本文介绍了使用Python进行水果香蕉品质检测的方法，通过10多种深度学习模型（如AlexNet、DenseNet等）进行训练和对比，并提供了一个PyQt界面实现图片识别的可视化操作。每个训练epoch会显示精度、召回率和F1-score，训练结果以图表形式存于result文件夹。
代码下载和视频演示地址：
078基于python深度学习的水果香蕉品质检测_含10多种模型对比_哔哩哔哩_bilibili
效果展示图如下：
代码文件展示如下：
运行01数据集文本生成制作.py可以读取图片路径保存再txt文本中，
运行02train.py可以对txt文本中的图片路径读取并训练模型，
在02中可以选择的模型有10多种，可以都训练进行对比、包括alexnet、DenseNet、DLA、GoogleNet、Mobilenet、ResNet、ResNeXt、ShuffleNet、VGG、EfficientNet和Swin transformer等10多种模型。
训练的每个epoch都会显示准确率precision、召回率recall和 f1-score
训练完成后评价指标图会保存在result文件夹下。
运行03pyqt界面.py可以生成一个可视化的界面，通过点击按钮加载图片识别。
扫一扫
265
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
