# 食物识别系统

基于深度学习和CustomTkinter的食物识别应用程序，支持多图片上传、拖拽操作和实时识别结果展示。

## 功能特点

- **多图片上传**: 支持选择多张图片或拖拽上传
- **实时预览**: 点击图片可以预览原始大图
- **智能识别**: 使用深度学习模型识别食物类型
- **结果标记**: 可以手动标记识别结果的正确性
- **统计分析**: 显示识别准确率和统计信息
- **现代界面**: 使用CustomTkinter构建美观的用户界面

## 安装依赖

```bash
pip install -r requirements.txt
```

## 使用方法

### 1. 训练模型（可选）

如果您有自己的数据集，可以使用提供的训练脚本：

```bash
cd train
python train_food_classifier.py
```

确保您的数据集结构如下：
```
dataset/
├── train/
│   ├── 回锅肉/
│   │   ├── image1.jpg
│   │   └── image2.jpg
│   └── 西红柿鸡蛋/
│       ├── image1.jpg
│       └── image2.jpg
├── test/
│   ├── 回锅肉/
│   └── 西红柿鸡蛋/
└── val/
    ├── 回锅肉/
    └── 西红柿鸡蛋/
```

### 2. 运行食物识别应用

```bash
python food_classifier_app.py
```

### 3. 使用应用

1. **上传图片**:
   - 点击"选择图片"按钮选择多张图片
   - 或者直接拖拽图片到左侧上传区域

2. **预览图片**:
   - 点击任意已上传的图片可以预览大图

3. **开始识别**:
   - 点击"开始识别"按钮对所有图片进行识别

4. **查看结果**:
   - 右侧会显示每张图片的识别结果和置信度
   - 可以标记识别结果是否正确

5. **管理图片**:
   - 可以删除单张图片或清空所有图片

## 界面布局

- **左侧**: 图片上传和管理区域
  - 拖拽上传区域
  - 操作按钮（选择、清空、识别）
  - 已上传图片列表

- **右侧**: 识别结果展示区域
  - 统计信息（总数、已识别、准确率）
  - 详细识别结果列表
  - 正确性标记按钮

## 支持的图片格式

- JPEG (.jpg, .jpeg)
- PNG (.png)
- BMP (.bmp)
- GIF (.gif)

## 模型信息

- 默认支持识别：回锅肉、西红柿鸡蛋
- 输入图片尺寸：32x32
- 模型架构：CNN（卷积神经网络）
- 框架：PyTorch
- 模型文件：model/01/best_food_model.pth

## 注意事项

1. 首次运行时，如果没有训练好的模型，程序会使用模拟识别结果
2. 建议使用清晰、光线良好的食物图片以获得更好的识别效果
3. 可以通过标记识别结果来评估模型性能

## 技术栈

- **界面框架**: CustomTkinter
- **深度学习**: PyTorch
- **图像处理**: OpenCV, PIL
- **拖拽支持**: tkinterdnd2

## 扩展功能

如需添加更多食物类别：

1. 在数据集中添加新的食物类别文件夹
2. 修改 `food_classes` 列表
3. 重新训练模型

## 故障排除

如果遇到问题：

1. 确保所有依赖都已正确安装
2. 检查图片文件格式是否支持
3. 确认模型文件路径是否正确
4. 查看控制台输出的错误信息