# Computer-Vision-System

**Repository Path**: flynngogo/Computer-Vision-System

## Basic Information

- **Project Name**: Computer-Vision-System
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2024-07-09
- **Last Updated**: 2024-07-09

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 机器视觉相关的完整项目/系统
[![](https://img.shields.io/badge/github-%E4%B8%8D%E6%83%B3%E5%BD%93%E5%BA%9F%E7%89%A9%E7%9A%84%E5%BA%9F%E7%89%A9-brightgreen)](https://github.com/ceresOPA)  [![](https://img.shields.io/badge/bilibili-%E6%98%AF%E4%B9%90%E9%81%93%E9%95%BF-9cf)](https://space.bilibili.com/510005777)<br/>
本人本科比赛期间开发的机器视觉相关的系统，包括模型训练代码(机器学习代码参考众多大牛实现)，同时还含有Web端(Vue)、小程序(Uniapp)、以及后端(FastApi)完整代码

## 小程序端

采用HBuilderX开发工具进行开发，基于Uniapp框架实现。小程序端的测试运行只需要直接将代码导入HBuilderX（内置小程序开发的各类插件）中即可进行实时的调试与开发。
- 界面展示

<img src="./static/miniprogram1.jpg" width="200" height="350" align="left" />
<img src="./static/miniprogram1.jpg" width="200" height="350" align="center" />


## Web端

Web端基于Vue-admin-temple进行开发，**注意node环境最好采用14.15.4版本，高版本可能会出现环境问题**<br />
1. 在完成node环境的配置后，进入mask-web目录下，打开cmd，执行下面的命令
```
//下载模块到本地
npm install
```
2. 在当前目录(./mask-web)下，执行下面的命令可直接启动项目(默认81端口)
```
npm run serve
```
- 界面展示

<img src="./static/web1.png" width="430" height="250" align="left" />
<img src="./static/web2.png" width="430" height="250" align="center" />

## 服务端

服务端接口采用FastApi开发，其中mask-server使用到YOLOv5，oldPhotoRectify-server使用到Bringing-Old-Photos-Back-to-Life和colorization两个开源项目（链接可点击下方**涉及开源项目**进行跳转）。由于模型大小较大，上传代码未包含训练得到的模型。<br />
常用python库已在requirement.txt中给出，可通过执行以下命令进行安装（注：由于本项目主要为本人大二期间完成，因此大部分库的版本较早）
```
pip install -r requirement.txt
```
服务端代码的运行，可直接进入server目录下，执行下面命令运行（注：上传代码中未包含模型，因此无法完成检测，但包含完整代码，且服务端可正常运行）
```
python main.py
```

## tips：
###### 这里的三套系统（口罩佩戴识别系统、吸烟检测系统、残旧照片修复系统）的小程序端与Web端的代码除具体的接口调用外，其他代码均一致，因此这里仅上传口罩佩戴识别系统的小程序端与Web端代码。
###### 因此，**有兴趣的朋友也可以使用本小程序端与Web端的代码进行二次开发，帮助不熟悉前端与小程序开发的朋友快速实现完整的系统**。

---

## 涉及开源项目：
- [![目标检测算法](https://img.shields.io/badge/-YOLOv5-blue)](https://github.com/ultralytics/yolov5)
- [![图像修复](https://img.shields.io/badge/-Bringing--Old--Photos--Back--to--Life-orange)](https://github.com/microsoft/Bringing-Old-Photos-Back-to-Life)
- [![图像上色](https://img.shields.io/badge/-colorization-1E88B0)](https://github.com/richzhang/colorization)
- [![前端模板框架](https://img.shields.io/badge/-vue--admin--template-green)](https://github.com/PanJiaChen/vue-admin-template)