深度学习YOLOv8和YOLOv5花卉鲜花检测识别分类系统

购买该资源将获得：完整源码+数据集+配置和修改文档+配套设计报告等

【技术栈】YOLOv8、YOLOv5、PyTorch、PySide6、Sqlist

【数据集】包含10513张花卉图片的数据集，该数据集中有13个类，即该模型能识别分类13种花卉，对应关系如下：'Allium': "大葱花", 'Borage': "琉璃苣", 'Burdock': "牛蒡", 'Calendula': "金盏花", 'Chicory': "菊苣", 'Chive blossoms': "韭菜花", 'Coltsfoot': "款冬", 'Common mallow': "锦葵",'Common yarrow': "洋蓍草", 'Coneflower': "金光菊", 'Cow parsley': "欧芹", 'Dandelion': "蒲公英",'Gardenia': "栀子花"。

【系统介绍】
（1）本系统引入了SQLite数据库支持的注册与登录机制。新用户需在注册页面填写用户名和密码，系统随后将这些信息存储于SQLite数据库。注册完成后，用户便可通过输入用户名和密码在登录页面进行验证。这样的设计旨在提升系统安全，同时为未来拓展个性化服务提供了便利。（所有的背景图标均可个性化修改）
（2）系统主界面提供了多样化的输入选项，包括图片、视频、实时摄像头以及批量文件上传功能，用户可以轻松点击相应按钮，选取进行花卉识别的素材，或启动摄像头进行实时识别。与此同时，还可以设定置信度和IOU，保留符合要求的识别结果。在识别过程中，系统不仅实时展示识别结果（包含类别、位置、置信度等），还将所有识别记录自动存储于数据库中，方便后续查询和管理。
（3）系统还提供了一键切换YOLOv8/v5模型的功能，用户可通过点击"更换模型"按钮，轻松选择不同的YOLOv8模型进行检测。同时，系统内置的数据集可用于重新训练模型，满足用户在多样化场景下的检测需求。
（4）为了打造个性化的使用体验，系统还支持界面自定义。用户可以根据自己的喜好，自由调整界面的图标、文字等元素。无论是选择个性化的图标风格，还是修改界面的文字描述，用户都可以根据详细的代码注释和说明文档轻松实现，享受定制化的操作体验。