水稻叶病害数据集(目标检测,yolo使用,二分类数据集,健康,病害(多类病害类别统一为一个病害类别))

1.数据集文件夹水稻叶病害数据集(目标检测,yolo使用)_哔哩哔哩_bilibili

train文件夹(44229张),test文件夹(4741张),valid文件夹(6000张)

 2.1.train文件夹展示(test和valid同样如此)

 数据集有:Blasst(稻瘟病)、Blight(枯萎病)、Brown Spot(褐斑病)、Dead Heart(枯心病)、Downy(露珠病)、False(假烟病)、Sheath Blight(鞘病)、Streak(叶纹病)、Tungro(东南亚稻田病或水稻东格鲁病毒病),一共九种病害图像和对应的打好的标注,

还有一种是正常的水稻叶,即normal

1.blasst任选一张照片进行展示

blasst打好的标注展示: 

  blight任选一张照片进行展示

 blight打好的标注展示: 

 

brown-spot打好的标注展示: 

 dead-heart打好的标注展示: 

 downy打好的标注展示: 

 

false打好的标注展示: 

normal打好的标注展示: 

 shea打好的标注展示: 

streak 打好的标注展示: 

 tungro打好的标注展示: 

 
 

 对数据集感兴趣的可以关注最后一行

import os
import json

import torch
from PIL import Image
from torchvision import transforms
import tkinter as tk
from tkinter import filedialog

from model import CNN
from PIL import ImageTk

#数据集https://mbd.pub/o/bread/ZJ2YlZ5p

水稻病害分类是一个重要的农业问题,而使用Python神经网络来实现水稻病害分类是一种高效的方法。下面是一个简单的流程,用于解释如何使用Python神经网络来分类水稻病害。 首先,我们需要收集一组具有不同水稻病害的图像样本。这些样本应该包括常见的水稻病害,如稻瘟病、纹枯病、立枯病等。确保样本图像的质量和数量足够,以便提供给神经网络进行训练。 接下来,我们需要导入Python中用于神经网络训练和分类的库,如TensorFlow或PyTorch。通过这些库,我们可以构建一个深度神经网络模型,该模型将接受水稻片图像作为输入,并输出对应的病害分类。 在构建模型之前,我们需要对图像数据进行预处理。这包括图像的缩放、归一化和增强等操作,以便提高模型的准确性和鲁棒性。 接着,我们可以开始训练神经网络模型。这需要将样本数据集划分为训练集和验证集,并使用训练集对模型进行训练。训练过程中,模型将学习水稻病害的特征和模式,并不断优化自己的参数,直到达到预定的准确性要求。 在模型训练完成后,我们可以使用验证集对模型进行评估,以了解其在未见过的数据上的表现。评估结果可以帮助我们确定模型的性能,并选择最佳的模型参数。 最后,我们可以使用训练好的神经网络模型对水稻病害进行分类。通过将水稻片图像输入到模型中,并将输出与之前定义的病害分类进行比较,我们可以快速而准确地确定水稻片的病害类型。 总之,通过使用Python神经网络对水稻病害进行分类,我们可以实现高效、准确的病害检测和分类,为农业生产提供技术支持和决策依据。
评论 6
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

深度学习的奋斗者

你的鼓励是我努力的动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值