林里花探：智能花卉识别的协同创新社会实践

近日，一支充满活力的青年团队——林里花探实践小组，在这个充满朝气的暑假展开了一场别具一格的社会实践活动。以智能花卉识别技术为核心主题，该团队成员在精细分工下，各展所长，共同致力于推动科技与社会的融合。

一、精细分工，协力推进

在项目中，团队成员们各司其职，协同合作，为项目前期的顺利进行和实施打下了坚实基础。 1、前端工作进度 前端人员作为项目的“门面担当”，精心设计了林里花探小程序，其直观便捷的操作界面为用户提供了便利。他们利用爬虫技术采集到了野生花卉网站中的多种野生花卉的图片，并对采集图片进行了数据的标注，同时设计出了小程序的基本界面。 2、后端工作进度 后端人员以稳定可靠的flask框架构建了服务端，在前期已经确定好的框架上学习了相关的python知识。他们专注于优化系统性能，确保数据安全传输和高效处理并且结合模型训练人员训练出来yolov8模型填写了部分代码。

3、模型训练工作进度 模型训练人员则是团队的“智慧核心”，他们训练出了yolov8模型，并将识别和检测到的数据放入数据集之中。通过不断调整参数，优化算法，有效提升了模型的性能。为后续将模型封装到小程序的后端奠定了基础。

4、宣传设计工作进度 宣传设计人员作为项目的“传播使者”，利用公众号策划宣传内容，制作生动有趣的图文并茂的推文，加强对于林里花探实践项目的宣传，让更多的人感受到野生花卉的魅力。

二、协作的力量，中期成果展示

在实践过程中，前端人员首先运用爬虫技术努力采集到野生花卉网站中的多种野生花卉的图片和文本标签，为后续工作初步搭建了较为丰富的数据基础。同时，他们尽力设计出小程序的基本界面，使其在一定程度上具备了良好的用户交互性。后端人员基于前期确定的flask框架，积极学习相关的python知识，并与模型训练人员密切配合。他们结合训练出的yolov8模型认真填写部分关键代码，为整个系统的稳定运行提供了一定保障。模型训练人员专注于模型的优化，经过不断尝试成功训练出yolov8模型，将识别和检测到的数据仔细整理放入数据集之中，为模型的后续改进和完善积累了一些宝贵资源。三、后期工作展望

林里花探实践小组的成员们表示，在前期的实践工作中仍然存在许多不足的地方，组员们将会对前期工作进行讨论总结，对不足的地方进行改正。灵活调整训练出的模型参数，提高识别的精确度，继续完善优化林里花探小程序的功能，确保能产出一个兼具花卉拍照识别、花卉知识答题和花卉图片轮播等功能的花卉识别小程序，同时加强对林里探花实践项目的公众号运营，让更多的人了解到我们的项目，让更多的人感受到野生花卉世界所带来的独特魅力。