目标检测/缺陷检测
文章平均质量分 51
利用各种算法进行目标检测
深度学习的奋斗者
shouhou6668889,做过多个领域的机器学习与深度学习科研项目及落地项目,在优化算法领域、风速/光伏/股票等时序信号预测领域,农业病虫害图片识别领域技术均很熟练。所售代码,均有售后,可私信
展开
-
YOLOv8+PyQt5苹果叶病害检测(可以重新训练,yolov8模型,从图像、视频和摄像头三种路径识别检测)
资源包含可视化的苹果叶病害检测系统,基于最新的YOLOv8训练的苹果叶病害检测模型,和基于PyQt5制作的可视苹果叶病害系统,包含登陆页面和检测页面,该系统可自动检测和识别图片或视频当中出现的三类苹果叶病害:苹果黑根病Black Root Disease、苹果瘤虫病Scab Disease、苹果雪松锈病Cedar Apple Rust Disease以及健康苹果叶Healthy Apple Leaf,另外程序具有自动开启摄像头,进行苹果叶病害检测功能。原创 2024-06-05 14:17:31 · 454 阅读 · 0 评论 -
YOLOv8+PyQt5非洲动物检测(可以重新训练,yolov8模型,从图像、视频和摄像头三种路径识别检测)
资源包含可视化的非洲动物检测系统,基于最新的YOLOv8训练的非洲动物检测模型,和基于PyQt5制作的可视化非洲动物检测系统,包含登陆页面、注册页面和检测页面,该系统可自动检测和识别图片或视频当中出现的4种非洲动物,包括:野牛、大象、犀牛和斑马,以及自动开启摄像头,进行非洲动物检测,并在图片上展示非洲动物的位置,以及输出非洲动物的类型、坐标和置信度。资源包含基于最新的YOLO-v8训练的非洲动物检测模型和完整的python代码以及非洲动物检测的训练数据,下载后即可运行。原创 2024-06-05 14:14:22 · 257 阅读 · 0 评论 -
YOLOv8+PyQt5海洋船只检测(可以重新训练,yolov8模型,从图像、视频和摄像头三种路径识别检测)
1.资源包含可视化的海洋船只检测系统,可对于高空拍摄到的海洋图片进行轮船检测,基于最新的YOLOv8训练的海洋船只检测模型,和基于PyQt5制作的可视化海洋船只检测系统,包含登陆页面、注册页面和检测页面,该系统可自动检测和识别图片或视频当中出现的各种轮船,以及自动开启摄像头,进行海洋船只检测,并在图片上展示海洋船只的位置,以及输出海洋船只的坐标和置信度。2.资源包含基于最新的YOLO-v8训练的海洋船只检测模型和完整的python代码以及海洋船只检测的训练数据,下载后即可运行。原创 2024-06-03 20:20:34 · 281 阅读 · 0 评论 -
YOLOv8+PyQt5鸟类检测系统完整资源集合(yolov8模型,从图像、视频和摄像头三种路径识别检测,包含登陆页面、注册页面和检测页面)
资源包含可视化的鸟类检测系统,基于最新的YOLOv8训练的鸟类检测模型,和基于PyQt5制作的可视化鸟类检测系统,包含登陆页面、注册页面和检测页面,该系统可自动检测和识别图片或视频当中出现的各种鸟类,以及自动开启摄像头,进行鸟类检测,并在图片上展示鸟类的位置和置信度,以及输出鸟类的数量。资源包含基于最新的YOLO-v8训练的鸟类检测模型和完整的python代码以及鸟类检测的训练数据,下载后即可运行。原创 2024-05-27 21:51:31 · 296 阅读 · 0 评论 -
YOLOv8+PyQt5动物检测(可以重新训练模型,yolov8模型,从图像、视频和摄像头三种路径识别检测,包含登陆页面、注册页面和检测页面)
资源包含可视化的动物检测系统,基于最新的YOLOv8训练的动物检测模型,和基于PyQt5制作的可视化动物检测系统,包含登陆页面、注册页面和检测页面,该系统可自动检测和识别图片或视频当中出现的3种动物,包括:猫、狗、猴等,以及自动开启摄像头,进行动物检测,并在图片上展示动物的位置,以及输出动物的类型、坐标和置信度。资源包含基于最新的YOLO-v8训练的动物检测模型和完整的python代码以及动物检测的训练数据,下载后即可运行。对项目感兴趣,可以关注最后一行。原创 2024-05-27 23:49:45 · 395 阅读 · 0 评论 -
YOLOv8+PyQt5西红柿成熟度检测(可以重新训练,yolov8模型,从图像、视频和摄像头三种路径识别检测,包含登陆页面、注册页面和检测页面)
资源包含基于最新的YOLO-v8训练的西红柿成熟度检测模型和完整的python代码以及西红柿成熟度检测的训练数据,下载后即可运行。原创 2024-05-28 00:40:35 · 291 阅读 · 0 评论 -
YOLOv8+PyQt5车辆类型检测(可以重新训练,yolov8模型,从图像、视频和摄像头三种路径识别检测,包含登陆页面、注册页面和检测页面)
资源包含可视化的车辆类型检测系统,基于最新的YOLOv8训练的车辆类型检测模型,和基于PyQt5制作的可视化车辆类型检测系统,包含登陆页面、注册页面和检测页面,该系统可自动检测和识别图片或视频当中出现的21种车辆类型,包括:小汽车、公交车、小型公交车、SUV、货车、卡车、三轮车、摩托车、自行车、救护车、警车、垃圾车、手推车等,以及自动开启摄像头,进行车辆类型检测,并在图片上展示车辆的位置,以及输出车辆类型的类型、坐标和置信度。对项目感兴趣,可以关注。原创 2024-05-28 00:05:59 · 429 阅读 · 0 评论 -
YOLOv8+PyQt5农作物杂草检测(可以重新训练模型,yolov8模型,从图像、视频和摄像头三种路径识别检测,包含登陆页面、注册页面和检测页面)
资源包含可视化的农作物杂草检测系统,基于最新的YOLOv8训练的农作物杂草检测模型,和基于PyQt5制作的可视化农作物杂草检测系统,包含登陆页面、注册页面和检测页面,该系统可自动检测和识别图片或视频当中出现的农作和物杂草,以及自动开启摄像头,进行农作物杂草检测,并在图片上展示农作或物杂草的位置,以及输出检测结果是农作物还是杂草以及它的坐标和置信度。资源包含基于最新的YOLO-v8训练的农作物杂草检测模型和完整的python代码以及农作物杂草检测的训练数据,下载后即可运行。对项目感兴趣的,可以关注最后一行。原创 2024-05-27 23:55:57 · 400 阅读 · 0 评论 -
西蓝花病害检测(yolov8模型,从图像、视频和摄像头三种路径识别检测,包含登陆页面、注册页面和检测页面)
西蓝花病害检测(yolov8模型,从图像、视频和摄像头三种路径识别检测,包含登陆页面、注册页面和检测页面)原创 2024-05-10 15:32:16 · 493 阅读 · 2 评论 -
西红柿叶病害检测(yolov8模型,从图像、视频和摄像头三种路径识别检测,包含登陆页面、注册页面和检测页面)
西红柿叶病害检测(yolov8模型,从图像、视频和摄像头三种路径识别检测,包含登陆页面、注册页面和检测页面)原创 2024-05-08 17:38:37 · 340 阅读 · 0 评论 -
YOLOv8+PyQt5蔬菜识别检测(26种不同蔬菜类型,yolov8模型,从图像、视频和摄像头三种路径识别检测)
1.基于最新的YOLOv8训练的蔬菜检测模型,和基于PyQt5制作的可视蔬菜检测系统,该系统可自动检测和识别图片或视频当中出现的26种蔬菜:'鸡蛋', '姜', '菜椒', '南瓜', '山药', '辣椒', '霉豆', '蘑菇', '香菜', '茼蒿', '油菜', '黄瓜', '角瓜', '莲藕', '西兰花', '菜花', '土豆', '地瓜', '玉米', '洋葱', '西红柿', '胡萝卜', '茄子', '白萝卜', '韭菜', '白菜',以及自动开启摄像头,进行蔬菜检测。原创 2024-05-06 16:03:33 · 480 阅读 · 0 评论 -
YOLOv8+PyQt5玉米病害检测系统(yolov8模型,从图像、视频和摄像头三种路径识别检测)
1.资源包含可视化的玉米病害检测系统,基于最新的YOLOv8训练的玉米病害检测模型,和基于PyQt5制作的可视玉米病害系统,包含登陆页面和检测页面,该系统可自动检测和识别图片或视频当中出现的七类玉米病害:矮花叶病dwarf-mosaic、灰斑病cercospora、严重灰斑病cercospora-serious、锈病puccinia、严重锈病puccinia-serious、叶斑病leaf-spot'、严重叶斑病leaf-spot-serious,以及自动开启摄像头,进行玉米病害检测。原创 2024-05-06 11:53:35 · 419 阅读 · 0 评论 -
水稻病害检测(YOLO数据集,多分类,稻瘟病、纹枯病、褐斑病、枯心病、霜霉病、水稻细菌性条纹斑病、稻苞虫)
是自己利用LabelImg工具进行手工标注,数据集制作不易,请尊重版权(稻瘟病、纹枯病、褐斑病、枯心病、霜霉病、水稻细菌性条纹斑病、稻苞虫只需要数据集可以往下关注。原创 2024-04-28 22:21:44 · 1056 阅读 · 0 评论 -
YOLOv8+PyQt5野外火焰检测系统(可以从图像、视频和摄像头三种路径检测)
2.资源包含可视化的野外火焰检测系统,可用于火灾预警或火灾救援,该系统可自动检测和识别图片或视频当中出现的火焰,以及自动开启摄像头,进行火焰检测。基于最新的YOLO-v8训练的火焰检测模型和完整的python代码以及火焰检测的训练数据,下载后即可运行。原创 2024-04-27 09:34:18 · 384 阅读 · 1 评论 -
YOLOv8+PyQt5输电线路缺陷检测(目前最全面的类别检测,可以从图像、视频和摄像头三种路径检测)
以及自动开启摄像头,进行输电线路检测。基于最新的YOLO-v8训练的输电线路检测模型和完整的python代码以及输电线路检测的训练数据,下载后即可运行。原创 2024-04-25 17:24:59 · 531 阅读 · 0 评论 -
YOLOv8水稻病害检测系统(python代码,可以通过图片、视频或者摄像头三种路径进行检测)
重要文件解释:predictWindow.py是Pyqt5界面展示主程序,并调用训练好的yolov8模型参数,进行水稻叶不同类别的检测。ricetrain.py是训练脚本,detect_tools.py是用来读取和展示图像,被predictWindow.py调用。yolov8.pt是训练完成模型保存参数。5.对项目和数据集感兴趣的可以关注最后一行。原创 2024-04-21 11:27:46 · 526 阅读 · 0 评论 -
YOLOv8绝缘子边缘破损检测系统(可以从图片、视频和摄像头三种方式检测)
predictWindow.py是Pyqt5界面展示主程序,并调用训练好的yolov8模型参数,进行草莓不同类别的检测。insulator_train.py是训练脚本,detect_tools.py是用来读取和展示图像,被predictWindow.py调用,yolov8.pt是训练完成模型保存参数。可检测图片和视频当中出现的绝缘子和绝缘子边缘是否出现破损,以及自动开启摄像头,进行绝缘子检测。基于最新的YOLO-v8训练的绝缘子检测模型和完整的python代码以及绝缘子的训练数据,下载后即可运行。原创 2024-04-12 16:26:13 · 678 阅读 · 0 评论 -
YOLOv8草莓生长状态(灰叶病&缺钙&需要肥料)检测系统(python开发,可以从图片、视频和摄像头三种方式检测,带有训练模型,可以重新训练,并有Pyqt5界面可视化)
文件夹说明。原创 2024-04-12 00:19:00 · 412 阅读 · 0 评论 -
yolov8草莓及病害检测项目开发(python开发,带有训练模型,可以重新训练,并有Pyqt5界面可视化)
data文件夹的数据集(train文件夹:655张照片和对应的yolo标签,valid文件夹:487张照片和对应的yolo标签;test文件夹:487张照片和对应的yolo标签)train.py文件夹。原创 2024-04-08 17:45:50 · 450 阅读 · 0 评论 -
yolov8安全帽检测项目开发(python开发,带有训练模型,可以重新训练,并有Pyqt5界面可视化)
predictWindow.py是Pyqt5界面展示主程序,并调用训练好的yolov8模型参数,进行安全帽检测。重点先介绍三个主要代码:detect_tools.py是 用来读取和展示图像。2.2.UIProgram文件夹是存放的界面里面按钮等设置(不重要)2.3.wandb文件夹存放的是训练模型运行的时候检测结果。1.2.1 working文件夹存放的是训练结果。yolov8n.pt保存的是训练好的模型参数。2.1run文件夹存放的是预测图像检测结果。1.1.data里面包含两个文件夹。原创 2024-04-08 14:48:15 · 554 阅读 · 0 评论 -
杂草里的农作物识别(Python代码)
1.数据集(一共1300张照片,每张照片有对应的目标检测标签)对数据集感兴趣的,可以关注最后两行。原创 2023-09-26 23:10:27 · 718 阅读 · 2 评论 -
基于深度学习的人脸面部表情识别系统(Python代码+PyqtUI界面,可以实现图像识别和视频识别,有详细中文注释)
前言人类的面部表情变化可以传达出其内心的情绪变化,表情是人类内心世界的真实写照。目前最常见的是将人类的表情定义为7中,分别是:悲伤、害怕、厌恶、高兴、生气、惊讶和中立。这也组成了现今的人脸表情识别研究中的七种基础面部表情。由于不同的面部表情,可以反映出在不同情景下人们的情绪变化以及心理变化,因此面部表情的识别对于研究人类行为和心理活动,具有十分重要的研究意义和实际应用价值。原创 2023-09-17 08:55:20 · 395 阅读 · 0 评论 -
基于深度学习的微表情识别系统(Python代码+PyqtUI界面,可以实现图像识别和视频识别,有详细中文注释)
2.数据集介绍包括7种类别微表情anger文件夹,3995张disgust文件夹, 436张照片fear文件夹,4097张照片happy文件夹,7215张照片neutral文件夹,4965张照片sad文件夹,4830张照片surprised文件夹, 3171张照片3.项目模型整体流程人类的面部表情变化可以传达出其内心的情绪变化,表情是人类内心世界的真实写照。目前最常见的是将人类的表情定义为7中,分别是:悲伤、害怕、厌恶、高兴、生气、惊讶和中立。原创 2023-09-16 11:50:59 · 1365 阅读 · 1 评论 -
不同微表情识别(Python编程,局部二值模式(LBP)特征提取,再利用CNN模型和CNN_SVM模型进行训练识别,模型也可以用在其它图像分类领域,代码进行了详细的中文注释)
10.导入支持向量机(SVM)分类器,用Sigmoid核和C=1.0训练模型,并在测试集上进行预测,计算并输出模型的准确率、混淆矩阵和分类报告。9.提取CNN模型的倒数第二层作为特征提取器,并将其应用于训练集和测试集的LBP特征数据,得到特征向量。将图像数据转换为NumPy数组,进行归一化处理,并处理标签的形状,以便进行训练和测试集的划分。,包括卷积层、池化层、全连接层等,编译模型并进行训练,同时绘制训练和验证的损失和准确率曲线。),读取图像数据,将其转换为灰度图像,调整大小,并将其存储在。原创 2023-09-16 11:28:29 · 612 阅读 · 0 评论