蓝博AI-CSDN博客

原创基于yolov8的电动车戴头盔检测系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】

本文介绍了一个基于YOLOv8的电动车戴头盔检测系统，支持图像、视频和实时摄像检测。项目采用PyTorch框架，提供完整的代码、数据集、预训练模型和GUI界面（基于PySide6开发）。系统功能包括：1）图像检测；2）视频检测；3）实时摄像检测（支持USB/笔记本摄像头）。项目结构清晰，包含训练、验证和使用三个主要模块，用户可自行训练模型或直接使用预训练权重。GUI界面简洁实用，展示了检测效果和模型指标。该项目开箱即用，配套资料齐全，适合快速部署和应用。

2026-05-11 14:15:00 333

原创基于yolov11和deepsort的行人检测、追踪和计数，支持视频和摄像实时检测与追踪，可用自己的数据集训练模型【pytorch框架，python源码】

摘要：该项目基于YOLOv11和DeepSORT实现了行人检测、追踪与计数功能，包含完整的PyTorch实现代码、预训练模型权重和PySide6设计的GUI界面。项目支持视频/摄像头实时检测，用户可直接使用预训练模型或自定义训练：通过修改data.yaml配置数据集路径，运行train.py进行模型训练，验证后通过gui.py启动交互界面。系统提供完整的项目结构、训练指标可视化及使用文档，实现开箱即用的目标检测解决方案。项目在PyCharm+Anaconda虚拟环境下开发，包含模型训练、验证到应用的全流程支

2026-05-11 10:00:00 338

原创基于yolov8和deepsort实现车辆检测、追踪和计数，支持视频和摄像实时检测与追踪，可用自己的数据集训练模型【pytorch框架，python源码】

本文介绍了一个基于YOLOv8和DeepSort的车辆检测、追踪与计数系统。项目采用PyTorch框架实现，包含完整代码、预训练模型权重、训练记录和PySide6设计的GUI界面，支持USB摄像头或笔记本摄像头实时检测。用户可直接使用预训练模型，或通过修改data.yaml文件路径重新训练模型。系统提供可视化检测界面，并包含YOLOv8模型性能指标图表。该项目开箱即用，节省开发时间，适合快速部署车辆检测追踪应用。若运行遇到问题，作者提供技术支持交流。

2026-05-10 14:15:00 358

原创基于yolov8的服饰检测识别系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】

摘要：本文介绍了一个基于YOLOv8的服饰检测识别系统，采用PyTorch框架实现，包含完整代码、数据集、预训练模型和GUI界面。系统支持图像、视频及摄像头实时检测，GUI由PySide6开发，界面简洁实用。项目提供详细配置教程，支持PyCharm/VSCode+Anaconda环境搭建，包含模型训练、验证全流程指导。数据集涵盖多类服饰样本，训练指标和检测效果直观展示。整套方案开箱即用，适合快速部署，遇到问题可及时沟通解决。（150字）

2026-05-10 10:00:00 331

原创基于yolov8的汽车类型检测识别系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】

这篇文章介绍了一个基于YOLOv8的汽车类型检测识别系统，支持图像、视频和实时摄像检测。系统采用PyTorch框架实现，包含完整的代码、数据集、预训练模型和GUI界面。GUI界面使用PySide6设计，简洁实用，支持USB摄像头和笔记本摄像头。项目提供了详细的训练和使用指南，包括数据准备、模型训练验证等步骤。系统性能通过多种指标进行评估，展示了良好的检测效果。该项目开箱即用，适合快速部署，为开发者提供了完整的解决方案。

2026-05-09 14:15:00 330

原创基于yolov8的汽车检测系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】

本项目基于YOLOv8框架实现汽车检测系统，支持图像、视频及摄像头实时检测。系统采用PyTorch开发，包含完整的数据集、训练好的模型权重和GUI界面（PySide6实现）。用户可直接使用预训练模型或自行训练，训练过程包含数据集路径配置、模型训练与验证三个步骤。系统提供直观的GUI操作界面，支持图像检测、视频处理和实时摄像头检测功能。项目配套资源齐全（代码、数据集、模型权重、训练记录等），开箱即用。技术栈涵盖Python+OpenCV+PySide6，适用于PyCharm/Anaconda或VSCode开发

2026-05-09 10:00:00 640

原创基于yolov8的输电线电缆检测系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】

本文介绍了一个基于YOLOv8的输电线电缆检测系统，采用PyTorch框架实现，包含完整代码、数据集、预训练模型和GUI界面。系统支持图像检测、视频检测及摄像头实时检测功能，GUI界面由PySide6设计，简洁实用。项目提供详细的使用指南，包括模型训练步骤（修改数据集路径、运行训练/验证脚本）和部署方法。数据集包含标注样本，模型训练过程记录了各项性能指标。该系统开箱即用，支持外接USB摄像头或笔记本内置摄像头，为输电线检测任务提供完整的解决方案。

2026-05-08 14:15:00 328

原创基于yolov8的输电线电缆检测系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】

本文介绍了一个基于YOLOv8的输电线电缆检测系统，采用PyTorch框架实现，包含完整代码、数据集、预训练模型和GUI界面。系统支持图像检测、视频检测和实时摄像头检测（支持外接USB摄像头）。项目结构清晰，提供模型训练和验证流程：修改数据集路径后运行train.py训练模型，val.py验证模型，最后通过pyside6设计的GUI界面展示效果。数据集包含标注样本，GUI界面简洁实用，包含图像、视频和实时检测功能。项目提供完整的开发环境配置指南，适合在PyCharm或VSCode的Anaconda虚拟环境中

2026-05-08 10:00:00 594

原创基于yolov8的服饰检测识别系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】

本文介绍了一个基于YOLOv8的服饰检测识别系统，使用PyTorch框架实现。系统支持图像、视频和实时摄像检测，提供完整的代码、数据集、预训练模型及PySide6设计的GUI界面。项目结构清晰，支持模型重新训练和验证，包含详细的数据集示例和检测效果展示。GUI界面简洁实用，涵盖图像检测、视频处理和实时摄像功能。系统经过完整训练验证，提供各项性能指标图表，开箱即用。配套资源完整，包含环境配置教程，适合快速部署应用。

2026-05-07 14:45:00 717

原创基于yolov8的汽车检测系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】

本文介绍了一个基于YOLOv8的汽车检测系统项目，使用PyTorch框架实现，包含完整代码、数据集、预训练模型和GUI界面。项目支持图像、视频及实时摄像头检测，GUI采用PySide6设计，界面简洁实用。用户可直接使用预训练模型或自行训练（需修改数据集路径并运行train.py）。项目提供了详细的环境配置指南（PyCharm/VS Code+Anaconda）和完整的项目结构说明，包括训练指标图表展示。该项目开箱即用，包含全套资料，适用于计算机视觉相关研究和应用开发。

2026-05-07 12:00:00 296

原创基于yolov8的工地安全帽检测系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】

本文介绍了一个基于YOLOv8的工地安全帽检测系统，支持图像、视频和实时摄像检测。项目采用PyTorch框架实现，包含完整代码、数据集、预训练模型权重和GUI界面。GUI界面使用PySide6开发，简洁实用。系统支持USB摄像头和笔记本自带摄像头，提供图像检测、视频检测和实时摄像检测功能。项目结构清晰，包含训练(train.py)、验证(val.py)和使用(gui.py)三个主要模块，并附带详细的环境配置教程。数据集包含丰富的安全帽检测样本，训练过程产生的各项指标图表完整记录。该项目开箱即用，适合快速部署

2026-05-01 14:15:00 362

原创基于yolov8的香蕉成熟度检测系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】

本文介绍了一个基于YOLOv8的香蕉成熟度检测系统，采用PyTorch框架实现，包含完整代码、数据集、预训练模型和GUI界面。系统支持图像检测、视频检测和实时摄像头检测，GUI界面简洁实用。项目结构清晰，用户可直接使用预训练模型或通过修改配置文件重新训练模型。数据集包含不同成熟度的香蕉样本，训练过程记录了各项性能指标。该系统可直接部署运行，提供完整的开发环境配置指南，适用于PyCharm和VSCode等IDE。项目资料齐全，开箱即用，为香蕉成熟度检测提供了完整的解决方案。

2026-05-01 10:00:00 311

原创基于yolov8的苹果缺陷检测系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】

本文介绍了一个基于YOLOv8的苹果缺陷检测系统，支持图像、视频和实时摄像检测。项目包含完整的代码、数据集、预训练模型权重和GUI界面，采用PyTorch框架实现。GUI界面使用PySide6设计，简洁实用。系统支持USB摄像头和笔记本摄像头输入，提供了从模型训练到应用的全流程解决方案。项目结构清晰，包含数据准备、模型训练、验证和应用四个步骤，并展示了训练过程中的各项指标。该检测系统可准确识别苹果缺陷，适用于质检场景，开箱即用，方便快捷。

2026-04-30 14:15:00 343

原创基于yolov8的苹果检测系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】

本文介绍了一个基于YOLOv8的苹果检测系统项目，支持图像、视频和实时摄像检测。项目采用PyTorch框架实现，包含完整代码、数据集、预训练模型权重和GUI界面。GUI界面使用PySide6开发，简洁实用。项目结构清晰，支持模型训练和验证，提供了详细的数据集样本和训练指标图表。系统功能包括图像检测、视频检测和实时摄像头检测，可外接USB摄像头或使用笔记本自带摄像头。项目配套资源齐全，包含程序代码、训练好的模型、数据集和GUI界面等，开箱即用。文中还提供了PyCharm/Anaconda和VSCode/Ana

2026-04-30 10:00:00 350

原创基于深度学习的五谷识别系统，resnet50，vgg16，resnet34【pytorch框架，python代码】

本文介绍了一个基于卷积神经网络的五谷识别系统，使用PyTorch框架实现，包含ResNet50、VGG16和ResNet34三种模型。系统采用Python+PySide6开发GUI界面，或Python+Flask+Vue开发Web前端界面。项目支持在PyCharm/Anaconda或VSCode/Anaconda虚拟环境中运行，提供了完整的训练和测试流程，可输出准确率曲线、损失曲线、混淆矩阵、热力图等评估指标。系统可训练自定义数据集，包含完整代码、预训练模型、数据集和UI界面，开箱即用。

2026-04-29 14:15:00 652

原创基于深度学习的天气识别系统，resnet50，vgg16，resnet34【pytorch框架，python代码】

摘要：该项目实现了一个基于卷积神经网络的天气识别系统，采用PyTorch框架开发，提供ResNet50、VGG16和ResNet34三种可选模型。系统包含GUI（PySide6）和Web（Flask+Vue）两种交互界面，支持模型训练、测试及可视化分析功能。项目完整包含代码、数据集、预训练模型及各类评估指标（准确率曲线、混淆矩阵、热力图等），可快速部署运行。开发环境支持PyCharm/Anaconda或VSCode/Anaconda组合，适用于图像分类任务的研究与应用开发。

2026-04-29 10:00:00 415

原创基于yolov8的飞机蒙皮缺陷检测系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】

摘要：本文介绍了一个基于YOLOv8的飞机蒙皮缺陷检测系统，采用PyTorch框架实现。项目包含完整代码、数据集、预训练模型和PySide6开发的GUI界面，支持图像、视频及实时摄像头检测。系统提供清晰的训练流程指引，包含数据准备、模型训练、验证及使用等步骤。GUI界面简洁实用，支持USB摄像头接入。项目提供完整的开发环境配置指南，包含PyCharm/Anaconda和VSCode/Anaconda两种方案。所有资源均已打包，可直接使用，方便用户快速部署应用。（149字）

2026-04-28 14:15:00 930

原创基于深度学习的农作物病虫害识别系统，resnet50，vgg16，resnet34【pytorch框架，python代码】

本文介绍了一个基于PyTorch框架的农作物病虫害识别系统，采用ResNet50、VGG16和ResNet34三种卷积神经网络模型。系统提供GUI（PySide6）和Web（Flask+Vue）两种界面，支持模型训练、验证和测试功能。项目包含完整代码、预训练模型、数据集及可视化工具，可输出训练曲线、混淆矩阵、热力图等评估指标。系统支持自定义数据集训练，通过简单配置即可运行，适合农业病虫害识别研究与应用。

2026-04-28 10:00:00 1125

原创基于深度学习的蔬菜识别系统，resnet50，vgg16，resnet34【pytorch框架，python代码】

本文介绍了一个基于深度学习的蔬菜识别系统，使用PyTorch框架实现了ResNet50、VGG16和ResNet34三种卷积神经网络模型。系统提供GUI界面（PySide6）和Web前端界面（Flask+Vue）两种操作方式，支持模型训练、验证和测试全流程。项目包含完整的数据集、代码和预训练模型，可输出训练过程曲线、分类混淆矩阵、热力图等可视化结果，并计算准确率、精确率等评估指标。系统支持自定义数据集训练，配置简单，可直接运行使用。所有资源均已打包，方便研究者快速部署和应用。

2026-04-27 16:03:47 563

原创基于深度学习的鲜茶叶等级识别、分级系统，resnet50，vgg16，resnet34【pytorch框架，python代码】

【摘要】该项目基于PyTorch框架开发了一个鲜茶叶等级识别系统，提供ResNet50、VGG16、ResNet34三种卷积神经网络模型可选。系统包含GUI（PySide6）和Web（Flask+Vue）双界面，支持图像分类、模型训练与验证功能。核心功能包括：1）完整的训练流程，输出准确率曲线、损失曲线和分类混淆矩阵；2）可视化模型结构与热力图；3）提供模型评估指标（准确率、精确率等）。项目附带完整代码、预训练模型和数据集，支持在PyCharm/VSCode+Anaconda环境下运行，适用于深度学习图像分

2026-04-27 15:35:04 484

原创基于深度学习的草莓保质期预测系统，resnet50，vgg16，resnet34【pytorch框架，python代码】

摘要：本项目基于PyTorch框架开发了一个草莓保质期预测系统，采用ResNet50、VGG16和ResNet34三种卷积神经网络模型。系统包含GUI(PySide6)和Web(Flask+Vue)两种界面，支持图像分类、模型训练和评估。核心功能包括训练过程可视化(准确率/损失曲线)、模型结构分析、混淆矩阵、热力图等指标输出。项目提供完整代码、预训练模型和数据集，支持自定义数据集训练，可在PyCharm/Anaconda或VSCode环境下运行。技术栈涵盖Python、OpenCV、PyTorch等深度学习

2026-04-24 14:15:00 466

原创基于yolov11的成熟蓝莓检测系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】

本文介绍了一个基于YOLOv11的成熟蓝莓检测系统，采用PyTorch框架实现。项目包含完整代码、数据集、预训练模型权重、训练记录和简洁的PySide6 GUI界面，支持图像、视频和摄像头实时检测。系统结构清晰，用户可选择直接使用预训练模型或自行训练（通过修改配置文件并运行训练/验证脚本）。项目提供了详细的环境配置指南，包含数据集示例和GUI操作界面截图，展示了模型训练指标和检测效果。整套资料完整可用，方便快速部署应用。

2026-04-24 10:00:00 811

原创基于卷积神经网络的苹果成熟度识别系统，resnet50，vgg16，resnet34【pytorch框架，python代码】

本文介绍了一个基于卷积神经网络的苹果成熟度识别系统，使用PyTorch框架实现，包含ResNet50、VGG16和ResNet34三种模型可选。系统提供GUI界面（Python+PySide6）和Web前端界面（Python Flask+Vue），支持在PyCharm或VSCode的虚拟环境中运行。项目包含完整的数据集、训练代码和评估指标，能输出训练过程曲线、混淆矩阵、准确率等结果，并支持特征图和热力图可视化。系统可训练自定义数据集，操作简便，只需指定数据集路径和训练轮数即可运行。

2026-04-23 14:15:00 480

原创基于卷积神经网络的苹果分级、苹果等级识别系统，resnet50，vgg16，resnet34【pytorch框架，python代码】

本文介绍了一个基于卷积神经网络的苹果分级识别系统，采用PyTorch框架实现，包含ResNet50、VGG16和ResNet34三种模型。系统支持GUI和Web两种界面，分别使用PySide6和Flask+Vue开发。项目提供完整代码、预训练模型、数据集及可视化结果（如准确率曲线、混淆矩阵、热力图等），可快速部署运行。用户可自定义数据集路径、模型选择和训练轮数，通过train.py和test.py完成模型训练与评估。系统输出包括训练过程记录、模型结构、性能指标等完整资料，实现开箱即用。

2026-04-23 10:00:00 346

原创基于卷积神经网络的西红柿（番茄）病虫害识别和防治系统，resnet50，vgg16，resnet34【pytorch框架，python代码，模型融合】

本文介绍了一个基于PyTorch框架的西红柿病虫害识别系统，采用ResNet50、VGG16、ResNet34等卷积神经网络模型进行图像分类。系统提供GUI和Web两种界面，支持模型融合和性能对比。项目包含完整的数据集、代码和训练好的模型，可实现病虫害识别、训练过程可视化（准确率/损失曲线）、模型评估（混淆矩阵、热力图等指标）。系统支持自定义数据集训练，详细记录了模型训练过程和性能参数，适用于农业病虫害智能识别场景。

2026-04-22 14:15:00 368

原创基于卷积神经网络的草莓病虫害识别和防治系统，resnet50，vgg16，resnet34【pytorch框架，python代码，模型融合】

这篇文章介绍了一个基于卷积神经网络的草莓病虫害识别和防治系统。该系统采用PyTorch框架，包含ResNet50、VGG16、ResNet34三种模型以及模型融合技术，可实现草莓病虫害的图像分类识别。项目提供了GUI界面（PySide6）和Web前端界面（Flask+Vue）两种操作方式，支持训练过程可视化、模型评估（准确率、混淆矩阵等指标）和预测报告生成。系统完整包含代码、预训练模型、数据集及运行环境配置指南，适合直接部署使用。项目涉及Python深度学习开发全流程，包括数据加载、模型训练、验证测试、可视

2026-04-22 10:00:00 361

原创基于卷积神经网络的葡萄病虫害识别和防治系统，resnet50，vgg16，resnet34【pytorch框架，python代码，模型融合】

这篇文章介绍了一个基于PyTorch框架的葡萄病虫害识别和防治系统。系统采用多种卷积神经网络模型（ResNet50、VGG16、ResNet34）进行图像分类，支持模型融合对比。项目包含完整的GUI界面（PySide6）和Web前端界面（Flask+Vue），提供训练过程可视化、模型评估指标（准确率、混淆矩阵等）和预测报告生成功能。文章详细说明了项目结构、数据集展示、界面截图以及核心训练代码，并提供了环境配置教程链接。系统可训练自定义数据集，输出包括训练曲线、热力图、模型参数量对比等完整结果。

2026-04-21 14:15:00 530

原创玉米叶片虫害识别和防治系统，resnet50，vgg16，resnet34【pytorch框架，python代码，模型融合】

摘要：本项目基于PyTorch框架开发了一个玉米叶片虫害识别系统，采用ResNet50、VGG16、ResNet34三种卷积神经网络模型及模型融合技术。系统提供GUI（PySide6）和Web（Flask+Vue）两种交互界面，支持图像分类、模型训练与评估功能。项目包含完整代码、预训练模型、数据集及可视化工具，可输出训练曲线、混淆矩阵、热力图等评估指标。所有模型均可独立使用或对比分析，适合直接部署应用或作为深度学习项目参考。运行环境支持PyCharm/VS Code+Anaconda虚拟环境配置。

2026-04-21 10:00:00 652

原创樱桃病虫害识别和防治系统，resnet50，vgg16，resnet34【pytorch框架，python代码，模型融合】

摘要：该项目基于PyTorch框架开发了樱桃病虫害识别系统，采用ResNet50、VGG16、ResNet34三种卷积神经网络模型及模型融合方案。系统提供GUI（PySide6）和Web（Flask+Vue）双界面，支持训练过程可视化、模型评估（混淆矩阵、准确率等指标）及热力图生成。项目包含完整代码、预训练模型和数据集，可在PyCharm/VS Code+Anaconda环境中运行，输出训练曲线、模型结构、特征图等结果，适用于自定义数据集训练。

2026-04-20 14:15:00 553

原创基于深度学习的咖啡豆缺陷识别系统，resnet50，vgg16，resnet34【pytorch框架，python代码】

本文介绍了一个基于卷积神经网络的咖啡豆缺陷识别系统，采用PyTorch框架实现，包含ResNet50、VGG16和ResNet34三种模型。系统支持GUI（PySide6）和Web（Flask+Vue）两种界面，功能相同。项目结构完整，包含数据集、训练代码和模型评估功能，可输出训练曲线、混淆矩阵、热力图等指标。系统支持自定义数据集训练，操作简单，只需指定数据集路径、模型和训练轮数即可运行。项目提供完整的代码、预训练模型和数据集，开箱即用。

2026-04-20 10:00:00 1034

原创基于yolov11的葡萄串检测，多模态检测，支持图像、视频和摄像实时检测【pytorch框架、python源码】

《基于YOLOv11的葡萄串检测系统》项目介绍该项目实现了一个完整的葡萄串检测系统，采用YOLOv11目标检测算法，基于PyTorch框架开发。系统支持图像检测、视频检测和实时摄像头检测三种模式，并配有简洁实用的GUI界面（使用PySide6开发）。项目包含完整代码、训练数据集、预训练模型权重及训练指标图表。用户可直接使用提供的模型，也可通过修改data.yaml配置文件自行训练模型。系统部署支持PyCharm和VSCode开发环境，配套详细的虚拟环境搭建教程。项目特色包括：完整的训练验证流程、直观的性能

2026-04-19 14:30:00 285

原创基于yolov11的手势检测识别，多模态检测，支持图像、视频和摄像实时检测【pytorch框架、python源码】

本文介绍了一个基于YOLOv11的手势检测识别系统项目。该项目使用PyTorch框架实现，包含完整的代码、数据集、预训练模型权重和GUI界面。系统支持图像检测、视频检测以及实时摄像头检测功能。GUI界面采用PySide6设计，简洁实用。项目提供了详细的环境配置指南和训练流程：从数据集准备、模型训练到验证测试。数据集中包含丰富的手势图像样本，训练结果展示了良好的性能指标。整个项目打包完整，开箱即用，既可直接使用预训练模型，也支持重新训练自定义模型。系统兼容USB摄像头和笔记本内置摄像头，为用户提供了灵活的手势

2026-04-19 10:00:00 725

原创基于yolov11的樱桃病虫害检测，支持图像、视频和摄像实时检测【pytorch框架、python源码】

《基于YOLOv11的樱桃病虫害检测系统》是一个完整的深度学习项目，包含图像/视频/实时摄像头检测功能。系统采用PyTorch框架实现，提供训练好的模型权重和GUI界面（基于PySide6开发），支持USB摄像头和笔记本摄像头接入。项目包含完整代码、数据集、训练记录和验证指标，用户可直接使用预训练模型或自行训练（通过修改data.yaml配置训练集路径）。GUI界面简洁实用，涵盖图像检测、视频处理和实时检测三大功能模块。技术亮点包括YOLOv11模型优化、OpenCV集成和跨平台支持（兼容PyCharm/V

2026-04-18 14:30:00 319

原创基于yolov11的乳腺癌检测系统，多模态检测，支持图像、视频和摄像实时检测【pytorch框架、python源码】

本文介绍了一个基于YOLOv11的乳腺癌检测系统，使用PyTorch框架实现，包含完整代码、数据集、预训练模型和GUI界面。系统支持图像检测、视频检测及实时摄像头检测（可外接USB或笔记本摄像头）。项目结构清晰，提供模型训练流程：配置数据集路径、训练模型、验证权重和使用GUI界面展示效果。GUI采用PySide6+Python+OpenCV开发，界面简洁实用，包含图像/视频/实时检测功能模块。项目附带详细训练指标图表和检测效果展示，提供整套开箱即用的资料。文中还提供了PyCharm/Anaconda和VSC

2026-04-18 10:00:00 752

原创基于卷积神经网络的枸杞虫害识别和防治系统，resnet50，vgg16，resnet34【pytorch框架，python代码，模型融合】

摘要：该项目基于PyTorch框架开发了一个枸杞虫害识别和防治系统，采用ResNet50、VGG16、ResNet34等卷积神经网络模型，支持模型融合对比。系统提供GUI（PySide6）和Web（Flask+Vue）两种界面，包含完整的训练测试流程、模型评估指标（准确率、召回率等）及可视化功能（热力图、特征图等）。项目提供完整代码、预训练模型和数据集，支持自定义数据集训练，适合图像分类相关研究和应用。运行环境可通过PyCharm/VS Code+Anaconda配置。

2026-04-17 14:30:00 408

原创基于深度学习的马铃薯病虫害识别和防治系统，resnet50，vgg16，resnet34【pytorch框架，python代码，模型融合】

摘要：本项目基于PyTorch框架开发了马铃薯病虫害识别系统，采用ResNet50、VGG16、ResNet34及模型融合技术，支持GUI和Web两种交互界面。系统实现了图像分类、模型可视化、热力图生成等功能，可输出训练曲线、混淆矩阵等评估指标。项目提供完整代码、预训练模型和数据集，支持自定义数据训练，包含详细的运行环境配置指南。关键技术包括PySide6、Flask、OpenCV等，适用于PyCharm/VSCode开发环境。

2026-04-17 10:00:00 367

原创基于深度学习的辣椒病虫害识别和防治系统，resnet50，vgg16，resnet34【pytorch框架，python代码，模型融合】

摘要：本项目开发了一个基于卷积神经网络的辣椒病虫害识别系统，采用PyTorch框架实现，包含ResNet50、VGG16、ResNet34三种模型及融合模型。系统提供GUI和Web两种界面，支持图像分类、模型训练和评估功能。核心功能包括：1）多模型对比训练；2）输出训练曲线、混淆矩阵等评估指标；3）生成热力图和特征可视化。项目提供完整代码、预训练模型和数据集，可直接运行使用，适用于农业病虫害智能识别场景。（148字）

2026-04-16 10:15:00 367

原创基于深度学习的苹果叶片病虫害识别系统，resnet50，vgg16，resnet34【pytorch框架，python源码】

摘要：本项目基于卷积神经网络开发了苹果叶片病虫害识别系统，采用PyTorch框架实现，包含ResNet50、VGG16和ResNet34三个手写模型。系统提供GUI（PySide6）和Web（Flask+Vue）两种界面，支持图像分类、训练过程可视化（准确率/损失曲线）、模型评估（混淆矩阵、F1值等）及特征图分析。项目提供完整代码、预训练模型和数据集，可在PyCharm/VS Code+Anaconda环境中运行，适用于自定义数据集训练，输出包括训练日志、模型结构和多维度性能指标图表。（150字）

2026-04-15 10:15:00 512

原创基于深度学习的农业害虫识别系统，resnet50，vgg16，resnet34（pytorch框架，python源码）

本项目基于卷积神经网络实现了农业害虫识别系统，提供ResNet50、VGG16和ResNet34三种模型选择。系统包含GUI（PySide6）和Web（Flask+Vue）两种界面，支持图像分类、识别等功能。核心功能包括：1）完整训练流程（数据加载、模型训练与验证）；2）可视化功能（训练曲线、热力图、模型结构）；3）性能评估（混淆矩阵、准确率等指标）。项目提供完整代码、预训练模型和数据集，支持PyCharm/VS Code开发环境，适合计算机视觉和农业智能化应用场景。主要技术栈：Python+PyTorch

2026-04-14 15:06:52 382

原创改进yolov8的钢铁表面缺陷检测系统，有涨点，原模型与改进模型效果对比，支持图像、视频和摄像实时检测【pytorch框架、python源码】

本文介绍了一个基于改进YOLOv8的钢铁表面缺陷检测系统，使用PyTorch框架实现。项目包含完整代码、数据集、预训练模型权重及PyQt5设计的GUI界面，支持图像、视频和实时摄像头检测。系统操作简便，提供模型训练、验证全流程指导，并展示了改进前后的性能对比指标。项目开箱即用，配套资料齐全，适用于工业质检场景。

2026-04-12 10:00:00 550

空空如也

空空如也