【识别系统】物品智能识别系统（以植物叶片为例）（可执行文件+源程序+操作说明+技术文档）

写作初衷

本文内容主要为开发一种物品智能识别系统，实例以对植物叶片的智能识别为例，前端界面交互过程采用Java语言中Java Springboot框架编写，后端采用Python语言中Pytorch学习库编写，具体识别内容可根据训练任务修改权重文件而自行更改。

一、配置环境

此项目中前端交互界面采用Java Springboot编写，开发工具为IDEA，所需环境为JDK1.8.0以上；后端识别模型部分开发工具为Pycharm，需安装与自身python版本对应的Pytorch机器学习库，所需环境为Python 3.7、CUDA+cuDNN。

二、操作细节

后端识别模型部分： 1.将“python_识别模型端”文件中的项目在Pycharm工具中部署好（需进行一些函数库的安装）。本文基础CNN识别模型采用densenet网络架构，相关模型权重已训练好，即“model-49.pth”文件。若需改变训练任务，则利用“train.py”搭配设计好的“model.py”重新训练出新权重即可，完成后需修改“predict.py”中的权重路径语句。2.在下方Terminal终端键入“python main.py runserver”命令等待提示启动，即开启Diango Web服务器端口。
前端交互界面： 1、若要以可执行文件方式直接启动前端交互界面，则双击可执行文件中“P_L_Reo.exe”应用程序开始运行;2.若要以脚本方式直接启动前端交互界面，则在IDEA中将“java_前端页面”文件部署好，启动src/main/resources/static/index即可，相关界面修改亦可在此完成。

三、细节及结果展示

Diango Web服务器端口启动：

方式一：Java index.html 运行：

方式二：“P_L_Reo.exe”应用程序启动：

识别流程：上传图片：

识别流程：返回预测结果（前三类）：

四、完整项目代码

由于项目代码较多，完整版项目请点击下方链接自行下载。使用过程若有任何问题请私信作者，或联系企鹅：1518686357。

完整版本：https://mbd.pub/o/bread/ZJWTmZ1t