本文介绍了基于深度学习的农业病虫害检测系统，使用了包括AlexNet、DenseNet等多种卷积网络模型进行分类，并探讨了目标检测（如YOLO系列）和图像分割技术。通过训练数据集生成、模型训练以及Flask服务器部署，实现了与小程序的集成，提供方便的病虫害检测服务。
卷积网路CNN分类的模型一般使用包括alexnet、DenseNet、DLA、GoogleNet、Mobilenet、ResNet、ResNeXt、ShuffleNet、VGG、EfficientNet和Swin transformer等10多种模型
目标检测一般是yolov3、yolov4、yolov5、yolox、PSPnet、faster_rcnn、SDD等
图像分割一般是Unet、mask-rcnn、PSPnet、yolov5-segment等
demo仓库和视频演示找081期：
效果展示图如下：
代码文件展示如下：
运行
最低0.47元/天 解锁文章
扫一扫
3140
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
