花卉识别系统（python+resnet18+UI)

花卉识别系统说明文档 一、系统功能 本系统是一个基于深度学习的花卉识别系统，可以识别14种不同的花卉，包括：康乃馨、鸢尾花、风铃草、金英花、玫瑰、落新妇、郁金香、金盏花、蒲公英、金鸡菊、黑眼菊、睡莲、向日葵、雏菊。 二、文件结构 1. model.py - 模型定义文件 - 基于ResNet18的深度学习模型 - 使用迁移学习方法 - 修改最后的全连接层以适应14类分类 2. dataset.py - 数据集处理文件 - 自定义Dataset类 - 实现图片加载和预处理 - 处理训练集和验证集 3. train.py - 模型训练文件 - 实现模型训练流程 - 包含数据加载、训练循环 - 模型验证和保存 - 学习率调整策略 4. predict_ui.py - 图形界面文件 - 基于PyQt5实现的GUI界面 - 实现图片选择和显示 - 集成模型预测功能 - 美观的结果展示 三、实现步骤 1. 数据准备 - 在data目录下创建train和val文件夹 - 每个文件夹下包含14个类别的子文件夹 - 将对应的花卉图片放入相应文件夹 2. 模型训练 - 运行train.py进行模型训练 - 训练完成后会生成best_model.pth文件 命令：python train.py 3. 界面运行 - 确保best_model.pth文件存在 - 运行predict_ui.py启动识别界面 命令：python predict_ui.py 四、使用说明 1. 界面操作流程： - 点击"选择图片"按钮选择要识别的花卉图片 - 点击"开始识别"按钮进行预测 - 查看识别结果和置信度 2. 界面功能说明： - 左侧显示选择的图片 - 右侧显示识别结果 - 包含花卉类别和置信度信息 五、环境要求 1. Python依赖包： - PyTorch - torchvision - PyQt5 - Pillow - numpy 2. 安装命令： pip install torch torchvision PyQt5 Pillow numpy 六、注意事项 1. 确保数据集结构正确 2. 训练前检查GPU可用性 3. 保持best_model.pth和程序文件在同一目录 4. 使用时确保所有依赖包已正确安装