基于火龙果数据的作物生长趋势项目，通过学习，如何将你构建的AI服务部署到云端上，实现具备识别火龙果生长趋势的云服务能力。下面是我们做的任务案例： 任务1：火龙果训练数据集准备（使用精灵标注助手进行目标检测图像标注、将训练与验证数据集转tfrecord格式数据集） 任务2：目标检测模型搭建与训练（认识目标检测、 YOLOv3目标检测模型、 tensorflow YOLOv3模型训练） 任务3：生长趋势模型推理与模型评估（作物生长趋势模型推理接口、 作物生长趋势模型推理代码实现、作物生长趋势模型精度评估） 任务4：生长趋势AI模型服务封装（ Restfull API、Flask环境搭建、Flask实现火龙果生长趋势AI服务） 任务5：模型云端部署与安装（生长趋势AI服务运行环境配置、编写自动化安装脚本实现服务一键安装与拉起）

【插件简介】 火龙果可以进行 “中文和英文双语语法检查”，是全世界第一款中文和英文双语的校对工具。使用火龙果你可以：流畅书写邮件、文档和信息；快速发现拼写和语法错误；节省文本检查时间；不止检查错别字，火龙果还会对你的时态、搭配、语法问题给出更多建议。Gmail, QQ 和网易邮箱、公众号、知乎、简书、Linkedin, 无论你在哪里写作，火龙果都能帮你检查语法。 【插件网站】 https://mypitaya.com 【插件更新】 2020-12-29 14:50:44 【插件版本】 0.1.8 【插件标签】 工具 办公效率 Chrome插件 【插件安装教程】 请下载文件后先解压，然后进入页面： chrome://extensions/ 将文件拖拽到该页面，完成安装。 具体步骤: https://t.csdnimg.cn/NxMv 【热门插件】 ·CSDN 浏览器助手： https://plugin.csdn.net/

8类水果图片数据集（每类100张图片左右）['橘子'，'菠萝'，'苹果'，'木瓜'，'火龙果'，'香蕉'，'樱桃'，'芒果']从谷歌图像的网络删除和清理。数据被分成3个文件夹：train(80%)、test(10%)和val(10%)。

利用高光谱技术对火龙果可溶性固形物含量(SSC)检测进行研究,为火龙果内部品质无损检测提供科学方法.以火龙果为研究对象,对光谱数据进行预处理,应用连续投影算法(SPA)进行特征变量的选择,通过偏最小二乘法(PLS)和前馈反向传播神经网络法(BPNN)建立预测模型,分析了火龙果果皮对SSC 模型预测精度的影响.实验结果表明：采用平滑去噪(MAS) 效果最优,PLS 模型的交叉验证相关系数(Rcv) 为0.8635,交叉验证均方根误差(RMSECV)为0.6791,可提高火龙果可溶性固形物模型精度；通过SPA 算法能够有效地对光谱数据进行降维处理,采用优选的15 个特征变量建立的BPNN 预测模型的预测相关系数(RP)为0.8411,预测均方根误差(RMSEP)为0.8171；果皮对建模结果会产生一定的影响,完整果PLS 模型的(RP)为0.8999,RMSEP 为0.7208；果肉PLS 模型的RP 为0.9304,RMSEP 为0.5291,果肉SSC 模型比完整果SSC 模型的预测能力略高.研究结果表明基于高光谱技术采集的火龙果漫反射光谱进行SSC 无损检测具有可行性.

基于智能小车平台，实现自动化的给火龙果授粉。

火龙果开发板（redpitaya）产生连续波形配套程序，与教程火龙果（redpitaya）开发板常用接口开发指南（七）——产生连续波形 配套使用。

火龙果开发板（redpitaya）点亮一个LED配套程序，与教程火龙果（redpitaya）开发板常用接口开发指南（一、二）——环境配置与点亮LED配套使用。

语言:中文 (简体) Grammarly 中文版, 火龙果可以进行 “中文和英文双语语法检查”，是全世界第一款中文和英文双语的校对工具。 Grammarly 中文版, 火龙果可以进行 “中文和英文双语语法检查”，是全世界第一款中文和英文双语的校对工具。使用火龙果你可以：流畅书写邮件、文档和信息；快速发现拼写和语法错误；节省文本检查时间；不止检查错别字，火龙果还会对你的时态、搭配、语法问题给出更多建议。Gmail, QQ 和网易邮箱、公众号、知乎、简书、Linkedin, 无论你在哪里写作，火龙果都能帮你检查语法。

火龙果开发板（redpitaya）模拟输入配套程序，与教程火龙果（redpitaya）开发板常用接口开发指南（五）——模拟输入配套使用。

火龙果开发板（redpitaya）模拟输出配套程序，与教程火龙果（redpitaya）开发板常用接口开发指南（六）——模拟输出配套使用。