林里花探：智能花卉識別的協同創新社會實踐

近日，一支充滿活力的青年團隊——林里花探實踐小組，在這個充滿朝氣的暑假展開了一場別具一格的社會實踐活動。以智能花卉識別技術為核心主題，該團隊成員在精細分工下，各展所長，共同致力于推動科技與社會的融合。

一、精細分工，協力推進

在項目中，團隊成員們各司其職，協同合作，為項目前期的順利進行和實施打下了堅實基礎。 1、前端工作進度 前端人員作為項目的“門面擔當”，精心設計了林里花探小程序，其直觀便捷的操作界面為用戶提供了便利。他們利用爬蟲技術采集到了野生花卉網站中的多種野生花卉的圖片，并對采集圖片進行了數據的標注，同時設計出了小程序的基本界面。 2、后端工作進度 后端人員以穩定可靠的flask框架構建了服務端，在前期已經確定好的框架上學習了相關的python知識。他們專注于優化系統性能，確保數據安全傳輸和高效處理并且結合模型訓練人員訓練出來yolov8模型填寫了部分代碼。

3、模型訓練工作進度 模型訓練人員則是團隊的“智慧核心”，他們訓練出了yolov8模型，并將識別和檢測到的數據放入數據集之中。通過不斷調整參數，優化算法，有效提升了模型的性能。為后續將模型封裝到小程序的后端奠定了基礎。

4、宣傳設計工作進度 宣傳設計人員作為項目的“傳播使者”，利用公眾號策劃宣傳內容，制作生動有趣的圖文并茂的推文，加強對于林里花探實踐項目的宣傳，讓更多的人感受到野生花卉的魅力。

二、協作的力量，中期成果展示

在實踐過程中，前端人員首先運用爬蟲技術努力采集到野生花卉網站中的多種野生花卉的圖片和文本標簽，為后續工作初步搭建了較為豐富的數據基礎。同時，他們盡力設計出小程序的基本界面，使其在一定程度上具備了良好的用戶交互性。后端人員基于前期確定的flask框架，積極學習相關的python知識，并與模型訓練人員密切配合。他們結合訓練出的yolov8模型認真填寫部分關鍵代碼，為整個系統的穩定運行提供了一定保障。模型訓練人員專注于模型的優化，經過不斷嘗試成功訓練出yolov8模型，將識別和檢測到的數據仔細整理放入數據集之中，為模型的后續改進和完善積累了一些寶貴資源。三、后期工作展望

林里花探實踐小組的成員們表示，在前期的實踐工作中仍然存在許多不足的地方，組員們將會對前期工作進行討論總結，對不足的地方進行改正。靈活調整訓練出的模型參數，提高識別的精確度，繼續完善優化林里花探小程序的功能，確保能產出一個兼具花卉拍照識別、花卉知識答題和花卉圖片輪播等功能的花卉識別小程序，同時加強對林里探花實踐項目的公眾號運營，讓更多的人了解到我們的項目，讓更多的人感受到野生花卉世界所帶來的獨特魅力。