版本：v1.0.0 | 最后更新：2025-6-8
维护团队：苹果喵喵、Penguinsltp | 联系邮箱：3226742838@qq.com

1. 系统概述

1.1 使用框架

YOLO Nano 是一种轻量级目标检测模型，基于经典的 YOLO（You Only Look Once） 架构优化而来，专为边缘计算设备（如移动端、嵌入式设备）设计，在保持较高检测精度的同时大幅降低计算量和模型大小。
OpenCV 是计算机视觉中经典的专用库，其支持多语言、跨平台，功能强大。 OpenCV-Python为OpenCV提供了Python接口，使得使用者在Python中能够调用C/C++，在保证易读性和运行效率的前提下，实现所需的功能

1.2 功能简述

核心功能

1. 蘑菇定位：通过YOLOv5 Nano目标检测，通过卷积神经网络实现快速的蘑菇位置识别，再使用单阶段检测直接再对图像中进行分类，并进行定位。
2. 回归框架：简化检测流程，预测边界框和类别概率，多尺度特征融合，增强对不同大小蘑菇的检测能力，轻量化设计，确保模型在资源有限的边缘设备上高效运行
3. 成熟度判断：使用OpenCV识别蘑菇成熟：读取并预处理图像，将其转换为灰度图并进行高斯模糊以减少噪声。
4. 边缘适配：使用Canny边缘检测提取蘑菇的边缘，并通过轮廓检测分析形状特征，以判断成熟度。同时，转换为HSV色彩空间计算平均颜色，以辅助判断。综合形状和颜色分析结果，得出最终的成熟度判断。整个流程结合了图像处理技术，能够有效识别蘑菇的成熟状态。