车型图像识别系统

人工智能其他案例ID：244285

沐明

1 年经验· 无

微信扫码沟通，客服可协助直接对接工程师；如当前档期不合，也可继续推荐相似案例作者。

案例介绍

项目背景
本项目是一套面向智能交通场景的车辆检测与车型识别系统，实现了从目标检测、车型精细分类到车标品牌识别的完整流水线。系统能够对图像、视频及摄像头实时画面中的车辆进行检测，并基于深度学习模型输出中文车型名称（如"宝马 M3 双门轿跑"），最终通过 Web 前端直观呈现识别结果，支持结果导出与历史管理。该项目由团队协作完成，我作为核心开发成员参与其中，主要负责前端界面开发及部分后端功能完善。
技术架构
系统采用前后端分离架构，后端基于 FastAPI 提供 RESTful API，前端基于 Streamlit 构建交互界面，模型层融合目标检测与图像分类两大方向。
| 目标检测 | YOLOv11 | 检测 car、bus、van、truck 等多类目标 |
| 车型分类 | ResNet50（迁移学习） | 基于 ImageNet 预训练权重，对 196 类 Stanford Cars 数据集精细化分类 |
| 车标品牌分类 | ResNet50 | 49 类车标品牌分类器，为弱特征场景提供品牌级兜底识别 |
| 后端服务 | FastAPI + PyTorch | RESTful API、CORS 跨域、统一错误处理、健康检查 |
| 前端界面 | Streamlit | 磨砂玻璃质感 UI，支持单张、批量、URL 三种上传模式 |
| 数据采集 | Playwright + CLIP | 多源车标图像爬虫，支持 49 品牌批量抓取与智能过滤 |
个人职责
参与系统前端开发及部分后端功能完善工作。在前端方面，负责磨砂玻璃质感交互界面的开发，实现单张、批量、URL 三种上传模式，完成检测历史管理（会话内最多存储 50 条记录）、Top-3 置信度结果展示、Excel 与 JSON 结果导出及品牌准确率热力图等功能；在后端方面，参与 API 接口对接与功能调试，保障前后端数据流转的稳定性。（注：以上职责描述基于项目信息合理推断，请你根据实际承担的工作进行核对与调整。）
项目成果
系统支持单图、批量文件夹、视频及摄像头实时检测四种模式，识别结果统一以中文输出，已发布 v1.1 版本（2026-06-22）。项目开源托管于 Gitee，采用 Python 技术栈（占比 97.2%），具备良好的可复现性与可扩展性。