基于yolov11的香蕉分级、新鲜度检测识别系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】

 更多目标检测和图像分类识别项目可看我主页其他文章

功能演示（看 shi pin 简介）：

基于yolov11的香蕉分级、新鲜度检测识别系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】_哔哩哔哩_bilibili

（一）简介

基于yolov11的香蕉分级、新鲜度检测识别系统是在 PyTorch 框架之下得以实现的。这是一个完备的项目，涵盖了诸多方面，其中包括代数据集，模型，模型训练记录，GUI 界面以及各类重要的模型指标（如准确率、精确率、召回率等等）。

该系统的 UI 界面是通过 tkinter 设计并成功实现的。该项目可在windows、linux(ubuntu，centos)、mac系统下运行，可外接usb摄像头或直接用笔记本摄像头实现摄像实时检测。

该项目可在pycharm和anaconda搭建的虚拟环境执行，

pycharm和anaconda安装和配置可观看教程：

windows保姆级的pycharm+anaconda搭建python虚拟环境_anaconda和pycharm保姆级下载及配置-优快云博客

在Linux系统(Ubuntn, Centos)用pycharm+anaconda搭建python虚拟环境_linux pycharm-优快云博客

vscode和anaconda安装和配置可观看教程：

保姆级的vscode+anaconda搭建python虚拟环境_vscode配置anaconda的python环境-优快云博客

（二）项目介绍

1. 项目结构

2.模型训练、验证

​该项目可以使用已经训练好的模型权重，也可以自己重新训练，自己训练也比较简单：

第一步：修改data/data.yaml中的数据集路径

第二步：模型训练，即运行train.py文件 

第三步：模型验证，当模型训练完后，val.py中的模型路径为训练好的模型路径，运行val.py文件

第四步：使用模型，即运行gui.py文件即可通过GUI界面来展示模型效果

2. 数据集 

​​​

部分数据展示： 

​​

3.GUI界面（技术栈：tkinter+python+opencv） 

a.GUI初始界面

b.图像检测界面

c.视频或摄像实时检测界面 

​

4.模型训练和验证的部分指标及效果

​

 

（三）总结

以上即为整个项目的介绍，完整的项目包括代码，数据集，训练好的模型权重，模型训练记录，UI界面和各种模型指标等 。

整套包含全部资料，一步到位，省心省力。

若项目使用过程中出现问题，请及时沟通！