基于 YOLOv8 深度学习模型的智能鸟类图像识别系统，提供鸟类识别、鸟类百科、识别历史管理等功能。
本项目是一个前后端分离的鸟类识别 Web 应用，用户可以上传鸟类图片进行智能识别，系统会自动检测图片中的鸟类并返回识别结果。主要功能包括：
- 鸟类识别：上传图片，系统自动识别图片中的鸟类种类，并在图片上标注检测框
- 鸟类百科：浏览和查询鸟类信息，了解各种鸟类的详细介绍
- 识别历史：查看历史识别记录，方便回顾和管理
- 用户系统：支持用户注册、登录，管理个人识别记录
- 管理后台：管理员可管理用户、鸟类信息、数据集，以及训练模型
| 技术 | 说明 |
|---|---|
| Python 3.11+ | 编程语言 |
| FastAPI | 高性能 Web 框架 |
| SQLAlchemy 2.0 | ORM 数据库框架 |
| MySQL | 关系型数据库 |
| Redis | 缓存数据库 |
| YOLOv8 | 目标检测模型 |
| JWT | 用户认证 |
| Uvicorn | ASGI 服务器 |
| 技术 | 说明 |
|---|---|
| Vue 3 | 前端框架 |
| Vite 5 | 构建工具 |
| Vue Router 4 | 路由管理 |
| Pinia | 状态管理 |
| Element Plus | UI 组件库 |
| Axios | HTTP 请求库 |
| ECharts | 数据可视化 |
Bird Recognition System/
├── bird-recognition-system-backend/ # 后端项目
│ ├── models/ # 数据模型
│ ├── routers/ # API 路由
│ ├── schemas/ # 数据验证模式
│ ├── services/ # 业务逻辑层
│ ├── yolo/ # YOLO 模型相关
│ ├── config.py # 配置文件
│ ├── database.py # 数据库连接
│ ├── main.py # 应用入口
│ └── requirements.txt # Python 依赖
│
└── bird-recognitionsystem-frontend/ # 前端项目
├── src/
│ ├── api/ # API 接口
│ ├── components/ # 公共组件
│ ├── router/ # 路由配置
│ ├── stores/ # 状态管理
│ ├── utils/ # 工具函数
│ ├── views/ # 页面视图
│ ├── App.vue # 根组件
│ └── main.js # 入口文件
├── index.html
├── package.json
└── vite.config.js
- Python 3.11 或更高版本
- Node.js 18 或更高版本
- MySQL 8.0 或更高版本
- Redis 5.0 或更高版本（可选，用于缓存）
git clone <repository-url>
cd "Bird Recognition System"# 进入后端目录
cd bird-recognition-system-backend
# 创建虚拟环境
python -m venv venv
# 激活虚拟环境
# Windows:
venv\Scripts\activate
# Linux/Mac:
source venv/bin/activate
# 安装依赖
pip install -r requirements.txt
# (可选) 安装 YOLOv8，如需真实识别功能
pip install ultralytics# 进入前端目录
cd bird-recognitionsystem-frontend
# 安装依赖
npm install- 创建 MySQL 数据库：
CREATE DATABASE bird_recognition CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;- 配置环境变量（可选）：
创建 .env 文件或设置系统环境变量：
MYSQL_HOST=localhost
MYSQL_PORT=3306
MYSQL_USER=root
MYSQL_PASSWORD=your_password
MYSQL_DATABASE=bird_recognition
REDIS_HOST=localhost
REDIS_PORT=6379
JWT_SECRET_KEY=your-secret-key如不设置环境变量，将使用
config.py中的默认配置。
cd bird-recognition-system-backend
# 激活虚拟环境
venv\Scripts\activate # Windows
source venv/bin/activate # Linux/Mac
# 启动服务
python main.py
# 或使用 uvicorn
uvicorn main:app --host 0.0.0.0 --port 8000 --reload后端服务启动后：
- API 地址：http://localhost:8000
- API 文档：http://localhost:8000/docs
- ReDoc 文档：http://localhost:8000/redoc
cd bird-recognitionsystem-frontend
# 开发模式启动
npm run dev前端服务启动后访问：http://localhost:5173
# 前端构建
cd bird-recognitionsystem-frontend
npm run build构建产物位于 dist/ 目录。
- 注册/登录：访问首页，点击注册创建账号，或使用已有账号登录
- 鸟类识别：登录后进入"鸟类识别"页面，上传鸟类图片进行识别
- 查看结果：识别完成后查看标注图片和识别到的鸟类信息
- 鸟类百科：浏览"鸟类百科"页面，了解各种鸟类详情
- 识别历史：在"识别历史"页面查看历史识别记录
管理员账号可访问后台管理系统：
- 仪表盘：查看系统统计数据
- 用户管理：管理系统用户
- 鸟类管理：增删改查鸟类信息
- 数据集管理：管理训练数据集，训练和更新识别模型
| 接口 | 方法 | 说明 |
|---|---|---|
/api/auth/register |
POST | 用户注册 |
/api/auth/login |
POST | 用户登录 |
/api/recognize |
POST | 图片识别 |
/api/birds |
GET | 获取鸟类列表 |
/api/birds/{id} |
GET | 获取鸟类详情 |
/api/records |
GET | 获取识别记录 |
/api/admin/stats |
GET | 获取统计数据 |
完整 API 文档请访问：http://localhost:8000/docs
欢迎贡献代码！请遵循以下步骤：
- Fork 本仓库
- 创建特性分支：
git checkout -b feature/your-feature - 提交更改：
git commit -m 'Add some feature' - 推送分支：
git push origin feature/your-feature - 提交 Pull Request
- 后端代码遵循 PEP 8 规范
- 前端代码使用 ESLint 进行检查
- 提交信息请使用清晰的描述
本项目采用 MIT License 开源许可证。
如有问题或建议，欢迎提交 Issue 或 Pull Request。
感谢使用鸟类识别系统！ 🐦