基于VGG神经网络的花卉识别定位信息采集系统源码+项目说明（能够识别花卉的种类然后将信息保存到数据库中）.zip

## 项目介绍 一个基于VGG神经网络的花卉识别定位信息采集系统，代号：苞米豆。通过这个系统能够识别花卉的种类然后将信息保存到数据库中，并在地图上进行标记，共享给其他人查看。 ## 在线地址 **小程序端** .jpg) **后台管理端** 线上访问链接： wzy.ink 测试账号：[test@qq.com](mailto:test@qq.com)，密码：123456，可登入后台查看。 在线接口文档地址：https://www.abinya.top/doc.html#/home ## 目录结构 **项目目录** ``` corn ├── Ai --ai模块 ├── LICENSE --开源协议 ├── README.md --项目文档 ├── admin-ui --前端后台管理 ├── corn-mysql8.0.sql --sql文件，需要MySQL8,0以上 ├── corn-springboot --SpringBoot工程 └── phone-ui --小程序 ``` **SpringBoot工程** ``` corn-springboot ├── config --配置模块 ├── controller --控制器模块 ├── dto --dto模块 ├── entity --实体类 ├── error --异常模块 ├── mapper --持久模块 ├── service --业务模块 ├── utils --工具类模块 └── vo --vo模块 ``` 直接导入该项目于本地，修改后端配置文件中的数据库等连接信息，项目中使用到的**腾讯云对象存储**需要自行开通。 本地访问接口文档地址：http://127.0.0.1:8881/doc.html#/home uni-app配置这里需要自己申请**腾讯地图账号**和**微信小程序AppID**，`npm install`安装所需的依赖。 | <img src="https://nonghb-1306784580.cos.ap-guangzhou.myqcloud.com/uPic/image-20221125153307014.png" alt="image-20221125153307014" style="zoom:50%;" /> | <img src="https://nonghb-1306784580.cos.ap-guangzhou.myqcloud.com/uPic/image-20221125153344776.png" alt="image-20221125153344776" style="zoom:50%;" /> | | ------------------------------------------------------------ | ------------------------------------------------------------ | **ps：请先运行后端项目，再启动前端项目，前端项目配置由后端动态加载。** **ps：小程序基于uni-app开发，小程序工程要导入到uni-app的HBuilderX开发工具运行。** ## 项目特点 - 支持动态权限修改，采用RBAC模型，前端菜单和后台权限实时更新。 - 使用Java技术，MySQL数据库开发，充分保证了系统稳定性、完整性。 - 本项目采用主流的前后端分离架构SpringBoot + Vue，充分的使系统前后端代码解耦，提高了可维护性。 - 花卉图像识别部分通过API接口与前后端进行交互，解耦了算法与前后端工程。 - 经过测试，识别功能接口稳定且性能高，在网络良好的情况下，平均响应时间在2s内。 - 使用第三方对象存储图片节省服务器资源。 ## 技术架构 **架构图**  **流程图**  ## 开发环境 | 开发工具 | 说明 | | --------- | -------------------------- | | IDEA | Java开发工具 | | WebStorm | Vue开发工具 | | Navicat | MySQL远程连接工具 | | Tabby | 远程连接工具、文件上传工具 | | HBuilderX | 小程序开发工具 | | 开发环境 | 版本 | | -------- | ------ | | JDK | 1.8 | | MySQL | 8.0.20 | | Redis | 6.0.5 | ## AI部分说明 ### 开发工具 | 开发工具 | 说明 | |-----------|---------------| | Pycharm | python开发工具 | | Xshell 7 | 远程连接工具、文件上传工具 | ### 环境 | 开发环境 | 版本 | |------------|-------| | mininconda | 3.7.5 | | tensorflow | 2.7.0 | | numpy | | | Pillow | | | gevent | | | requests | | 首先运行`python util.py`生成对应文件夹，然后装备数据集，装备数据集，我使用是[花卉数据集](https://storage.googleapis.com/download.tensorflow.org/example_images/flower_photos.tgz) 把准备好的数据集放在dataset文件夹里目录结构如下： ``` dataset_name │ │ │ └───label1 │ file011.jpg │ file012.jpg │ ... | │ └───label2 | | file021.jpg | file022.jpg | ... ... ``` 然后用编辑器打开train.py文件，把Pre_training改为Falase 如果你想用预训练模型进行训练的可以把模型文件放在model文件目录下， 然后在train.py文件里models.load_model里输入模型的名字， 再把Pre_training改为True就可以了。 下载 miniconda：https://docs.conda.io/en/latest/miniconda.html 然后安装<font color="#dd0000">注意添加环境变量</font>打开终端输入以下： ```CMD # 创建虚拟环境 conda create -n tensorflow2 python=3.7.5 # 查看虚拟环境列表 conda env list # 激活虚拟环境 conda activate tensorflow2 # 安装环境依赖 pip install -r requirement.txt ``` <font color="#dd0000">注意安装依赖时要移动到有requirement.txt文件目录下</font>不然会报错 安装完依赖后运行`python train.py`就开始训练想看训练过程的 情况的可以再打开一个终端进入tensorflow2环境移动项目目录然 后`tensorboard --logdir=logs` 根据提示输入网址就可以看到过 程了 训练完后会在model目录下有以时间命名的模型文件，也可以用我的 模型：https://pan.baidu.com/s/1ltQCTGmYH2Q3E9FsIxtrwg 提取码是：corn把下载好模型放在model目录下打开distinguishapp.py 在class_names中添加对应的标签在load_model读取对应的模型 运行`python distinguishapp.py`然后在任何浏览器最好是谷歌 浏览器输入http://127.0.0.1:8086/classifierhtml  除了可以用网页端看到效果外，也可以通过API来开发你自己的 客户端。使用API方式如下： http://127.0.0.1:8086/predict/(post请求) ```json { "img_url":"图片的url" } ``` 返回结果是json就拿我的项目举例 ```json { "data": [ { "name": "雏菊", "value": "0.024256058" }, { "name": "蒲公英", "value": "0.9540851" }, { "name": "玫瑰", "value": "0.007327111" }, { "name": "向日葵", "value": "0.002556602" }, { "name": "郁金香", "value": "0.011775156" } ], "msg": "success", "status": "200" } ``` ## 项目截图 | <img src="https://nonghb-1306784580.cos.ap-guangzhou.myqcloud.com/uPic/591669261526_.pic.jpg" alt="591669261526_.pic" style="zoom:25%;" /> | <img src="https://nonghb-1306784580.cos.ap-guangzhou.myqcloud.com/uPic/601669261526_.pic.jpg" alt="601669261526_.pic" style="zoom:25%;" /> | | :----------------------------------------------------------: | :----------------------------------------------------------: | | <img src="https://nonghb-1306784580.cos.ap-guangzhou.myqcloud.com/uPic/721669306925_.pic.jpg" alt="721669306925_.pic" style="zoom:25%;" /> | <img src="https://nonghb-1306784580.cos.ap-guangzhou.myqcloud.com/uPic/731669306927_.pic.jpg" alt="731669306927_.pic" style="zoom:25%;" /> | | <img src="https://nonghb-1306784580.cos.ap-guangzhou.myqcloud.com/uPic/741669306928_.pic.jpg" alt="741669306928_.pic" style="zoom:25%;" /> | <img src="https://nonghb-1306784580.cos.ap-guangzhou.myqcloud.com/uPic/761669349753_.pic.jpg" alt="761669349753_.pic" style="zoom:25%;" /> | | <img src="https://nonghb-1306784580.cos.ap-guangzhou.myqcloud.com/uPic/771669349854_.pic.jpg" alt="771669349854_.pic" style="zoom:25%;" /> | | | ![image-20221