# plants_and_animals

**Repository Path**: okiqiiii/plants_and_animals

## Basic Information

- **Project Name**: plants_and_animals
- **Description**: 2024学年数据采集与融合技术大作业——博物识植
团队：从你的全世界爬过
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 1
- **Created**: 2024-12-13
- **Last Updated**: 2024-12-14

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 一、项目与团队介绍

## 项目

 **2024学年数据采集与融合技术大作业——博物识植** 

 **项目logo** 

<img src="pa_frontend/img/palogo.png" width="250px">


## 团队

 **团队名称：从你的全世界爬过** 

 **团队logo** 

<img src="pa_frontend/img/teamlogo.jpg" width="250px">


# 二、系统总体技术概述

## 1. 系统架构概述

 系统分为前端、后端、数据库、AI接口、爬虫模块、部署等多个层级。前后端之间通过RESTful API进行通信。具体分为以下几个部分：

* 前端：使用HTML、CSS和JavaScript进行界面设计，实现用户与系统的交互。用户可以上传文本、图片等文件。
* 后端：使用Python语言和Flask框架实现，处理图像识别、查询请求、调用AI接口和爬虫数据存储等业务逻辑。
* 数据库：存储动植物物种的详细信息，包括图像、分布、特点等。
* 图像识别与AI接口：利用图像识别模型或调用第三方AI服务（如百度AI、Google Vision等）识别图片并返回结果。
* 爬虫：提前爬取动植物相关网站数据，补充物种数据库。使用Selenium框架进行实时图片爬取。
* 部署平台：使用华为云平台部署系统，保证系统的高可用和稳定性。

## 2. 各模块技术实现

### 2.1 图像识别模块

* 目标：用户上传图片，系统通过图像识别技术返回物种名称。
* 技术方案：
  使用深度学习模型：基于改进SE-MnasNet骨干网络YOLOv5和卷积神经网络cnn opencv进行图像分类和识别。
  调用第三方云服务百度智能云的动植物识别API提供快速而准确的图像识别。
* 流程：
  用户上传图片，前端将图片通过API发送至后端。
  后端调用模型或AI图像识别API分析图片，获取可能的物种标签。
  后端将物种名称返回给前端，前端展示识别结果。

### 2.2 物种信息查询功能

* 目标：根据识别后的物种名称或用户输入的名称，返回该物种的详细信息。
* 技术方案：
  利用selenium技术和scrapy框架爬取信息网站所有物种信息（如外形特点生长环境、分布区域等）存储在csv表导入数据库并定期更新。
  利用查询语句在数据库中进行查找并返回详细信息。
  若数据库中没有相关信息，则调用百度智能云的千帆大模型识别物种名称，查询物种相关信息。
* 流程：
  后端识别出物种名称时，系统首先查询数据库，若没有该物种的信息，再调用AI接口获取。

### 2.3 相似图片展示

* 目标：根据用户上传的图片，返回物种的相似图片，帮助用户直观了解物种。
* 技术方案：
  运用selenium爬虫技术实时爬取百度识图返回的相似图片
* 流程：
  后端接收前端传入的图片后，将图片作为输入文件传入百度识图网站实时爬取相似图片，在系统返回物种详细信息时，将图片URL一并返回。

### 2.4 部署与部署架构

* 目标：将整个系统部署到华为云服务器上，让非本地用户可以访问。
* 技术方案：
  使用华为云ECS（Elastic Cloud Server）部署后端服务。
  使用华为云OBS 存储图片等静态资源。
  使用RDS（Relational Database Service）存储物种信息数据库。
  前端可以使用 Nginx 进行负载均衡和反向代理
* 流程：
  前后端文件上传部署完成后即可实现非本地用户的访问。