苹果叶子早期结痂病感染图像数据集，数据集包含525x525px的分类图像，保存在三个文件夹中“背景”、“健康”和“结疤”，以标识它们的类别。每类有700以上个图片 苹果叶子早期结痂病感染图像数据集，数据集包含525x525px的分类图像，保存在三个文件夹中“背景”、“健康”和“结疤”，以标识它们的类别。每类有700以上个图片

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

苹果叶部病害图像数据集包含5类常见的苹果叶部病害：花叶病、锈病、灰斑病、斑点落叶病、褐斑病。共有20000余张图像

植物病理学项目 项目描述： 该项目取自植物病理学。对影响农作物的许多疾病的误诊会导致化学药品的滥用，导致耐药菌病原体的出现，投入成本的增加以及更多爆发，造成重大的经济损失和环境影响。在这个项目中，我们将使用苹果叶片的图像来训练可以正确诊断感染和健康叶片的模型。我们将以对模型进行训练的方式来转换图像，以获取用户将提交的真实世界数据（不同的亮度，角度，叶片位置，颜色等）。 我们最初的目标是95％的准确性，使用EfficientNet b5之后，我们能够达到95.9％的准确性。重要说明是，此项目是使用Google Colab创建的，因此必须使用项目中指定的相同目录路径装载和格式化Drive，才能使用个人计算机运行该项目。 该项目的重点： 格式化要在ImageFolder和DataLoader中使用的图像目录。 图像增强可复制真实世界的数据示例。 为未标记的测试数据创建自定义数据集。 实施转移学习