基于深度学习的农作物病虫害识别APP源码+项目说明.zip 【APP功能】 “拍照识别病虫害”：用户可以对发病的作物叶片或者果实进行拍照，裁剪对应发病区域，等待2~3秒即可以返回匹配率最高的三个疾病，并将识别率标记到对应的疾病卡片上，显示在照片的上方。用户可以通过拍照识别结构卡片，会显示对应疾病的具体信息、危害病症、传播途径、发病条件和治理方法。帮助用户快速找到解决方法，对症下药。 大数据 农技学习”：该界面罗列了100多种蔬菜、粮棉油、水果、经济作物等几类常见的农作物，并使用TabLayout + Fragment滑动布局加载这些农作物。可以使大量数据流畅的展示给用户。用户通过点击对应疾病的卡片，获取当前病虫害的典型照片以及具体信息，包括：对应症状、病原、传播途径和发病条件、防治方法等等。为解决大多数农民用户不会拼音、难以识字的问题，该界面也配备了多方言的语音朗读，解决南北语言差异问题的同时也构成了良好的交互界面，方便用户使用。

基于Pytorch+resnet50的农作物病虫害识别分类项目源码+病害数据集+项目说明文档.zip 【数据增强】 data_aug.py 用于线下数据增强，支持的增强方式： 高斯噪声 亮度变化 左右翻转 上下翻转 色彩抖动 对比度变化 锐度变化 【使用方法】 第一步：将测试集图片复制到 data/test/ 下 第二步：将训练集合验证集中的图片都复制到 data/temp/images/ 下，将两个 json 文件放到 data/temp/labels/ 下 执行 move.py 文件 执行 main.py 进行训练

害虫鉴定数据集，它包括穿果蛾、瘿蝇、蝗虫和螟虫。所有图像均来自于2021年2月28日谷歌图像结果。每类有300-400张不等，共1669张图片 害虫鉴定数据集，它包括穿果蛾、瘿蝇、蝗虫和螟虫。所有图像均来自于2021年2月28日谷歌图像结果。每类有300-400张不等，共1669张图片

草莓图像,包含了草莓叶片的病虫害图片和正常的叶片图片，2500多张草莓叶子图片，非自然环境，单一背景。 草莓图像,包含了草莓叶片的病虫害图片和正常的叶片图片，2500多张草莓叶子图片，非自然环境，单一背景。

基于改进SSD算法(SE+特征融合)的苹果叶病虫害识别系统源码(pytorch框架)+改进前源码+病害数据集+项目说明.zip 主要改进点如下： 1、替换backbone为Resnet/MobileNet 2、添加一种更加轻量高效的特征融合方式 feature fusion module 3、添加注意力机制 (Squeeze-and-Excitation Module 和 Convolutional Block Attention Module) 4、添加一种解决正负样本不平衡的损失函数Focal Loss 附有苹果叶病害数据集，可训练模型

基于深度学习的常见作物病虫害识别系统的源码+数据集.zip内附教程和论文。 软件架构 1.深度学习技术栈：Python3.7 , Tensorflow 2.1, google colab 2.服务端技术栈：阿里云ECS，Ubuntu-18-04-x64，Docker, Tensorflow Serving, nginx , tomcat 3.web客户端技术栈：Vue2 , Echarts , Tensorflow for js, Opencv for js 教程 -- tensorflow从安装到部署到服务器的保姆级教程 客户端代码 -- Web端，“hc”是jquery的版，“recogpest”是vue版 （上面成果里面的识别系统用的是vue版） 论文 -- 参考论文、最后毕业的论文、性能统计结果等成果 深度模型训练测试代码 -- 训练、测试深度学习模型的代码 基于深度学习的常见作物病虫害识别系统的源码+数据集.zip内附教程和论文。基于深度学习的常见作物病虫害识别系统的源码+数据集.zip内附教程和论文。基于深度学习的常见作物病虫害识别系统的源码+数据集.zip内附教程和论

智慧农业_3类柑橘病虫害数据集522张已标注_voc格式+yolo格式标签 一共522张，两种格式标签，多种目标检测算法可以直接用。由于数据太大，上传的是下载链接，可放心下载！ 病害类别为三类{'0': "HLB",'1': "ill",'2': "health"}

基于深度学习的粮食作物病虫害识别系统源码+教程（毕业设计）.zip已获导师指导并通过的高分项目。本项目是一个非常完整的深度学习实践项目，内附教程+论文。 目前，人工智能技术在农业领域的普及应用，还存在着数据共享不足、 算法门槛过高、算力垄断、实验与应用环境差距过大等问题。所以，本文基于 云计算技术与人工智能深度学习的计算机视觉技术，开发了一套跨平 台、易使用的农作物病虫害自动识别系统，大幅降低了人工智能技术的使用门槛，使农业 从业人员也可享受智能技术红利，促进智慧农业发展。 基于深度学习的粮食作物病虫害识别系统源码+教程（毕业设计）.zip已获导师指导并通过的高分项目。本项目是一个非常完整的深度学习实践项目，内附教程+论文。 目前，人工智能技术在农业领域的普及应用，还存在着数据共享不足、 算法门槛过高、算力垄断、实验与应用环境差距过大等问题。所以，本文基于 云计算技术与人工智能深度学习的计算机视觉技术，开发了一套跨平 台、易使用的农作物病虫害自动识别系统，大幅降低了人工智能技术的使用门槛，使农业 从业人员也可享受智能技术红利，促进智慧农业发展。

基于机器学习实现的农作物病虫害识别系统源码+全部数据.zip已获导师指导并通过的高分项目 本项目是一个非常完整的深度学习实践项目，内附从安装到部署详细教程。 目前，人工智能技术在农业领域的普及应用，还存在着数据共享不足、 算法门槛过高、算力垄断、实验与应用环境差距过大等问题。所以，本文基于 阿里云计算技术与机器学习计算机视觉技术，开发了一套农作物病虫害识别系统，大幅降低了人工智能技术使用门槛，使农业从业人员也可享受智能技术红利，促进智慧农业发展。 基于机器学习实现的农作物病虫害识别系统源码+全部数据.zip已获导师指导并通过的高分项目 本项目是一个非常完整的深度学习实践项目，内附从安装到部署详细教程。 目前，人工智能技术在农业领域的普及应用，还存在着数据共享不足、 算法门槛过高、算力垄断、实验与应用环境差距过大等问题。所以，本文基于 阿里云计算技术与机器学习计算机视觉技术，开发了一套农作物病虫害识别系统，大幅降低了人工智能技术使用门槛，使农业从业人员也可享受智能技术红利，促进智慧农业发展。

基于机器学习的水稻病虫害自动识别系统源码+数据.zip已获导师指导并通过的高分项目。 本项目是一个非常完整的机器学习实践项目，内附从安装到部署详细教程。 目前，人工智能技术在农业领域的普及应用，还存在着数据共享不足、 算法门槛过高、算力垄断、实验与应用环境差距过大等问题。所以，本文基于 云计算技术与人工智能机器学习学习的计算机视觉技术，开发了一套跨平 台、易使用的水稻病虫害自动识别系统，大幅降低了人工智能技术使用门槛，使农业 从业人员也可享受智能技术红利，促进智慧农业发展。基于机器学习的水稻病虫害自动识别系统源码+数据.zip已获导师指导并通过的高分项目。 本项目是一个非常完整的机器学习实践项目，内附从安装到部署详细教程。 目前，人工智能技术在农业领域的普及应用，还存在着数据共享不足、 算法门槛过高、算力垄断、实验与应用环境差距过大等问题。所以，本文基于 云计算技术与人工智能机器学习学习的计算机视觉技术，开发了一套跨平 台、易使用的水稻病虫害自动识别系统，大幅降低了人工智能技术使用门槛，使农业 从业人员也可享受智能技术红利，促进智慧农业发展。