weight: bold; }) self.model_layout QtWidgets.QVBoxLayout() # 模型选择 self.model_combo QtWidgets.QComboBox() self.model_combo.addItems([best.pt]) self.model_combo.setCurrentIndex(0) # 加载模型按钮 self.load_model_btn QtWidgets.QPushButton( 加载模型) self.load_model_btn.setIcon(QIcon.fromTheme(document-open)) self.load_model_btn.setStyleSheet( QPushButton { padding: 8px; background-color: #4CAF50; color: white; border-radius: 4px; } QPushButton:hover { background-color: #45a049; } ) self.model_layout.addWidget(self.model_combo) self.model_layout.addWidget(self.load_model_btn) self.model_group.setLayout(self.model_layout) self.right_layout.addWidget(self.model_group) # 参数设置组 self.param_group QtWidgets.QGroupBox(检测参数) self.param_group.setStyleSheet(QGroupBox { font-weight: bold; }) self.param_layout QtWidgets.QFormLayout() self.param_layout.setLabelAlignment(Qt.AlignLeft) self.param_layout.setFormAlignment(Qt.AlignLeft) self.param_layout.setVerticalSpacing(15) # 置信度滑块 self.conf_slider QtWidgets.QSlider(Qt.Horizontal) self.conf_slider.setRange(1, 99) self.conf_slider.setValue(25) self.conf_value QtWidgets.QLabel(0.25) self.conf_value.setAlignment(Qt.AlignCenter) self.conf_value.setStyleSheet(font-weight: bold; color: #2196F3;) # IoU滑块 self.iou_slider QtWidgets.QSlider(Qt.Horizontal) self.iou_slider.setRange(1, 99) self.iou_slider.setValue(45) self.iou_value QtWidgets.QLabel(0.45) self.iou_value.setAlignment(Qt.AlignCenter) self.iou_value.setStyleSheet(font-weight: bold; color: #2196F3;) self.param_layout.addRow(置信度阈值:, self.conf_slider) self.param_layout.addRow(当前值:, self.conf_value) self.param_layout.addRow(QtWidgets.QLabel()) # 空行 self.param_layout.addRow(IoU阈值:, self.iou_slider) self.param_layout.addRow(当前值:, self.iou_value) self.param_group.setLayout(self.param_layout) self.right_layout.addWidget(self.param_group) # 功能按钮组 self.func_group QtWidgets.QGroupBox(检测功能) self.func_group.setStyleSheet(QGroupBox { font-weight: bold; }) self.func_layout QtWidgets.QVBoxLayout() self.func_layout.setSpacing(10) # 图片检测按钮 self.image_btn QtWidgets.QPushButton( 图片检测) self.image_btn.setIcon(QIcon.fromTheme(image-x-generic)) # 视频检测按钮 self.video_btn QtWidgets.QPushButton( 视频检测) self.video_btn.setIcon(QIcon.fromTheme(video-x-generic)) # 摄像头检测按钮 self.camera_btn QtWidgets.QPushButton( 摄像头检测) self.camera_btn.setIcon(QIcon.fromTheme(camera-web)) # 停止检测按钮 self.stop_btn QtWidgets.QPushButton( 停止检测) self.stop_btn.setIcon(QIcon.fromTheme(process-stop)) self.stop_btn.setEnabled(False) # 保存结果按钮 self.save_btn QtWidgets.QPushButton( 保存结果) self.save_btn.setIcon(QIcon.fromTheme(document-save)) self.save_btn.setEnabled(False) # 设置按钮样式 button_style QPushButton { padding: 10px; background-color: #2196F3; color: white; border: none; border-radius: 4px; text-align: left; } QPushButton:hover { background-color: #0b7dda; } QPushButton:disabled { background-color: #cccccc; } for btn in [self.image_btn, self.video_btn, self.camera_btn, self.stop_btn, self.save_btn]: btn.setStyleSheet(button_style) self.func_layout.addWidget(btn) self.func_group.setLayout(self.func_layout) self.right_layout.addWidget(self.func_group) # 检测结果表格组 self.table_group QtWidgets.QGroupBox(检测结果详情) self.table_group.setStyleSheet(QGroupBox { font-weight: bold; }) self.table_layout QtWidgets.QVBoxLayout() self.result_table QtWidgets.QTableWidget() self.result_table.setColumnCount(4) self.result_table.setHorizontalHeaderLabels([类别, 置信度, 左上坐标, 右下坐标]) self.result_table.horizontalHeader().setSectionResizeMode(QHeaderView.Stretch) self.result_table.verticalHeader().setVisible(False) self.result_table.setSelectionBehavior(QtWidgets.QAbstractItemView.SelectRows) self.result_table.setEditTriggers(QtWidgets.QAbstractItemView.NoEditTriggers) # 设置表格样式 self.result_table.setStyleSheet( QTableWidget { border: 1px solid #e0e0e0; alternate-background-color: #f5f5f5; } QHeaderView::section { background-color: #2196F3; color: white; padding: 5px; border: none; } QTableWidget::item { padding: 5px; } ) # 设置居中代理 delegate CenteredDelegate(self.result_table) self.result_table.setItemDelegate(delegate) self.table_layout.addWidget(self.result_table) self.table_group.setLayout(self.table_layout) self.right_layout.addWidget(self.table_group, stretch1) self.main_layout.addLayout(self.right_layout, stretch1) MainWindow.setCentralWidget(self.centralwidget) # 状态栏 self.statusbar QtWidgets.QStatusBar(MainWindow) self.statusbar.setStyleSheet(QStatusBar { border-top: 1px solid #c0c0c0; }) MainWindow.setStatusBar(self.statusbar) # 初始化变量 self.model None self.cap None self.timer QTimer() self.is_camera_running False self.current_image None self.current_result None self.video_writer None self.output_path output # 创建输出目录 if not os.path.exists(self.output_path): os.makedirs(self.output_path) # 连接信号槽 self.load_model_btn.clicked.connect(self.load_model) self.image_btn.clicked.connect(self.detect_image) self.video_btn.clicked.connect(self.detect_video) self.camera_btn.clicked.connect(self.detect_camera) self.stop_btn.clicked.connect(self.stop_detection) self.save_btn.clicked.connect(self.save_result) self.conf_slider.valueChanged.connect(self.update_conf_value) self.iou_slider.valueChanged.connect(self.update_iou_value) self.timer.timeout.connect(self.update_camera_frame) # 设置全局样式 self.set_style() def set_style(self): style QMainWindow { background-color: #f5f5f5; } QGroupBox { border: 1px solid #e0e0e0; border-radius: 5px; margin-top: 10px; padding-top: 15px; } QGroupBox::title { subcontrol-origin: margin; left: 10px; padding: 0 3px; } QLabel { color: #333333; } QComboBox { padding: 5px; border: 1px solid #cccccc; border-radius: 3px; } QSlider::groove:horizontal { height: 6px; background: #e0e0e0; border-radius: 3px; } QSlider::handle:horizontal { width: 16px; height: 16px; margin: -5px 0; background: #2196F3; border-radius: 8px; } QSlider::sub-page:horizontal { background: #2196F3; border-radius: 3px; } self.centralwidget.setStyleSheet(style) def load_model(self): model_name self.model_combo.currentText().split( )[0] try: self.model YOLO(model_name) self.statusbar.showMessage(f模型 {model_name} 加载成功, 3000) self.image_btn.setEnabled(True) self.video_btn.setEnabled(True) self.camera_btn.setEnabled(True) except Exception as e: QMessageBox.critical(None, 错误, f模型加载失败: {str(e)}) def update_conf_value(self): conf self.conf_slider.value() / 100 self.conf_value.setText(f{conf:.2f}) def update_iou_value(self): iou self.iou_slider.value() / 100 self.iou_value.setText(f{iou:.2f}) def detect_image(self): if self.model is None: QMessageBox.warning(None, 警告, 请先加载模型) return file_path, _ QFileDialog.getOpenFileName( None, 选择图片, , 图片文件 (*.jpg *.jpeg *.png *.bmp);;所有文件 (*) ) if file_path: try: # 读取图片 img cv2.imread(file_path) img cv2.cvtColor(img, cv2.COLOR_BGR2RGB) # 显示原始图片 self.display_image(img, self.original_img_label) self.current_image img.copy() # 检测图片 conf self.conf_slider.value() / 100 iou self.iou_slider.value() / 100 self.statusbar.showMessage(正在检测图片...) QtWidgets.QApplication.processEvents() # 更新UI results self.model.predict(img, confconf, iouiou) result_img results[0].plot() # 显示检测结果 self.display_image(result_img, self.result_img_label) self.current_result result_img.copy() # 更新结果表格 self.update_result_table(results[0]) self.save_btn.setEnabled(True) self.statusbar.showMessage(f图片检测完成: {os.path.basename(file_path)}, 3000) except Exception as e: QMessageBox.critical(None, 错误, f图片检测失败: {str(e)}) self.statusbar.showMessage(图片检测失败, 3000) def detect_video(self): if self.model is None: QMessageBox.warning(None, 警告, 请先加载模型) return file_path, _ QFileDialog.getOpenFileName( None, 选择视频, , 视频文件 (*.mp4 *.avi *.mov *.mkv);;所有文件 (*) ) if file_path: try: self.cap cv2.VideoCapture(file_path) if not self.cap.isOpened(): raise Exception(无法打开视频文件) # 获取视频信息 fps self.cap.get(cv2.CAP_PROP_FPS) width int(self.cap.get(cv2.CAP_PROP_FRAME_WIDTH)) height int(self.cap.get(cv2.CAP_PROP_FRAME_HEIGHT)) # 创建视频写入器 timestamp datetime.datetime.now().strftime(%Y%m%d_%H%M%S) output_file os.path.join(self.output_path, foutput_{timestamp}.mp4) fourcc cv2.VideoWriter_fourcc(*mp4v) self.video_writer cv2.VideoWriter(output_file, fourcc, fps, (width, height)) # 启用停止按钮禁用其他按钮 self.stop_btn.setEnabled(True) self.save_btn.setEnabled(True) self.image_btn.setEnabled(False) self.video_btn.setEnabled(False) self.camera_btn.setEnabled(False) # 开始处理视频 self.timer.start(30) # 30ms间隔 self.statusbar.showMessage(f正在处理视频: {os.path.basename(file_path)}...) except Exception as e: QMessageBox.critical(None, 错误, f视频检测失败: {str(e)}) self.statusbar.showMessage(视频检测失败, 3000)七、项目源码(视频简介内)完整全部资源文件包括测试图片py文件训练数据集、训练代码、界面代码等这里已打包上传至博主的面包多平台见可参考博客与视频已将所有涉及的文件同时打包到里面点击即可运行完整文件截图如下演示与介绍视频基于深度学习YOLOv8的苹果成熟度检测系统YOLOv8YOLO数据集UI界面Python项目源码模型_哔哩哔哩_bilibili基于深度学习YOLOv8的苹果成熟度检测系统YOLOv8YOLO数据集UI界面Python项目源码模型