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

本数据集类别包含Black gram_healthy, Black gram_leaf spot, Dolicos bean_cercospora leaf spot, Dolicos bean_healthy, Ground nut_healthy, Ground nut_tikka leaf spot, millet_healthy, millet_rust, tomato_early blight, tomato_healthy。可通用于植物病虫害识别，数据集一共2700张左右照片。YOLOv5格式，已分好训练集和验证集。

Unet图像分割实战代码-以植物病虫害分割为例训练测试【源码分享】。 见博客https://blog.csdn.net/qq_42279468/article/details/129093132

基于深度学习的作物病虫害可视化知识图谱构建.pdf

基于matlab实现的植物叶片病虫害侵蚀检测识别源码+GUI界面+项目运行说明(课程设计).zip 该系统是植物 病虫害 检测识别系统。 假设农场主，需要喷洒农药，但是如果大面积无差别喷洒的话 ，工作量大不说 ，还造成农药的浪费，提高种植 成本。如果有这么一种技术，在农场的某个地方，架设一台可全天候自动 旋转的摄像头，采集好某处叶子的图片，提取叶子颜色等 特征 ，跟训练好的一些叶子的结果对比，判别被害虫侵蚀到什么程度了，然后告诉后台 ，农场主进行有差别地精准喷洒农药，做到提高效率，节约成本。 该课题为 基于MATLAB软件平台，通过采集的植物叶片 的颜色进行 一系列预处理，如提取颜色特征 ，光滑，量化等。 带GUI界面 。 【备注】主要针对正在做毕设的同学和需要项目实战的深度学习、matlab、cv图像识别模式识别方向学习者。 也可作为课程设计、期末大作业。包含：项目源码和项目操作说明等，该项目可直接作为毕设使用。 也可以用来学习、参考、借鉴。

基于Matlab颜色特征和纹理特征的植物叶片病虫害识别系统源码(带GUI界面)+程序使用说明文档.zip 基于Matlab颜色特征和纹理特征的植物叶片病虫害识别系统源码(带GUI界面)+程序使用说明文档.zip 基于Matlab颜色特征和纹理特征的植物叶片病虫害识别系统源码(带GUI界面)+程序使用说明文档.zip 该课题为基于Matlab颜色特征和纹理特征的植物叶片，病虫害侵蚀识别系统。可以判别某一片植物属于什么病。带有一个人机交互界面。

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