# flower_flask

**Repository Path**: peach-blossom-snowfall/flower_flask

## Basic Information

- **Project Name**: flower_flask
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-10-10
- **Last Updated**: 2025-10-10

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 花卉图像分类器 (Flask版)

一个基于Flask和PyTorch的花卉图像分类web应用，能够识别五种百合、莲花、兰花、向日葵、郁金香五种花卉。

## 项目简介

本项目使用预训练的AlexNet模型实现花卉图像分类功能，通过Flask框架构建web界面，允许用户上传花卉图片并获得分类结果及置信度。

## 功能特点

- 支持上传图片（png, jpg, jpeg格式）
- 实时显示分类结果及置信度
- 展示所有类别的预测概率分布
- 简洁直观的用户界面

## 项目结构

```
flower_flask/                  # 项目根目录
├─ models/                     # 模型相关
│  ├─ alexnet.py               # AlexNet模型结构定义
│  └─ best_alexnet.pth         # 预训练模型权重
├─ utils/                      # 工具函数
│  └─ data_utils.py            # 图像预处理和类别映射
├─ static/                     # 静态文件
│  └─ uploads/                 # 上传图片存储目录
├─ templates/                  # HTML模板
│  └─ index.html               # 主页面模板
└─ app.py                      # Flask应用主程序
```

## 环境要求

- Python 3.7+
- Flask
- PyTorch
- torchvision
- Pillow

## 安装与使用

1. 克隆或下载项目代码

2. 安装依赖包
   ```bash
   pip install flask torch torchvision pillow
   ```

3. 准备模型权重
   - 将预训练的模型权重文件`best_alexnet.pth`放入`models`目录下

4. 启动应用
   ```bash
   python app.py
   ```

5. 在浏览器中访问
   ```
   http://127.0.0.1:5000
   ```

6. 使用方法
   - 点击"选择文件"按钮上传花卉图片
   - 点击"上传并分类"按钮
   - 查看分类结果及各类别的置信度

## 模型说明

本项目使用AlexNet模型，在包含5种花卉类别的数据集上进行训练。模型能够识别的花卉类别包括：
- 百合
- 莲花
- 兰花
- 向日葵
- 郁金香

## 注意事项

- 确保上传的图片清晰且包含花卉主体
- 过大的图片可能会影响处理速度
- 应用默认运行在调试模式，生产环境中应修改为`debug=False`

## 许可证

本项目采用MIT许可证开源。