一套精细的花草资源，直接导入unity即可使用，最低5.6.3.

植物细胞周期与增值细胞生长分化学习教案.pptx

植物组织学习教案.pptx

植物组织培养教程李浚明学习教案.pptx

JS版植物大战僵尸游戏源码,喜欢做游戏的小伙伴赶紧了！

植物病害检测仪 由和创建 我在中的 在经过预处理的数据集上训练模型，可以在下载。 本地设置 当地的： 建议在虚拟环境中设置项目，以保持依赖关系分离。 激活您的虚拟环境。 通过运行pip install -r requirements.txt安装依赖项。 通过运行python app/server.py serve启动服务器。 访问进行探索和测试。 码头工人： 确保Docker已安装在您的本地计算机中。 了解如何安装Docker 。 苹果电脑： $ git clone https://github.com/imskr/Plant_Disease_Detection.git $ cd Plant_Disease_Detection $ docker build -t fastai-v3 . $ docker run --rm -it -p 8080:8080 fastai-v3

叶病检测 使用预先训练的深度学习架构（即VGG16网络），通过PlantVillage数据集中的图像对农作物病害进行分类。 该模型是通过回调实现的-提前停止，降低高原学习率和模型检查点。 对于VGG16 net，使用70295张图像的分类精度约为95％。 通过修改图像数量，设置各种批处理大小以及更改权重和偏差学习率来评估模型的性能。 图像数量极大地影响了模型的性能。 在至少95％的时间正确识别出农作物病害的情况下，我们可以渴望帮助我们的农民及早发现农作物感染。 这将帮助他们计划比他们之前遵循的技术更有效的耕作技术。 模型的架构图 图形用户界面 运行代码 开放式终端和 步骤1：python3 PRED_API.py 步骤2：CD前端 步骤3：npm i 第4步：启动npm，这将启动基于React的前端 保存的权重存储在best-model.h5中 Model.ipynb具有模型

针对采用点云配准法对植物三维模型重建的运算时间长、配准精度对参数要求高等问题，提出一种基于点云拼接法的植物三维模型重建算法。首先将转盘水平放置于地面上，利用Kinect获得转盘轴线相对于摄像头的位置信息，将植物放置于转盘上并以60°等间隔旋转转盘并对植物进行6次图像采集；然后将彩色和深度图像数据融合得到植物点云，并对原始点云进行背景去除、离群点去除等操作获得理想的点云；最后将来自6个视角的点云分别绕轴旋转相应的角度，从而将点云拼接到一起。实验证明所提出算法的重建效果与点云配准算法的重建效果相似，并且本文算法的运算时间大为减少，具有较高的工程实用价值。

这是一款用scratch做的植物大战僵尸，植物有豌豆射手，太阳花，坚果，火爆辣椒，樱桃炸弹，土豆地雷。游戏和完美的背景音乐相融合，非常好。希望大家下载。

植物大战僵尸资源图片，unity2d可用，可以作为游戏开发资源