随着科学技术的快速发展，图像识别技术也越来越成熟。本次毕业设计主要在基于训练结果横向比较了同属于YOLOv5的YOLOv5s、YOLOv5m和YOLOv5l模型对同一训练集图像识别的效果差距。针对生物多样性保护，濒危野生动物管理提出基于YOLO的动物图像识别系统。及时发现濒危物种迁徙途中的问题，及时采取措施向目标区域引导濒危物种的方向，实现物种养护的重要目标。采用YOLOv5来训练标注的数据集，取训练的最好的模型应用于识别系统中，使用PyQt5设计可视化界面便于操作，提供图片、视频、摄像仪器实时识别功能。该系统使用了大规模的动物图像数据集进行训练，包括了多个种类的动物，如鸟类、猫、牛、狗、马和羊。在测试集上的实验结果表明，该系统可以对多种种类的动物进行准确识别，达到了较高的识别精度和较快的识别速度。该系统可以应用于动物保护、动物研究、自然保护等领域。

关键词：YOLOv5；图像识别；PyQt5；动物保护；深度学习

实验效果​​编辑​