# flower-recognition

**Repository Path**: bigdream120/flower-recognition

## Basic Information

- **Project Name**: flower-recognition
- **Description**: 一个基于深度学习的智能花卉图像分类系统，支持多种花卉类别的识别。
- **Primary Language**: Python
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: https://imotao.com/8974.html
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 2
- **Created**: 2026-01-28
- **Last Updated**: 2026-01-28

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 🌸 智能花卉分类系统

一个基于深度学习的智能花卉图像分类系统，支持多种花卉类别的识别。

## 功能特性

- 🎯 支持5种花卉分类：雏菊、蒲公英、玫瑰、向日葵、郁金香
- 🤖 提供多种预训练模型选择（ResNet-18、ResNet-50）
- 🌐 基于Streamlit的Web界面
- 📊 实时概率分布可视化

## 快速开始

### 安装依赖

```bash
pip install -r requirements.txt
```

### 启动Web应用

```bash
streamlit run src/interfaces/web_model_selector.py --server.port 8501
```

然后在浏览器中访问 `http://localhost:8501`

## 项目结构

```
flower-class/
├── data/                    # 原始花卉图像数据
├── data_split/             # 划分后的训练/验证/测试数据
├── logs/                   # 训练日志
├── src/                    # 源代码
│   ├── interfaces/         # Web界面
│   ├── models/             # 模型定义
│   ├── training/           # 训练代码
│   └── utils/              # 工具函数
├── static/                 # 静态资源
└── *.pth                   # 预训练模型文件
```

## 预训练模型

- `resnet18_flower.pth` - ResNet-18模型 (44.7 MB)
- `resnet50_flower.pth` - ResNet-50模型 (94.4 MB)

## 使用说明

1. 启动Web应用
2. 在侧边栏选择要加载的模型
3. 点击"加载选中的模型"按钮
4. 上传花卉图像进行识别
5. 查看识别结果和概率分布

## 技术栈

- Python 3.8+
- PyTorch
- TorchVision
- Streamlit
- Matplotlib# Flower-recognition-CNN