# **0 背景**
农业领域的农业病害对当前农林业是一个巨大的挑战,它时刻影响着人类的经济效益。精准且快速的诊断植物病害可以及时减少植物病害对经济带来的损失。而如今植物病害种类繁多,不同生长阶段的植物存在不同种类的植物病害,这导致非专业人士对于植物病害的分裂经常不够精确,快速。转变深度学习的不断发展,图像识别在众多领域得到了广泛的应用,相对于人工识别植物病害,采用计算机视觉技术识别不仅成本低而且时效快,同时又可以减少经济成本和因为时延所带来的损失。
在很多领域提出了一些效果显着的模型,但是模型基本都是基于CNN的传统卷积架构模型,在卷积神经网络(CNN)中未广泛应用之前,植物病害图像的特征很难提取。然而在农业病害图像识别种类上,过去的研究工作进行分类识别的种类数普遍偏少,采用现代卷积网络架构的模型偏少,如何进行精细,多种类的植物病害识别并没有太多相关研究。
![image](https://github.com/WDLAY/Image-recognition-of-agricultural-diseases/blob/master/img/图1.jpg)
# **1 一些卷积神经网络结构**
## **ResNet**
![image](https://github.com/WDLAY/Image-recognition-of-agricultural-diseases/blob/master/img/resnet.png)
## **ResNeXt**
![image](https://github.com/WDLAY/Image-recognition-of-agricultural-diseases/blob/master/img/ResNeXt.png)
## **DenseNet**
![image](https://github.com/WDLAY/Image-recognition-of-agricultural-diseases/blob/master/img/DenseNet.bmp)
# **2 一些实验对比**
## **对比一**
![image](https://github.com/WDLAY/Image-recognition-of-agricultural-diseases/blob/master/img/acc.png)
## **对比二**
![image](https://github.com/WDLAY/Image-recognition-of-agricultural-diseases/blob/master/img/acc2.png)
# **3 样例类激活图**
## **番茄病害**
![image](https://github.com/WDLAY/Image-recognition-of-agricultural-diseases/blob/master/img/热力图.png)
## **玉米病害**
![image](https://github.com/WDLAY/Image-recognition-of-agricultural-diseases/blob/master/img/图片6.png)
## **多种混合病害**
![image](https://github.com/WDLAY/Image-recognition-of-agricultural-diseases/blob/master/img/图5.png)
# **4 简单的操作界面**
![image](https://github.com/WDLAY/Image-recognition-of-agricultural-diseases/blob/master/img/1.png)
![image](https://github.com/WDLAY/Image-recognition-of-agricultural-diseases/blob/master/img/10.png)
![image](https://github.com/WDLAY/Image-recognition-of-agricultural-diseases/blob/master/img/12.png)
没有合适的资源?快使用搜索试试~ 我知道了~
资源推荐
资源详情
资源评论
收起资源包目录
使用现代卷积神经网络架构(如ResNet、DenseNet)识别38种植物病害,并生成一个简单的UI界面——农业病害图像识别.zip (45个子文件)
Image-recognition-of-agricultural-diseases-master
Visible.ipynb 8KB
img
玉米.png 13KB
10.png 961KB
9.png 13KB
热力图.png 1.41MB
3.png 10KB
苹果.png 11KB
12.png 715KB
辣椒.png 12KB
1.png 665KB
DenseNet.bmp 358KB
11.png 717KB
南瓜.png 15KB
13.png 6KB
6.png 9KB
acc2.png 240KB
树莓.png 12KB
ResNeXt.png 441KB
樱桃.png 13KB
5.png 8KB
4.png 8KB
8.png 11KB
番茄.png 13KB
图1.jpg 323KB
桃子.png 11KB
葡萄.png 11KB
蓝莓.png 16KB
7.png 659KB
图5.png 3.8MB
土豆.png 10KB
图片6.png 4.36MB
2.png 643KB
resnet.png 554KB
14.png 6KB
acc.png 206KB
草莓.png 11KB
大豆.png 83KB
橘子.png 9KB
Plant.ipynb 16KB
番茄1.png 10KB
Train.ipynb 9KB
番茄.png 11KB
Main.ipynb 13KB
README.md 3KB
使用现代卷积神经网络架构(例如ResNet,DenseNet)对38类植物病害进行识别,并生成一个简单的UI操作界面_Image-recognition-of-agricultural-diseases
项目内附说明
如果解压失败请用ara软件解压.txt 42B
共 45 条
- 1
资源评论
好家伙VCC
- 粉丝: 1976
- 资源: 9140
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 中国光伏电站安装时间的多边形地理空间数据集(2010-2022年)-最新出炉.zip
- 几种常见简单滤波器用于二维图像降噪,包括均值、中值、高斯、低通、双边滤波器,语言是python
- 二手车管理系统,pc端,小程序端,java后端
- 2011-2022年中国光伏电站遥感识别面矢量数据-最新出炉.zip
- 基于深度学习的边缘计算网络的卸载优化及资源优化python源码+文档说明(高分项目)
- 基于yolov5+超声图像的钢轨缺陷检测python源码+数据集(高分毕设)
- 基于大语言模型的智能审计问答系统python源码+文档说明(高分项目)
- C++程序设计编程题库
- javase停车场管理系统答辩PPT(高级版)
- 軟考 系統架構設計師考試 總結資料
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功