本文介绍了一款基于深度学习的小程序，用于番茄病害检测。通过提供代码示例，展示了从数据预处理、模型训练（包括多种模型选项如AlexNet、ResNet等）到Flask服务器的开发过程，以及训练过程中精度、召回率和F1-score的实时监控。最终，该应用能通过HTTP接口接收图片并返回识别结果。
代码下载和视频演示地址：
088基于深度学习的番茄病害检测小程序版本_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03flask_server.py是使用flask生成http接口连接小程序端，通过小程序传过来的图片，调用logs文件夹下训练好的模型，识别结果返回给小程序端口。
766
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
