基于深度学习的柑橘智能检测系统-Flask+YOLOv10

本项目为前几天收费帮学妹做的一个项目在工作环境中基本使用不到但是很多学校把这个当作编程入门的项目来做故分享出本项目供初学者参考。一、项目描述基于深度学习的柑橘智能检测系统本项目是一套基于深度学习的柑橘智能检测系统面向果园种植者的日常生产管理场景。用户上传柑橘照片后系统自动完成果实识别与成熟度分析输出成熟度百分比、颜色状态、果实直径、预估糖度及采摘建议帮助果农科学决策采摘时机降低人工经验判断的不确定性。登录网址: http://localhost:5000/login员账户密码: admin/admin二、项目功能系统以检测为核心配合完整的数据管理链路上传图片进行柑橘成熟度检测未成熟/成熟/腐烂三分类检测结果自动入库并支持按日期、成熟度、图片名多条件筛选与分页查询首页仪表盘展示总检测数、平均成熟度、成熟率及近 7 天成熟度趋势图表内置 AI 智能助手可就种植、病虫害防治、采摘等问题进行多轮对话问答支持注册登录、验证码校验、果农owner与工人worker两种角色的权限区分数据按用户隔离。三、运行环境服务端运行于 Windows 平台Python 3.11 环境仅需安装 requirements.txt 中依赖即可本地启动前端适配 Chrome/Edge 等现代浏览器模型权重随项目附带无需额外下载AI 问答需配置大模型 API Key支持智谱、DeepSeek 等 OpenAI 兼容接口。四、项目技术后端采用 Flask 框架提供 REST API数据库使用 SQLite认证采用 JWT 令牌结合 bcrypt 密码加密并引入登录失败熔断与验证码机制检测层基于 YOLOv10 目标检测模型自训练柑橘数据集识别果实类别与边界框结合 OpenCV HSV 色彩空间分析果实表面颜色估算成熟度融合规则引擎输出糖度预测与采摘建议AI 问答基于异步 aiohttp 调用大模型 API配备失败降级、熔断器与限流保护前端为原生 HTML/CSS/JavaScript使用 ECharts 绘制趋势图表测试覆盖使用 pytest 编写单元测试。以上系统源码经过技术整理与调试确保能正常运行五、项目截图v