🩸 血细胞检测系统 (Blood Cell Detection System)

基于 YOLOv8 的血细胞检测系统，提供完整的 Web 界面和 RESTful API，用于自动识别和分类血细胞图像中的白细胞(WBC)、红细胞(RBC)和血小板(Platelets)。

✨ 功能特性

• 高精度检测：基于 YOLOv8 的深度学习模型
• 直观界面：响应式设计，支持桌面和移动设备
• 丰富可视化：
  • 标注结果图像显示
  • 检测统计图表
  • 交互式检测框查看
• 多格式支持：JPG、PNG 图片格式
• 完整 API：易于集成的 RESTful 接口
• 实时反馈：上传进度和检测状态指示

🚀 快速开始

环境要求

• Python 3.8+
• CUDA 11.7+ (如需 GPU 加速)
• Node.js 16+ (前端开发可选)

安装步骤

1. 克隆仓库：

   git clone https://github.com/your-repo/blood-cell-detection.git
   cd blood-cell-detection

2. 后端设置：

   # 创建虚拟环境
   python -m venv venv
   source venv/bin/activate  # Linux/MacOS
   # 或 venv\Scripts\activate (Windows)
   
   # 安装依赖
   pip install -r requirements.txt
   
   
   

启动系统

# 启动后端服务
python app.py
访问 `http://localhost:5000` 使用系统

## 📚 使用指南

### 网页界面

1. 点击上传区域或拖放图片文件
2. 系统自动处理并显示检测结果
3. 查看统计数据和详细检测信息

### API 接口

**检测端点**：

POST /api/detect

**请求参数**：
- `file`: 图片文件 (支持 PNG, JPG, JPEG)

**成功响应**：
```json
{
  "success": true,
  "image": "base64编码的标注图像",
  "detections": [
    {
      "label": "WBC",
      "confidence": 0.95,
      "coordinates": [x1, y1, x2, y2]
    }
  ],
  "count": 3
}

健康检查：

GET /api/health

🏗️ 项目结构

├── app.py                # Flask 主应用
├── models/               # 模型文件
│   └── best.pt           # YOLOv8 模型
├── static/               # 静态资源
│   ├── css/              # 自定义样式
│   ├── js/               # 自定义脚本
│   └── uploads/          # 上传文件临时存储
├── templates/            # HTML 模板
│   └── index.html        # 主页面
├── requirements.txt      # Python 依赖
└── README.md             # 项目文档

🛠️ 开发指南

后端开发

🌐 部署方案

Docker 部署

docker build -t blood-cell-detection .
docker run -p 5000:5000 blood-cell-detection

云平台部署

1. AWS:

   • 使用 EC2 或 ECS 部署
   • 配置 ALB 负载均衡

2. Azure:

   • 使用 App Service 容器部署
   • 配置 Application Gateway

📊 性能指标

指标	值
平均检测时间 (CPU)	1.2s/图像
平均检测时间 (GPU)	0.3s/图像
模型准确率 (mAP)	92.4%
最大并发请求	16 req/s

📞 支持与联系

遇到问题？请通过以下方式联系我们：

• GitHub Issues: 提交问题
• 邮箱: support@bloodcell.ai
• Slack: 加入我们的频道

📜 许可证

本项目采用 MIT 许可证