果蔬及菜品识别系统

源码链接

1、版本v1.0

(1)融合以下两个项目。

第一个项目Chinese-and-Western-Food-Classification：使用MobilenetV2训练数据集Food101+ChineseFoodNet，模型已训练好。

第二个项目keras-flask-deploy-webapp：搭了一个方便快速部署机器学习模型的webapp框架。

(2)部署到云服务器上

参考：How to Deploy Flask Application with Nginx and Gunicorn on Ubuntu 20.04

WSGI(web server gateway interface)：即web服务器网关接口，是Web应用程序（如Flask）和Web服务器(如Nginx)之间的一种通信协议。实现该协议的web服务器有uWSGI、gunicorn。

一个网站 = web服务器(如uWSGI、gunicorn)+web应用(django、flask）

一个分布式网站 = nginx(高性能web服务器，负载均衡、拦截静态请求)+web服务器(如uWSGI、gunicorn)+ web应用（django、flask）

本项目使用架构：nginx+gunicorn+flask

1.准备一台云服务器(腾讯云or阿里云)

操作系统：Ubuntu Server 20.04 LTS 64bit

2核2G，系统盘40GB

默认登录用户：ubuntu，密码需自行重置

2.安装必要的依赖

sudo su -            # 切换为root用户
apt-get update -y    # 更新源的索引
apt-get upgrade -y   # 根据最新的源升级已有的安装包
# 安装一些必要的依赖
apt-get install python3 python3-pip python3-dev build-essential libssl-dev libffi-dev python3-setuptools -y
# 安装venv模块,用于创建虚拟环境
apt-get install python3-venv -y

3.安装Nginx并测试

apt-get install nginx -y
systemctl start nginx   # 开启
systemctl enable nginx  # 设置开机自启
# 测试：浏览器输入云服务器公网IP(默认80端口)

ps: 确保云服务器的80端口是可访问的

4.本地上传项目，创建虚拟环境，并安装gunicorn、flask及项目所需依赖

cd ~                                    # 切换到root用户目录下，即/root目录
rz                                      # xshell上传Graduation_Design_v1.0.zip到当前目录
unzip -d ~ Graduation_Design_v1.0.zip   # 解压项目到当前目录，即/root
cd Graduation_Design_v1.0            
python3 -m venv gd                       # 在项目根目录下创建虚拟环境gd
source gd/bin/activate                   # 激活虚拟环境 
# 安装项目依赖，安装方式参考官网https://anaconda.org/
pip install wheel
pip install gunicorn flask gevent pillow opencv-python torch torchvision
deactivate                                # 退出虚拟环境

5.配置Gunicorn并为flask应用创建一个Systemd Service File，使用Systemd来管理

vi /etc/systemd/system/flask.service
# 配置内容如下
# WorkingDirectory对应上面的项目根目录，Environment中gd对应上面创建的虚拟环境目录
# ExecStart定义启动进程时执行的命令。app:app,前一个app对应flask项目中的启动文件app.py,后一个app对应app.py中的flask实例对象名称(app = Flask(__name__))
# 与Nginx通信的端口，