基于ResNet50的农作物病虫害检测识别系统

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

项目文件结构