基于python的果蔬识别及菜谱推荐系统产品系统Vibe Coding

本系统面向餐饮、生鲜零售及智慧农业领域，解决传统果蔬识别依赖人工经验、效率低、标准不一的问题。行业场景中，从农产品质检分拣、商超自助结算到餐厅智能点餐等环节，均需要自动
化识别果蔬品类并关联营养信息与菜谱推荐。现有方案要么仅做分类缺乏后续服务，要么依赖云端API成本高、延迟大。本系统以本地轻量化模型实现离线推理，结合营养数据库与菜谱推荐引
擎，为餐饮供应链管理、健康饮食指导、农产品溯源等业务提供端到端的智能化解决方案，降低人工分拣与菜品研发成本。

1.智能识别：上传或选择果蔬图片，基于CNN模型自动分类28类果蔬，展示识别类别、置信度及TOP-N概率分布。2.营养信息：识别完成后自动匹配营养数据库，展示热量、蛋白质、碳水、维生
素C、钾等核心营养素含量及健康功效说明。3.菜谱推荐：根据识别结果从菜谱库中推荐3道相关菜品，展示菜名、食材、制作流程、难度与耗时。4.图像编辑：支持旋转、亮度/对比度调节、
水平/垂直翻转、缩放裁剪等操作，可导出保存。5.模型训练：可视化训练界面，可配置批次大小、训练轮数、学习率等参数，实时监控进度、损失与准确率。6.批量处理：支持多张图片批量
分类与批量图像处理。7.Web服务：提供FastAPI REST接口，手机浏览器即可访问，支持跨平台使用。

我独立负责全部任务：业务分析、需求设计、数据采集与标注、数据增强、模型架构设计与训练调优、前后端开发、数据库构建与部署运维。技术栈采用PyQt5构建桌面GUI、PyTorch实现轻量
化CNN（4层卷积块+全局平均池化，约120万参数）、FastAPI+Uvicorn提供Web API、Pillow实现图像编辑。架构上采用模块化分层设计：config配置层、data_data模块、model模型层、recipe
s业务层、thread多线程调度层。亮点包括：模型参数量控制在120万以内，适合边缘设备部署；使用QThread多线程避免界面卡顿；营养库与菜谱库共56类结构化数据（28类果蔬×2模块，每类3
道菜谱，共84道菜谱），采用纯Python常量字典实现零依赖数据源；预测结果通过JSON序列化避免Qt跨线程通信栈溢出。