客服端部署

## 前台框架： Bootstrap(一个HTML5响应式框架） ## 开发环境：myEclipse/Eclipse/Idea都可以 + mysql数据库 ## 后台框架: SSM(SpringMVC + Spring + Mybatis) 与传统的web网站相同，农业专家系统实现农业农作物查询，病虫害诊断，专家咨询等。典型的农业网站信息化平台，各个模块支持文件等信息内容下载。 ### 1.网站公告模块： （1）首页农业新闻展示 （2）农业文献，论文期刊的展示（下载）。 ### 2.农作物查询模块：查询结果包括农作物信息，图片展示等。 （1）将农作物进行分类（粮食作物，蔬菜，花卉等），选择某一种类，显示具体作物。 （2）搜索查询：用户输入关键字进行查询。 ### 3.病害查询模块：查询结果包括病症描述，图片展示，治疗方法等。 （1）根据作物名称查询该作物多种常见病害病症，以供用户选择。 （2）页面展示常见病害。 ### 4.虫害查询模块：查询结果包括虫害描述，图片展示，治疗方法等。 （1）根据作物名称查询该作物多种常见病害病症，以供用户选择。 （2）页面显示常见虫害。 ### 5

基于机器学习实现的农作物病虫害识别系统源码+数据（python）.zip利用阿里云识农api和机器学习实现的农作物病虫害识别系统。目前，人工智能技术在农业领域的普及应用，还存在着数据共享不足、算法门槛过高、算力垄断、实验与应用环境差距过大等问题。所以，本文基于阿里云计算技术与人工智能机器学习的计算机视觉技术，开发了一套跨平 台、易使用的农作物病虫害自动识别系统，大幅降低了人工智能技术的使用门槛，使农业 从业人员也可享受智能技术红利，促进智慧农业发展。 基于机器学习实现的农作物病虫害识别系统源码+数据（python）.zip利用阿里云识农api和机器学习实现的农作物病虫害识别系统。目前，人工智能技术在农业领域的普及应用，还存在着数据共享不足、算法门槛过高、算力垄断、实验与应用环境差距过大等问题。所以，本文基于阿里云计算技术与人工智能机器学习的计算机视觉技术，开发了一套跨平 台、易使用的农作物病虫害自动识别系统，大幅降低了人工智能技术的使用门槛，使农业 从业人员也可享受智能技术红利，促进智慧农业发展。 基于机器学习实现的农作物病虫害识别系统源码+数据（python）.zip利用阿里云识

基于深度学习的农作物病虫害识别APP源码+项目说明.zip 【APP功能】 “拍照识别病虫害”：用户可以对发病的作物叶片或者果实进行拍照，裁剪对应发病区域，等待2~3秒即可以返回匹配率最高的三个疾病，并将识别率标记到对应的疾病卡片上，显示在照片的上方。用户可以通过拍照识别结构卡片，会显示对应疾病的具体信息、危害病症、传播途径、发病条件和治理方法。帮助用户快速找到解决方法，对症下药。 大数据 农技学习”：该界面罗列了100多种蔬菜、粮棉油、水果、经济作物等几类常见的农作物，并使用TabLayout + Fragment滑动布局加载这些农作物。可以使大量数据流畅的展示给用户。用户通过点击对应疾病的卡片，获取当前病虫害的典型照片以及具体信息，包括：对应症状、病原、传播途径和发病条件、防治方法等等。为解决大多数农民用户不会拼音、难以识字的问题，该界面也配备了多方言的语音朗读，解决南北语言差异问题的同时也构成了良好的交互界面，方便用户使用。

基于Pytorch+resnet50的农作物病虫害识别分类项目源码+病害数据集+项目说明文档.zip 【数据增强】 data_aug.py 用于线下数据增强，支持的增强方式： 高斯噪声 亮度变化 左右翻转 上下翻转 色彩抖动 对比度变化 锐度变化 【使用方法】 第一步：将测试集图片复制到 data/test/ 下 第二步：将训练集合验证集中的图片都复制到 data/temp/images/ 下，将两个 json 文件放到 data/temp/labels/ 下 执行 move.py 文件 执行 main.py 进行训练

基于机器学习实现的农作物病虫害识别系统源码+全部数据.zip已获导师指导并通过的高分项目 本项目是一个非常完整的深度学习实践项目，内附从安装到部署详细教程。 目前，人工智能技术在农业领域的普及应用，还存在着数据共享不足、 算法门槛过高、算力垄断、实验与应用环境差距过大等问题。所以，本文基于 阿里云计算技术与机器学习计算机视觉技术，开发了一套农作物病虫害识别系统，大幅降低了人工智能技术使用门槛，使农业从业人员也可享受智能技术红利，促进智慧农业发展。 基于机器学习实现的农作物病虫害识别系统源码+全部数据.zip已获导师指导并通过的高分项目 本项目是一个非常完整的深度学习实践项目，内附从安装到部署详细教程。 目前，人工智能技术在农业领域的普及应用，还存在着数据共享不足、 算法门槛过高、算力垄断、实验与应用环境差距过大等问题。所以，本文基于 阿里云计算技术与机器学习计算机视觉技术，开发了一套农作物病虫害识别系统，大幅降低了人工智能技术使用门槛，使农业从业人员也可享受智能技术红利，促进智慧农业发展。

包含了甜菜、苜蓿、葡萄、柑橘 、芒果共等8种作物

neo4j图数据库+python+知识图谱（适用于毕业/课程设计）

压缩包内提供百度网盘下载链接，永不过期！ 该数据集包含了水稻、玉米、小麦、甜菜、苜蓿、葡萄、柑橘 、芒果共8种作物的75000 多幅图像。前五种作物为大田作物（FC， field crops），后三种为经济作物（EC，economic crops）。该数据集可以用于深度学习与农作物方面图像处理研究。 该数据集包含了水稻、玉米、小麦、甜菜、苜蓿、葡萄、柑橘 、芒果共8种作物的75000 多幅图像。前五种作物为大田作物（FC， field crops），后三种为经济作物（EC，economic crops）。该数据集可以用于深度学习与农作物方面图像处理研究。 该数据集包含了水稻、玉米、小麦、甜菜、苜蓿、葡萄、柑橘 、芒果共8种作物的75000 多幅图像。前五种作物为大田作物（FC， field crops），后三种为经济作物（EC，economic crops）。该数据集可以用于深度学习与农作物方面图像处理研究。

基于AI农作物病虫害预警系统源码。基于AI的农作物病虫害预警系统，是一个助农项目。病虫害查询，通过AI图片识别，帮助农民第一时间识别病虫害原因，在通过后端算法，病害无法覆盖到植物的方方面面，再次提供植物查询处理此方面的特殊情况。虫害无法覆盖动物的方方面面，再次提供动物查询处理此方面的特殊情况。通过对某地区农民使用情况的分析，为职能部门或农民提供预警信息，从而起到防护的目的。 概述 （1）拍照识别病虫害、植物、动物 （2）提供植物病虫害知识信息和防治方法的综合解决方案 （3）提供全国范围内病虫害形势图 （4）提供病虫害查询 （5）提供资源农历表通过这个系统的建设，普通农民通过访问基于AI农作物病虫害预警系统，就可将手机对准病虫害，拍几张病虫害部位的照片后，点击识别按钮，即可鉴别出病虫害具体类型并给出防治方案。