天天操天天操中,狠狠操亚洲,福利逼站,欧美精品成人网站,一本色道久久无码人妻精品69,国产麻豆精品免费,国产操逼AV电影,婷婷综合

向AI轉(zhuǎn)型的程序員都關(guān)注了這個號??????

項(xiàng)目描述

本項(xiàng)目是基于SpringBoot和圖像分類算法用來識別蘑菇的微信小程序，根據(jù)拍攝上傳的蘑菇圖片，通過python腳本調(diào)用訓(xùn)練好的模型，經(jīng)過后端處理，最后返回識別結(jié)果的類別及其識別準(zhǔn)確率。

技術(shù)亮點(diǎn)

采用MobileNetV2進(jìn)行作為蘑菇圖像分類的特征提取網(wǎng)絡(luò)，使模型輕量化，使得參數(shù)量減少了60%，加快訪問速度
通過@ControllerAdvice注解實(shí)現(xiàn)攔截器，利用@ExceptionHandler注解捕捉所有異常，進(jìn)行統(tǒng)一處理
為提升查詢效率，在蘑菇學(xué)名字段上建立了索引

1.1 總體設(shè)計(jì)

介紹了小程序的整體系統(tǒng)架構(gòu)以及使用小程序進(jìn)行蘑菇識別的流程。

1.1.1 系統(tǒng)架構(gòu)

小程序采用前后端分離架構(gòu)，前端采用taro框架，后端采用springboot框架，并通過nginx進(jìn)行請求轉(zhuǎn)發(fā)。

1.1.2 識別流程

使用小程序?qū)δ⒐竭M(jìn)行識別時，小程序會向后端發(fā)起請求，后端再調(diào)用python腳本進(jìn)行識別，并從數(shù)據(jù)庫查詢蘑菇具體信息。

1.2 算法實(shí)現(xiàn)

介紹了蘑菇識別算法采用的數(shù)據(jù)集，識別算法的設(shè)計(jì)與實(shí)現(xiàn)，以及算法的識別效果與所做的改進(jìn)。

項(xiàng)目開源代碼獲取地址:

關(guān)注微信公眾號 datayx? 然后回復(fù)? 蘑菇 ? 即可獲取。

1.2.1 數(shù)據(jù)集

在kaggle獲取，地址：

https://www.kaggle.com/datasets/maysee/mushrooms-classification-common-genuss-images

該數(shù)據(jù)集中有9個最常見的北歐蘑菇屬圖像文件夾。每個文件夾包含300到 1500個蘑菇屬的選定圖像。標(biāo)簽是文件夾的名稱。

1.2.2 算法設(shè)計(jì)與實(shí)現(xiàn)

處理數(shù)據(jù)集：用tensorflow.image.decode_jpeg和tensorflow.image.resize 對圖片進(jìn)行標(biāo)準(zhǔn)化。

訓(xùn)練：將圖片與標(biāo)簽（文件夾名即標(biāo)簽）打包后，將前百分之80設(shè)置為訓(xùn)練集，后百分之20設(shè)置為驗(yàn)證集。利用tf.keras.Sequential構(gòu)建模型model，最后調(diào)用model.fit進(jìn)行訓(xùn)練。

識別：利用tf.keras.Sequential構(gòu)建模型model，并調(diào)用

model.load_weights加載訓(xùn)練好的模型，最后調(diào)用model.predict進(jìn)行預(yù)測。

1.2.3 識別結(jié)果與改進(jìn)

訓(xùn)練集準(zhǔn)確率：98.53%，測試集準(zhǔn)確率：72.32%。

可以發(fā)現(xiàn)這個結(jié)果很不理想。一開始我以為是因?yàn)檫^擬合了，于是嘗試增加dropout，但發(fā)現(xiàn)并沒有起到什么作用[張1]?。

于是我去看了看數(shù)據(jù)集中的數(shù)據(jù)，發(fā)現(xiàn)有很多圖片是臟數(shù)據(jù)，比如：

之后我對這些臟數(shù)據(jù)進(jìn)行了手動刪除，同時我發(fā)現(xiàn)圖片中干擾元素較多（比如背景中的花草），可能會導(dǎo)致網(wǎng)絡(luò)無法很好地對蘑菇進(jìn)行分類。于是我嘗試使用了github上的開源庫https://github.com/nadermx/backgroundremover 對數(shù)據(jù)集中的數(shù)據(jù)進(jìn)行去背景處理。

去背景腳本：遍歷原圖片，對當(dāng)前圖片執(zhí)行 os.system('backgroundremover -i "'+original_file+'" -o "'+new_file+'"')命令進(jìn)行去除圖片操作，并將結(jié)果存入另一個文件下。

去背景前：

去背景后：

最后使用去除了臟數(shù)據(jù)，并進(jìn)行了去背景操作后的數(shù)據(jù)集進(jìn)行訓(xùn)練，訓(xùn)練集準(zhǔn)確率：99.88%，測試集準(zhǔn)確率：81.25%。

1.3 應(yīng)用實(shí)現(xiàn)

介紹了小程序應(yīng)用數(shù)據(jù)庫、后端、前端的設(shè)計(jì)與實(shí)現(xiàn)。

1.3.1 數(shù)據(jù)庫

采用Mysql數(shù)據(jù)庫。由于系統(tǒng)比較簡單，只有一張表：mushroom。

mushroom表字段：id（主鍵），name（蘑菇名稱），scientific_name （學(xué)名），species（所屬科屬），toxicity（毒性），feature（特征），文獻(xiàn)（documents），img_path（圖片路徑）。

其中為提升查詢效率，在scientific_name字段上建立了索引。

1.3.2 后端

用springboot框架進(jìn)行開發(fā)，用mybatis-plus框架進(jìn)行數(shù)據(jù)庫交互。

核心接口邏輯：將前端傳過來的圖片上傳至服務(wù)器指定路徑下-->利用Runtime.getRuntime().exec(command)執(zhí)行python命令：python identify.py <圖片路徑>（python腳本讀取該路徑下的圖片進(jìn)行識別）--> 讀取python腳本打印出來的結(jié)果（所有類別及其識別準(zhǔn)確率），并進(jìn)行排序-->刪除上傳至服務(wù)器的圖片-->返回識別準(zhǔn)確率前三的類別。

統(tǒng)一錯誤處理：通過@ControllerAdvice注解實(shí)現(xiàn)一個攔截器，并利用@ExceptionHandler(value = Exception.class)注解捕捉所有異常，進(jìn)行統(tǒng)一處理。