基于BP神经网络的杂草智能识别系统（杂草识别、Python项目）

基于BP神经网络的杂草智能识别系统

项目介绍

本项目是一个基于PyQt5和BP神经网络的杂草智能识别系统。系统通过图像处理和神经网络技术，
能够识别8种不同的杂草类别。用户可以通过上传图片，系统会自动识别图片中的杂草类别，并显示识别结果和置信度。
（训练样本集为800张，每类杂草各100张，训练集与验证集比例为8：2）

主要技术与框架

QT图形用户界面：
- PyQt5：用于构建图形用户界面，提供用户友好的交互体验。
神经网络：
- NumPy：用于数值计算和矩阵操作。
- Scikit-learn：用于标签编码和数据处理。
图像处理：
- OpenCV：用于图像读取、调整大小和灰度处理。
其他工具：
- CSV：用于保存识别结果。
- Matplotlib：用于绘制训练曲线。

主要功能

功能1：图像上传与显示
- 用户可以通过点击“上传图片”按钮选择本地图片，系统会显示原始图片和灰度图片。
功能2：杂草类别识别
- 系统会自动识别上传图片中的杂草类别，并显示识别结果和置信度。
功能3：类别标签高亮
- 系统会根据识别结果高亮对应的杂草类别标签。
功能4：识别结果保存
- 系统会将识别结果保存到CSV文件中，方便后续查看和分析。
功能5：模型训练与测试
- 系统支持通过训练数据集训练神经网络模型，并测试模型的准确率。

环境说明

参考以下环境（已跑通），可按顺序安装库的版本：

        Windows10及以上（操作系统）python 3.9.12PyQt5:  5.15.2numpy:  1.22.4cv2:  4.4.0sklearn:  1.0.2pandas:  1.4.2matplotlib:  3.5.1

目录说明

基于BP神经网络的杂草智能识别系统/
├── deepweeds/                            # 数据集文件夹
│   ├── images/                           # 图像文件夹
│   ├── labels(800).csv                   # 标签文件
│   └── 测试图/                            # 测试图像文件夹
├── models/                               # 模型存放文件夹
│   ├── weed_classifier_model.npz         # 训练好的模型
├── resources/                            # 资源文件夹
│   ├── app_icon.ico                      # QT界面左上角标题图标
├── results/                              # 结果文件夹
│   ├── loss_curves.png                   # 训练损失曲线
│   ├── accuracy_curves.png               # 训练准确率曲线
│   └── *_detection_results.csv           # 识别结果CSV文件
├── ui/                                   # 用户界面文件
│   ├── interface.ui                      # Qt Designer设计的界面文件
├── acc_test_results.py                   # 模型测试脚本
├── main.py                               # 主程序（运行启动系统）
├── train_bp_model.py                     # 模型训练脚本
└── README.md                             # 项目说明文档