查看完整項目包點擊文末名片
項目簡介
本項目 基于YOLO的海洋垃圾物品識別系統 旨在利用深度學習中的YOLO（You Only Look Once）模型，實現對海洋垃圾的自動識別與分類。通過構建一個基于Flask的Web應用，用戶可以方便地上傳圖片，系統將對圖片中的海洋垃圾進行檢測，識別其類別及數量，助力環保監測與管理。
功能描述
- 圖片上傳：用戶通過網頁界面上傳包含海洋垃圾的圖片。
- 垃圾識別：系統使用預訓練的YOLO模型對上傳的圖片進行分析，識別出圖片中的垃圾類別和數量。
- 結果展示：識別結果以JSON格式返回，包括每種垃圾的類別和數量。
- 用戶界面：提供簡潔友好的網頁界面，支持圖片上傳和結果查看。
技術棧
- 后端框架：Flask
- 深度學習模型：YOLO（.pt格式的預訓練模型）
- 前端技術：HTML, CSS, JavaScript
- 編程語言：Python 3.12
- 依賴庫：
- Flask
- PyTorch
- 其他必要的Python庫
使用說明
- 上傳圖片
- 在主頁點擊“選擇文件”按鈕，選擇包含海洋垃圾的圖片（支持常見圖片格式，如JPG、PNG）。
- 點擊“上傳”按鈕提交圖片。
- 查看識別結果
- 圖片上傳后，系統會自動保存圖片至本地的 uploads/ 文件夾。
- 調用YOLO模型進行預測，識別圖片中的垃圾類別及數量。
- 識別結果將以JSON格式返回，并顯示在網頁或通過API響應提供。
響應：
- {“results”: [{“category”: “塑料瓶”,“count”: 3},{“category”: “漁網”,“count”: 1}]}
代碼結構說明 - app.py
主Flask應用文件，負責處理路由、文件上傳和調用預測函數。 - predict.py
負責加載YOLO模型并進行圖片預測，返回垃圾類別和數量。 - templates/home.html
前端網頁模板，提供圖片上傳界 - uploads/ 文件夾
用于存儲用戶上傳的圖片。系統啟動時會自動創建該文件夾。
![[圖片]](https://i-blog.csdnimg.cn/direct/f909eaed7abb4d989099891902e8c15e.png)
查看完整項目包點擊下方名片
)
