查看完整项目包点击文末名片
项目简介
本项目 基于YOLO的海洋垃圾物品识别系统 旨在利用深度学习中的YOLO（You Only Look Once）模型，实现对海洋垃圾的自动识别与分类。通过构建一个基于Flask的Web应用，用户可以方便地上传图片，系统将对图片中的海洋垃圾进行检测，识别其类别及数量，助力环保监测与管理。
功能描述
- 图片上传：用户通过网页界面上传包含海洋垃圾的图片。
- 垃圾识别：系统使用预训练的YOLO模型对上传的图片进行分析，识别出图片中的垃圾类别和数量。
- 结果展示：识别结果以JSON格式返回，包括每种垃圾的类别和数量。
- 用户界面：提供简洁友好的网页界面，支持图片上传和结果查看。
技术栈
- 后端框架：Flask
- 深度学习模型：YOLO（.pt格式的预训练模型）
- 前端技术：HTML, CSS, JavaScript
- 编程语言：Python 3.12
- 依赖库：
- Flask
- PyTorch
- 其他必要的Python库
使用说明
- 上传图片
- 在主页点击“选择文件”按钮，选择包含海洋垃圾的图片（支持常见图片格式，如JPG、PNG）。
- 点击“上传”按钮提交图片。
- 查看识别结果
- 图片上传后，系统会自动保存图片至本地的 uploads/ 文件夹。
- 调用YOLO模型进行预测，识别图片中的垃圾类别及数量。
- 识别结果将以JSON格式返回，并显示在网页或通过API响应提供。
响应：
- {“results”: [{“category”: “塑料瓶”,“count”: 3},{“category”: “渔网”,“count”: 1}]}
代码结构说明 - app.py
主Flask应用文件，负责处理路由、文件上传和调用预测函数。 - predict.py
负责加载YOLO模型并进行图片预测，返回垃圾类别和数量。 - templates/home.html
前端网页模板，提供图片上传界 - uploads/ 文件夹
用于存储用户上传的图片。系统启动时会自动创建该文件夹。
![[图片]](https://i-blog.csdnimg.cn/direct/f909eaed7abb4d989099891902e8c15e.png)
查看完整项目包点击下方名片
)
