文章目录1. 克隆项目2. 数据库初始化3. 启动Flask推理服务4. 启动Spring Boot后端5. 启动Vue前端6. 访问系统浏览器打开 http://localhost:8080 基于YOLO和LLM的野生动物识别系统接农业/无人机巡检/工业巡检/桥梁/建筑物等专业图像识别 定制一、系统概述基于YOLO深度学习模型与大语言模型DeepSeek的野生动物智能识别系统。本系统覆盖80种常见野生动物支持图片、视频、摄像头实时检测三种方式并能自动调用DeepSeek生成每种动物的详细介绍与生态知识。系统采用前后端分离架构集成用户管理与个人中心功能为野生动物保护、生态研究、自然教育、动物园管理等领域提供智能化识别与知识服务平台。二、核心亮点• 80种野生动物全覆盖涵盖哺乳类、鸟类、爬行类、两栖类、昆虫类等识别种类丰富• YOLOLLM双引擎YOLO精准定位识别动物种类DeepSeek大模型生成生动有趣的动物百科介绍• 多模式检测支持单张图片、视频文件、实时摄像头三种输入方式• 全流程记录图片、视频、摄像头的识别结果自动存入数据库支持历史查询与回溯• 用户权限管理管理员可管理用户普通用户拥有个人中心与识别记录查看权限• 高精度模型基于2万标注数据集经过6轮迭代训练识别准确率高• 开箱即用提供完整源码、训练代码、数据集、预训练权重部署即用三、检测动物列表共80种熊、棕熊、公牛、蝴蝶、骆驼、金丝雀、毛毛虫、牛、蜈蚣、猎豹、鸡、螃蟹、鳄鱼、鹿、鸭、鹰、大象、鱼、狐狸、青蛙、长颈鹿、山羊、金鱼、鹅、仓鼠、斑海豹、刺猬、河马、马、美洲豹、水母、袋鼠、考拉树袋熊、瓢虫、豹、狮子、蜥蜴、猞猁、喜鹊、猴子、蛾类与蝶类、老鼠泛指家鼠、骡子、鸵鸟、水獭、猫头鹰、熊猫大熊猫、鹦鹉、企鹅、猪、北极熊、兔子、浣熊、渡鸦、小熊猫、犀牛、蝎子、海狮、海龟、海马、鲨鱼、羊绵羊、虾、蜗牛、蛇、麻雀、蜘蛛、鱿鱼、松鼠、海星、天鹅、蜱虫、老虎、陆龟、火鸡、龟、鲸鱼、啄木鸟、虫蠕虫、斑马四、系统架构4.1 技术栈• 前端Vue.js• 后端Spring Boot• 图像处理OpenCV• 数据库MySQL• 目标检测YOLO训练代码基于PyTorch• 识别API服务Flask封装YOLO推理• 大语言模型DeepSeek API用于生成动物介绍4.2 系统架构图┌─────────────────────────────────────────────────────┐│ 前端展示层 (Vue) │├─────────────────────────────────────────────────────┤│ 业务逻辑层 (Spring Boot) │├─────────────────────────────────────────────────────┤│ AI服务层 (Flask YOLO DeepSeek) │├─────────────────────────────────────────────────────┤│ 数据持久层 (MySQL) │└─────────────────────────────────────────────────────┘五、功能模块详解5.1 多模式检测功能5.1.1 图片识别• 上传单张图片支持JPG、PNG、BMP格式• 自动检测YOLO模型识别图片中的动物种类及位置• 结果展示在图片上绘制边界框显示动物名称和置信度• AI介绍调用DeepSeek生成该动物的详细介绍习性、分布、保护 status 等• 记录保存识别结果图片、动物名、时间自动存入数据库5.1.2 视频识别• 上传视频文件支持MP4、AVI、MOV等格式• 逐帧分析自动提取视频帧进行检测标记每一帧出现的动物• 结果整合生成视频中出现的动物种类列表、出现时间点、数量统计• 记录保存完整的视频识别过程与结果存入数据库支持回放5.1.3 摄像头实时检测• 连接摄像头支持USB摄像头、网络摄像头RTSP流• 实时标注在视频流上实时绘制检测框和动物名称• 动态记录检测到的目标信息同步写入数据库时间、动物名、截图• 低延迟优化推理流程确保实时性5.2 智能知识生成LLM• 自动触发每次识别到动物后自动调用DeepSeek API• 生成内容动物的中文名称、学名、分类、分布区域、生活习性、保护等级、趣味知识等• 展示方式在识别结果页面以卡片或弹窗形式呈现• 可配置管理员可选择是否启用LLM生成或自定义提示词5.3 识别记录管理• 图片识别记录存储用户上传的图片、检测结果、AI介绍、时间戳• 视频识别记录存储视频文件信息、检测到的动物列表、关键帧截图• 摄像头识别记录存储每次检测的快照、动物名称、时间• 查询与导出支持按动物名、时间范围检索支持导出为CSV/Excel5.4 用户管理• 管理员可增删改查所有用户查看所有用户的识别记录• 普通用户注册登录后可使用识别功能仅能查看自己的记录• 个人中心修改个人信息昵称、头像、密码5.5 系统管理管理员专属• 用户管理用户列表、角色分配、禁用/启用• 模型管理查看当前YOLO模型版本支持上传新权重• 系统配置DeepSeek API密钥配置、检测阈值调整、记录保留策略六、数据集与模型训练6.1 数据集规模• 总图片数20,000张高质量野生动物图片• 标注格式YOLO格式.txt包含类别ID和边界框坐标• 类别数80种动物• 数据来源公开数据集人工补充拍摄覆盖不同角度、光照、背景6.2 训练过程• 模型YOLOv8可根据需要切换v5/v11等• 训练轮数已完成6轮迭代训练• 优化策略◦ 数据增强Mosaic、随机翻转、HSV调整◦ 学习率调度余弦退火◦ 早停机制防止过拟合• 当前精度mAP0.5 约 0.85可根据需要继续训练提升6.3 交付模型• 权重文件训练好的YOLO权重best.pt• 训练代码完整的训练脚本支持继续训练或重新训练• 配置文件数据集路径、类别映射、超参数配置七、交付内容完整系统源码◦ 前端Vue项目含所有页面组件◦ 后端Spring Boot项目含Controller、Service、Mapper◦ Flask推理服务YOLO模型加载与推理接口◦ 训练代码数据加载、训练、验证、导出脚本数据集2万张标注图片YOLO格式按类别组织预训练模型权重6轮迭代训练后的YOLO权重文件数据库脚本MySQL建表语句用户表、识别记录表等部署文档环境配置、依赖安装、服务启动详细步骤使用说明系统功能操作指南、API接口文档八、快速部署8.1 环境要求• 操作系统Windows 10/11, Ubuntu 20.04• Python3.8• JavaJDK 11• Node.js16• MySQL5.7• GPU推荐NVIDIA显卡训练和推理加速8.2 部署步骤1. 克隆项目git clonecd wildlife-recognition2. 数据库初始化mysql-u root-pdatabase/init.sql3. 启动Flask推理服务cd flask_server pip install-r requirements.txt python app.py--port50004. 启动Spring Boot后端cd springboot_backend mvn clean package java-jar target/wildlife-1.0.0.jar5. 启动Vue前端cd vue_frontend npm install npm run dev6. 访问系统浏览器打开http://localhost:8080九、应用场景• 自然保护区监测自动识别红外相机拍摄的野生动物辅助种群调查• 动物园智慧管理游客扫码上传动物照片系统识别并展示科普知识• 生态研学教育学生通过拍照识别动物激发探索兴趣• 野生动物救助快速识别受伤动物种类指导救助方案• 个人自然观察户外爱好者记录遇到的动物建立个人观察日志十、定制化服务本系统支持定制开发可扩展至• 增加识别动物种类如昆虫、海洋生物 农业 工业 桥梁无人机巡检等等• 接入更多大模型如Qwen、GPT-4• 开发移动端APP或小程序• 与GIS地图集成展示动物分布热力图• 增加动物叫声识别功能免责声明本系统为辅助识别工具识别结果仅供参考。野生动物识别受拍摄条件、角度、遮挡等因素影响可能存在误差。系统不构成专业生物学鉴定依据。