基于深度学习神经网络的农业病虫害识别（完整代码+数据）
项目概述：
建立高质量农作物害虫数据库的研究。在经过网络爬虫，数据库下载、实地拍摄等方法收集到害虫图像数据后，除了传统的人工筛选清洗数据以外，还基于视觉显著性理论，选定 GBVS 和 GrabCut 方法对数据集进行批量分割处理，提高数据集的质量。
利用云计算与深度学习技术训练高精度害虫识别模型的研究。使用 Inception-V3、MobileNet-V2 和 ResNet-50-V2 三种算法作为研究模型，基于 TensorFlow 框架在 Google Colab 云服务器上训练，并使用交叉检验和负样本检验对模型进行筛选，使模型的正负样本精度都达到可落地应用的标准。
使用云服务部署深度学习模型的研究。基于阿里云服务器 ECS , Docker 容器技术和 TensorFlow Serving 镜像，部署深度学习模型，以提供可跨平台访问的 RESTFul API。
开发一套 Web 端作物害虫识别系统，并支持跨平台、跨系统的无差别访问。基于 JS，Vue、TensorFlow 和 OpenCV 等框架技术，实现一个网页端的作物害虫智能识别系统，提供给所有操作系统的用户使用，降低开发与维护成本。
相关知识
基于深度学习的花卉识别（附数据与代码）
基于深度学习的玉米病虫害检测系统（网页版+YOLOv8/v7/v6/v5代码+训练数据集）
深度学习之基于Tensorflow卷积神经网络花卉识别系统
基于python编程的五种鲜花识别
基于深度学习的花卉识别研究
深度学习机器学习卷积神经网络的花卉识别花种类识别
基于深度学习和迁移学习的识花实践
基于深度学习的百合花种类识别研究
农业病虫害数据集与算法——调研整理
深度学习花的分类识别
网址: 基于深度学习神经网络的农业病虫害识别（完整代码+数据） https://m.huajiangbk.com/newsview130977.html
| 上一篇: 基于注意力机制的小样本啤酒花病虫 |
下一篇: 【pytorch】resNet1 |
