目录

野生动物识别系统 — Animal Recognition System

基于 MobileNetV2 + Qwen3.5-VL 的野生动物智能识别与问答系统。采用前后端分离架构,支持图片上传识别、动物知识问答、数据统计分析、社区互动等功能。

技术架构

┌──────────────────────────────────────────────────────┐
│                    Vue3 前端 (port 3001)              │
│           Element Plus + ECharts + Axios              │
└──────────────┬───────────────────────┬───────────────┘
               │ /api/*                │ /api/ask
               ▼                       ▼
┌──────────────────────┐   ┌──────────────────────────┐
│  Flask 业务后端        │   │  FastAPI AI 推理服务       │
│  (port 5000)          │──▶│  (port 8000)              │
│  JWT 鉴权 + SQLite    │   │  Qwen3.5-VL 问答           │
│  用户/记录/社区 CRUD   │   │  MobileNetV2 图像识别       │
└──────────────────────┘   └──────────────────────────┘
  • 图像识别:MobileNetV2 轻量级 CNN 模型,快速分类
  • 智能问答:Qwen3.5-VL 多模态大语言模型,提供动物知识自然语言回答
  • 知识库:42 种野生动物详细信息(外形、习性、分布、保护等级)

项目结构

animalrecognication/
├── server/                         # 后端服务
│   ├── app.py                      # Flask 业务后端,29 个 API 端点 (port 5000)
│   ├── api_server.py               # FastAPI AI 推理服务 (port 8000)
│   ├── skill_prompt.py             # System Prompt + 42 种动物知识库(RAG)
│   ├── init_db.py                  # 数据库建表 + 种子数据一键初始化
│   └── seed_sample_data.py         # 社区板块样本数据填充
├── DWSB2/                          # Vue3 前端
│   ├── src/
│   │   ├── main.js                 # 入口,挂载 Vue Router + Element Plus
│   │   ├── api/index.js            # API 封装层
│   │   ├── router/index.js         # 路由守卫,未登录重定向 /login
│   │   ├── utils/
│   │   │   ├── axios.js            # Axios 实例 (baseURL=/api,JWT 拦截器)
│   │   │   ├── auth.js             # Token/用户信息管理
│   │   │   └── species.js          # 物种分类工具函数
│   │   ├── components/Layout.vue   # 主布局(侧边栏 + 顶栏)
│   │   └── views/                  # 18 个页面视图
│   └── vite.config.js              # Vite 配置,代理 /api → 127.0.0.1:5000
├── model_config/                   # 模型配置文件(权重需单独下载)
├── lora_output/                    # LoRA 微调权重
├── docs/
│   ├── handoff.md                  # 项目交接文档
│   └── 项目后续优化方案.md
├── uploads/                        # 用户上传图片
├── wildlife.db                     # SQLite 数据库(14 张表)
├── requirements.txt                # Python 依赖
└── README.md

环境要求

组件 要求
Python 3.12+(Flask 后端用系统 Python;FastAPI 推理需 conda Python,CUDA 12.1)
Node.js 18+
GPU NVIDIA RTX 4060 8GB(AI 推理)
模型 Qwen3.5-VL 0.8B(基座)+ MobileNetV2(图像分类)

后端依赖

flask, flask-cors, requests, bcrypt, PyJWT            # Flask 业务
torch>=2.5.0, transformers>=4.57.0, peft              # Qwen 推理
fastapi, uvicorn, Pillow                              # FastAPI 服务
tensorflow 或 torchvision                              # MobileNetV2(待定)

前端依赖

vue@3, vue-router@4, axios, element-plus, echarts, vite, lucide-vue-next

快速启动

# 1. 启动 FastAPI AI 推理服务(port 8000,需 GPU,用 conda Python)
E:\anaconda\python.exe server/api_server.py

# 2. 启动 Flask 业务后端(port 5000)
python server/app.py

# 3. 启动前端开发服务器(port 3001,代理 /api → 5000)
cd DWSB2
npm install    # 首次运行
npm run dev

访问 http://localhost:3001

AI 推理架构

图像识别流程(MobileNetV2)

前端上传图片
    │
    ▼
Flask /api/recognize ──▶ MobileNetV2 分类推理 ──▶ 匹配 ANIMAL_KNOWLEDGE
    │                                                    │
    └──────────── 返回物种信息 + 识别结果 ◀───────────────┘

智能问答流程(Qwen3.5-VL)

前端提交问题
    │
    ▼
Flask /api/ask ──▶ FastAPI /ask ──▶ Qwen3.5-VL 文本推理
    │
    └──────────── 返回自然语言回答(含知识库上下文)

环境变量

变量 说明 默认值
QWEN_MODEL_PATH Qwen 基座模型路径 ./model_config/
QWEN_LORA_PATH LoRA 微调权重路径 ./lora_output/final/
FASTAPI_URL FastAPI 推理服务地址 http://127.0.0.1:8000
JWT_SECRET JWT 签名密钥 wildlife-jwt-secret-2026

页面功能

页面 路由 功能
登录/注册 /login, /register bcrypt 密码加密 + JWT 鉴权
控制台 /dashboard 图片上传识别 + AI 问答 + 实时统计
识别记录 /records 识别历史 CRUD,分页搜索
数据统计 /statistics 6 张 ECharts 图表(分类分布、排名、趋势等)
动物保护 /conservation 42 种动物详细信息展示
动物对比 /animal-compare 双动物知识库对比
生命周期 /animal-life-cycle 动物生命周期 4 阶段可视化
观察记录 /observation 野外观察日记 CRUD,图片上传
观察地图 /observation-map ECharts 中国地图,省份观测汇总
社区 /community 帖子 CRUD + 评论 + 点赞
问答 /qa 问答社区,采纳标记 + 浏览计数
圈子 /circles 兴趣圈子,加入/退出
贡献 /contribution 投稿提交 + 审核状态
活动 /activities 活动列表 + 参与报名
保护区 /protected-areas 8 个国家级保护区数据库
工具包 /toolkit 纯前端计算器(距离/分贝/光照)
个人中心 /profile 用户信息 + 改密 + 注销
识别详情 /recognition-detail AI 识别结果详细分析

测试账号

账号 密码
testuser_full 123456
马世茹 123456

团队

角色 姓名 职责
组长 陈世豪 后端架构、系统集成、部署、文档
组员 霍亚楠 AI 模型训练:MobileNetV2 + Qwen3.5-VL + LoRA + 知识库
组员 马世茹 前端开发:Vue3 界面设计 + 18 个页面实现
关于
134.3 MB
邀请码
    Gitlink(确实开源)
  • 加入我们
  • 官网邮箱:gitlink@ccf.org.cn
  • QQ群
  • QQ群
  • 公众号
  • 公众号

版权所有:中国计算机学会技术支持:开源发展技术委员会
京ICP备13000930号-9 京公网安备 11010802047560号