植物病害鉴定 注意：这是我在进行深度学习时开发的第一个项目，并且不再受监控或使用。 您可以自己使用它，但是由于该项目已完成，因此不会进行新的更改。 为了保持植物健康，鉴定植物的健康是一个漫长但必要的过程。 在耕地面积扩大和农作物生长的地区，这一问题尤为严重。 除了人工识别，神经网络还可以用于识别健康或患病的植物。 该存储库包含用于识别植物病害的神经网络的源代码。 安装 要安装此存储库，可以直接从命令行克隆它： git clone https://github.com/amogh7joshi/plant-health-detection.git 然后，输入存储库并安装系统要求。 # Enter the Repository cd plant-health-detection # Install System Requirements python3 -m pip install

互联网连接的植物浇水系统，用于监控环境条件并管理土壤湿度。 硬件组件 氩粒子 电阻2.21k欧姆×1个 电阻220欧姆×1个 温湿度传感器×1个 0.96英寸OLED 64x128显示模块×1个 重力:模拟电容土壤湿度传感器×1个 潜水泵×1个 Grove-空气质量传感器v1.3×1个 灰尘传感器（PPD42NS）×1个 继电器模块×1个 通用晶体管NPN×1个 软件应用程序和在线服务 Autodesk Fusion 360 Visual Studio 2015 手动工具和制造机 激光切割机（通用） Formlabs SLA 3D打印机 该项目是CNM Ingenuity的物联网编码和硬件设计训练营的一部分。该系统基于粒子氩微控制器构建，并使用Visual Studio Code以C ++进行编码。 该系统不断监视盆栽植物的状况。这些条件包括灰尘颗粒，空气质量，温度，湿度，气压和土壤湿度。读数实时显示在此Adafruit仪表板上。 当土壤变得太干时，微型水泵将自动为植物浇水。也可以使用在线Adafruit仪表板手动触发浇水系统。

基于人工智能的植物健康大数据分析平台.zip

20210815-华安证券-芯瑞达-002983-开拓植物健康照明，发力miniLED.pdf