第1章主要技术和工具介绍…2
1.1TensorFlow…2
1.2微信小程序…2
1.3Node.js…2
1.4VantWeapp…2
1.5MySql数据库…3
1.6前后端分离技术…3
第2章需求分析…5
2.1系统功能需求分析…5
2.1.1需求概述…5
2.1.2用例分析…6
2.2系统业务流程分析…7
第3章系统设计…8
3.1系统结构设计…8
3.1.1系统功能模块图…8
3.1.2功能模块时序图…9
3.2数据库设计…11
3.2.1数据库设计概述…11
3.2.2实体联系…11
3.2.3表设计…11
第4章系统实现…13
4.1基本任务…13
4.2小程序开发…13
4.2.1拍照页面…13
4.2.2拍视频页面…15
4.2.3我的页面…16
4.3水果识别实现…16
4.3.1环境搭建…16
4.3.2卷积层…17
4.3.3池化层…19
4.3.4全连接层…20
4.3.5损失层…20
4.3.6卷积神经网络的超参数设置…21
4.3.7神经网络搭建…23
4.3.8训练数据集…24
4.3.9识别精确度的提升…28
4.3.10CNN特征可视化…39
4.3.11识别目标信息的采集…42
4.3.12封装水果识别软件接口…43
4.4Node后端的搭建…44
4.5开启服务操作流程…44
第5章系统测试…47
5.1测试目的…47
5.2单元测试…47
5.2.1拍照测试…47
5.2.1视频模块测试…48
5.3集成测试…49
结论…51
参考文献…52
伴随互联网的发展，微信小程序、人工智能等新鲜名词不断的出现在我们生活中，自谷歌推出AlphaGo机器人完胜人类围棋顶尖高手李世石后，关于人工智能的话题讨论一直没有停止，人工智能、机器学习的火热离不开互联网、硬件、云计算和软件等先进技术的发展。在2012年ImageNet挑战赛上AlexNet的提出后，借助于深度学习的力量，计算机视觉技术得到了爆发的增长和产业化。通过深度神经网络，各种视觉相关任务的识别精度都得到了很大的提升，同时计算机视觉技术的应用场景也在快速扩展，除了在比较成熟的安防领域应用外，也有应用在金融领域的人脸识别身份验证、电商领域的商品拍照搜索、医疗领域的智能影像诊断、无人车上作为视觉输入系统等，包括许多有意思的场景：照片自动分类、图像描述生成等等。
本次课题基于目前最流行的深度学习框架TensorFlow，首先收集整理水果数据集，
搭建深度学习网络结构完成对识别模型的训练，同时封装成web接口供微信小程序使用。用户可以使用微信小程序进行拍照或者拍摄视频完成对识别对象的图像信息采集，后端
对其进行识别，并返回识别的结果。本软件提供水果种类的识别及该类水果的相关信息
功能，为用户辨识水果及了解相关信息提供方便，提高客户满意度。小程序实现了基于
手机摄像头的拍照、拍摄视频等功能。后端使用python+TensorFlow完成水果的识别功
能。
项目截图：
全部资料下载地址：请点击下载
