# 中草药识别系统-识别算法端

**Repository Path**: AK21006/chinese-medicine-algorithm

## Basic Information

- **Project Name**: 中草药识别系统-识别算法端
- **Description**: 中草药识别算法端
- **Primary Language**: Python
- **License**: MPL-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 1
- **Created**: 2025-11-08
- **Last Updated**: 2025-11-08

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 中草药识别系统 - 算法端

## 本项目是本人2025届本科毕业设计，如需引用参考需注意版权归属

## 项目简介

本项目为中草药识别系统的算法端，旨在通过深度学习与图像处理技术，实现对中草药图片的自动识别与分类。该系统可辅助中医药领域的研究与应用，提高中草药识别的效率与准确率。

## 主要功能

- 中草药图片的自动识别与分类
- 支持多种深度学习模型的训练与推理
- 提供 API 接口，便于前端或其他系统调用
- 支持模型评估与结果可视化

## 环境依赖

- Python 3.7 及以上版本
- 常用深度学习框架（如 PyTorch 或 TensorFlow）
- OpenCV、NumPy、Pillow 等图像处理库
- 其他依赖请参考 `requirements.txt`

## 快速开始

1. 克隆本项目：
   ```bash
   git clone <项目地址>
   ```
2. 安装依赖：
   ```bash
   pip install -r requirements.txt
   ```
3. 运行主程序或 API 服务：
   ```bash
   python main.py
   ```

## 项目结构

- `main.py`：主程序入口
- `models/`：模型相关代码
- `data/`：数据处理与加载
- `api/`：API 接口实现
- `utils/`：工具函数

## 联系方式

如有问题或建议，请联系项目维护者：

- 邮箱：your_email@example.com

---

欢迎为本项目贡献代码！

## 子项目说明

### 1. pytorch 端

#### 主要功能

- 基于 PyTorch 框架实现中草药图片的识别与分类。
- 支持 ResNet50 等主流深度学习模型的训练与推理。
- 通过 Flask 提供 API 接口，支持前端或其他系统调用，实现图片识别服务。
- 支持与 MySQL 数据库联动，动态获取类别信息。
- 具备模型训练、评估、推理、结果可视化等功能。

#### 主要目录结构

- `main.py`：API 服务主入口，提供图片识别接口。
- `models/`：存放模型结构定义及训练好的模型参数。
- `data/`：数据集及数据处理相关脚本。
- `pretrained_weights/`：预训练模型权重文件。
- `results/`：模型训练与评估结果。
- 其他如 `resent_train_best.py`、`resnet_train.py` 等为模型训练脚本。

#### 快速启动

```bash
cd pytorch
pip install -r requirements.txt
python main.py
```

API 默认运行在 5000 端口，支持图片 POST 识别。

---

### 2. tensorflow 端

#### 主要功能

- 基于 TensorFlow/Keras 框架实现多种主流模型（如 DenseNet、EfficientNet、Inception、MobileNet、ResNet、ViT 等）的中草药图片识别。
- 提供 Flask API 服务，支持图片识别接口调用。
- 支持多模型训练、评估与对比，适用于不同场景和硬件资源。
- 具备丰富的模型结构和性能对比说明，便于选择最优方案。

#### 主要目录结构

- `main.py`：API 服务主入口，提供图片识别接口。
- `train_*.py`：各类模型的训练脚本（如 `train_cnn.py`、`train_densenet.py` 等）。
- `mobilenetAnddensenet.py`：多模型集成与对比实验脚本。
- `results/`：模型训练与评估结果。
- `utils/`：工具函数与辅助脚本。
- `images/`：测试图片等资源。
- `requirements.txt`：依赖包说明。

#### 快速启动

```bash
cd tensorflow
pip install -r requirements.txt
python main.py
```

API 默认运行在 5000 端口，支持图片 POST 识别。

---

如需更详细的模型结构、性能对比和适用场景说明，可参考 `tensorflow/readme.md` 文件。

如需补充具体 API 调用示例、数据库配置说明等，请告知你的需求！