基于深度学习的柑橘智能检测系统-Flask+YOLOv10

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

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。

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）。

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