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

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：

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

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