介绍
在实验阶段,共选取了45287张农作物叶片图像作为原始数据集,选取基于深度卷积神经网络(CNN)的ResNet50模型进行实验。实验结果表明,以PyTorch框架为基础的ResNet50模型算法的病虫害识别准确率能达到93%以上。可以识别10种农作物中的61类病虫害。本系统前端采用Bootstrap框架,后端则采用的是Flask框架。系统分为用户端和管理员端两部分,在用户端,用户登录后可以在系统中了解病虫害的基本信息、进行病虫害检测、查看历史记录、了解本系统的病虫害统计数据以及进行发言评论等操作;在管理员端,管理员可查看系统各个病害的总体识别率以及所有用户的识别记录。
该系统使用预训练的ResNet50模型进行病虫害检测,通过实时上传图片检测病害,农户可以无门槛、方便的使用。本系统在大量农作物病虫害图像上进行实验,取得了较好的识别效果。实验结果表明,本系统可以快速准确地检测和识别农作物病虫害,具有较高的实用性,对农作物病虫害的检测与防治,以及农业生产都具有十分重要的意义。
系统展示
演示视频
视频演示链接(里面有获取源码的方式):https://www.bilibili.com/video/BV1Eu411j7xX/?vd_source=4ccec9121b9349bb1b58e2a46cfbbdf6
登录注册页面
首页展示
识别病虫害页面
模型训练数据