棉花病害检测数据集YOLO8 许可证：CC BY 4.0 此数据集是，棉花病害检测数据集YOLO8，共1024张图片，为模型可推广性创建新的对象检测基准的倡议。

为铁道病害检测研究方向的学者提供尽可能的数据集资源，本数据集包括近距离铁道病害图像，如需更多相关数据集，请评论，作者会第一时间放出供学者研究。

花生叶片病害检测数据集，该数据集包含图像及其标签xml文件，共335张花生叶片图像。 花生叶片病害检测数据集，该数据集包含图像及其标签xml文件，共335张花生叶片图像。 花生叶片病害检测数据集，该数据集包含图像及其标签xml文件，共335张花生叶片图像。

提供大量数据集，可供智能算法数据集训练

[PPT]Python基于改进YOLOv5的烟叶病害检测系统PPT

matlab dir源代码 Crop_Diseases Crop Diseases Detection 代码源于Google识别API，根据数据情况做了少许修改。 深度学习框架Tensorflow1.9 密码:yq30 生成TFrecords 运行 process.py 将数据图像压缩生成TFRecords类型的数据文件，可以提高数据读取效率 #修改process.py 主函数路径，改为自己的下载后压缩的路径 python process.py 训练模型 # 配置train.sh参数 #生成的TFrecords路劲(根据自己的实际修改，下同) DATASET_DIR=/media/zh/DATA/AgriculturalDisease20181023/tf_data #训练过程产生的模型，迭代保存的数据位置 TRAIN_DIR=/media/zh/DATA/AgriculturalDisease20181023/check_save/resnetv1_101_finetune #定义预训练模型定义(预训练模型下载地址上面有给出) CHECKPOINT_PATH=/media/zh/DA

利用QTdesigner+pyqt5设计并制作可视化界面的苹果树叶片病斑检测与分级系统。系统分为检测系统以及病斑分割分级系统，检测系统可实现的功能有：患病叶片及健康叶片检测，对于患病叶片的疾病可作区分，并提出防治建议。病斑分割分级系统可实现的功能有：分割患病叶片的叶片区域以及染病区域，并根据依据计算出患病等级，并提出防治建议。本系统是博主自行研发的系统，有需要的人可以下载并随时欢迎咨询。

PDD_demo ResNet可以

实现了对叶片颜色的检测，实现病害检测 包含整个工程，可直接运行

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