# 多种类花卉识别系统-深度学习 **Repository Path**: matengo/FlowerRecognition ## Basic Information - **Project Name**: 多种类花卉识别系统-深度学习 - **Description**: 本项目基于 PyTorch 与 YOLOv5–YOLOv12，构建了花卉识别的训练、评估与桌面端推理一体化系统。前端采用 PySide6/Qt，支持图片、视频和摄像头实时检测，提供模型与权重热切换，支持导出结果并使用 SQLite 管理记录。轻量化模型在花卉场景中实现了兼顾精度与速度的实时推理。 - **Primary Language**: Unknown - **License**: Not specified - **Default Branch**: master - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 0 - **Created**: 2025-11-17 - **Last Updated**: 2025-11-19 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # 🌸 基于深度学习的多种类花卉识别系统 ![License](https://img.shields.io/badge/License-AGPL--3.0-brightgreen) ![Python](https://img.shields.io/badge/Python-3.10%2B-blue) ![PyTorch](https://img.shields.io/badge/PyTorch-2.2%2B-orange) ## 项目简介 花卉识别在植物分类、园艺管理和智能农业中具有重要价值。本项目构建了一套基于 YOLOv5 至 YOLOv12 的多种类花卉识别系统，支持实时检测与分类，适用于多类常见与罕见花卉的视觉识别任务。 系统采用 PySide6 开发桌面端 UI，兼容图片、视频与摄像头输入，并提供检测框叠加、类别统计、热力图显示及 Conf/IOU 参数调节等功能。项目使用 SQLite 完成用户管理与检测记录持久化，并对 YOLO 系列模型的 mAP、F1、PR 指标及训练曲线进行系统化对比，便于模型复现与工程应用。项目提供完整工程代码、数据集及文档资源。 --- ## 资源下载 - **YOLOv8-12 项目（5 合一）合集下载**： https://mbd.pub/o/bread/mbd-YZWZk59rbA== - **YOLOv12 项目完整资源下载**： https://mbd.pub/o/bread/mbd-YZWZk5tvbQ== - **YOLOv11 项目完整资源下载**： https://mbd.pub/o/bread/mbd-YZWZk5xvag== - **YOLOv10 项目完整资源下载**： https://mbd.pub/o/bread/mbd-YZWZk5xvaw== - **YOLOv9 项目完整资源下载**： https://mbd.pub/o/bread/mbd-YZWZk5xwZQ== - **YOLOv8 项目完整资源下载**： https://mbd.pub/o/bread/mbd-YZWZk5xxZw== --- ## 📘 说明文档 项目完整说明文档请访问： **[https://newtopmat.feishu.cn/wiki/SH2ywXxQziEk7Ik5oLecZIsHnLq](https://newtopmat.feishu.cn/wiki/SH2ywXxQziEk7Ik5oLecZIsHnLq)** ## 📚 项目技术博客 项目技术解析与开发记录： **[https://topai.blog.csdn.net/article/details/154882316](https://topai.blog.csdn.net/article/details/154882316)** --- ## 环境安装与运行教程 本项目推荐使用 PyCharm + Miniconda + Python 进行环境搭建和运行，参考以下教程： 1. **PyCharm安装教程**：[https://blog.csdn.net/2401_88848122/article/details/154939526](https://blog.csdn.net/2401_88848122/article/details/154939526) 2. **Miniconda安装教程**：[https://blog.csdn.net/2401_88848122/article/details/154940625](https://blog.csdn.net/2401_88848122/article/details/154940625) 3. **Python环境配置教程**：[https://blog.csdn.net/2401_88848122/article/details/154942662](https://blog.csdn.net/2401_88848122/article/details/154942662) --- ## 项目特点 * 支持 YOLOv5 至 YOLOv12 多模型版本 * 实时花卉检测与分类，适用于图片、视频与摄像头 * 桌面端可视化界面（PySide6 实现） * 支持热力图、类别统计及参数调节 * SQLite 数据库实现用户管理与记录持久化 * 多模型性能对比（mAP、F1、PR、训练曲线） --- ## 使用场景 适用于植物识别教学、园艺管理、智能农业系统研发及相关 AI 视觉研究项目。