基于MobileNet_SSD和树莓派的栗实象目标检测系统设计

已于 2022-02-10 15:40:07 修改
阅读量3.3k 收藏 6
点赞数 2
分类专栏： 笔记 文章标签： 目标检测 人工智能 计算机视觉 深度学习 pytorch
于 2022-01-18 12:26:23 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_45626349/article/details/122555684
版权
该项目利用MobileNet-SSD深度学习模型和树莓派，针对栗实象这一蛀果类害虫进行目标检测，旨在帮助栗农实时监测虫害程度，提高板栗产量。通过训练模型并部署到树莓派上，实现栗实象的在线检测与识别。
摘要由CSDN通过智能技术生成
脑瓜子嗡嗡的小刘炼丹实验之路（paper）： Design of the chestnut image target recognition system based on MobileNet_SSD and Raspberry Pi

    本项目以湘潭市金湖良种板栗培育场捕捉和培育的栗实象成幼虫为研究对象，探索深度学习在栗实象目标识别与检测中的应用与技术支持。
    使用关键技术： MobileNet-SSD；树莓派；深度学习；栗实象；嵌入式；
    板栗是我国种植范围最广的一种淀粉质坚果，多生于低山丘陵缓坡及河滩地带，虫害多，其中，蛀果类害虫有栗实象（又名：栗实象甲。）、桃蛀螟等。而对板栗危害最大、最易滋生的是栗实象,其危害率为25%-40%，有的地方高达87.2%以上 ,被害果实丧失食用和经济价值。
   栗实象虫体

最低0.47元/天 解锁文章
Python-Caffe实现MobilenetSSD人脸检测器兼容树莓派
08-11
Caffe 实现Mobilenet-SSD人脸检测器（兼容树莓派）
mobilenet-ssd
csdnforyou的博客
06-06 1万+
网络结构 参照MobileNet-SSD(chuanqi305)的caffe模型（prototxt文件） | github，绘制出MobileNet-SSD的整体结构如下（忽略一些参数细节）： 图片中从上到下分别是MobileNet v1模型（统一输入大小为300x300）、chuanqi305的Mobilenet-SSD网络、VGG16-SSD网络。且默认都是用3x3大小的卷积核，除了Mo...
树莓派应用--AI项目实战篇来啦-15.SSD Mobilenet V3目标检测
最新发布
weixin_44845743的博客
10-11 770
Mobilenet 是一种专为移动和嵌入式视觉应用而设计的卷积神经网络。它们不使用标准的卷积层，而是基于使用深度可分离卷积的简化架构，使用这种架构，我们可以为移动和嵌入式设备（例如：树莓派）构建低延迟的轻量级深度神经网络。 SSD（single Shot Multi Box Detection）是一种针对多种类别的单次深度神经网络，同时集中了 YOLO 的回归思想和 Faster RCNN 算法的 Anchor 机制，从一个层面来说，采用回归思想可以降低检测过程中卷积计算的复杂度，使得算法时效
树莓派相关（2）：树莓派实现目标检测识别(树莓派4+opencv4.1.1+tensorflow1.14.0+ssd_mobilenet_v1_coco)
Hankerchen的博客
12-17 1万+
前面笔者爬了许多坑安装完了opencv4.1.1（链接https://blog.csdn.net/Hankerchen/article/details/103510024）， 本次主要想实现目标检测，并将其识别出来，接下来一步一步将讲述如何部署tensorflow1.14.0+ssd_mobilenet_v1_coco ...
使用MobileNet_SSD进行目标检测
Keep_Trying_Go的博客
07-14 4165
使用MobileNet_SSD进行目标检测
mobilenet_ssd_some_mp4.rar
05-21
这里是原网站上的一些资源，这里做了打包，主要是Caffe模型需要的内容，包括prototxt文件以及Model文件，以及一些测试视频包含人，猫，汽车
人脸表情目标检测模型代码
08-04
人脸表情目标检测是一种基于计算机视觉和深度学习技术的领域，其目标是识别并定位图像或视频中的人脸以及他们所表达的情绪。在这个“人脸表情目标检测模型代码”中，我们聚焦于一个能够在ARM嵌入式设备上高效运行的...
一款基于嵌入式AI的人脸识别课堂签到系统源码+完整开发文档，基于Python的智慧教室人脸考勤系统
01-06
该资源提供了一款基于嵌入式人工智能的人脸识别课堂签到系统的完整源码和开发文档，主要用于实现智慧教室的自动考勤功能。这个系统利用Python编程语言，结合现代AI技术，实现了高效、准确的面部识别，有助于提升教学...
树莓派实现低成本人脸识别开锁系统
这通常涉及到深度学习模型，如FaceNet或SSD等，用于检测和识别面部特征。树莓派可能使用轻量级的AI模型，如TinyYOLO或MobileNet，以适应其有限的计算资源。 2. **树莓派**：作为低成本、低功耗的微型计算机，树莓派...
SSD_MobileNet
03-06
SSD_MobileNet
MobileNet-SSD: 轻量级深度学习物体检测框架详解
gitblog_00095的博客
03-24 785
MobileNet-SSD: 轻量级深度学习物体检测框架详解 项目地址:https://gitcode.com/gh_mirrors/mo/MobileNet-SSD MobileNet-SSD（Single Shot MultiBox Detector）是由Google开源的一个轻量化、高效的深度学习物体检测模型，其代码托管在上。这篇文章将详细介绍该项目的核心技术、应用场景及主要优点，帮助开发者...
MobileNet ssd模型文件
02-17
MobileNet ssd模型文件,包含二进制文件，描述文件，标签文件
MobileNet SSD框架解析
10-31
该文档详细的描述了MobileNet-SSD的网络模型，可以实现目标检测功能，适用于移动设备设计的通用计算机视觉神经网络，如车辆车牌检测、行人检测等功能。它具有速度快，模型小，效率高等优点。
MobileNet-SSD-RealSense：[High Performance MAX 30 FPS] RaspberryPi3（RaspberryPiRaspbian Stretch）或Ubuntu +多神经计算棒（NCSNCS2）+ RealSense D435（或USB摄像头或PiCamera）+ MobileNet-SSD（MobileNetSSD）+后台多透明（简单的多类细分）+ FaceDetection + MultiGraph + MultiProcessing + MultiClus
02-05
MobileNet-SSD-RealSense RaspberryPi3（Raspbian Stretch）或Ubuntu16.04 / UbuntuMate +神经计算棒（NCS / NCS2）+ RealSense D435（或USB Camera或PiCamera）+ MobileNet-SSD（MobileNetSSD） 【公告】2018年12月19日，OpenVINO支持RaspberryPi + NCS2！ 【2018年12月31日】完成与NCS2的USB Camera + MultiStick + MultiProcess mode对应。 【2019年1月4日】演出四次。
MobileNet-SSD + imagezmq部署树莓派搭建监控系统
y459541195的博客
11-25 2637
Reference: https://github.com/jeffbass/imagezmq https://www.pyimagesearch.com/2017/09/18/real-time-object-detection-with-deep-learning-and-opencv/ https://arxiv.org/abs/1704.04861 https://github.com/c...
详解MobileNet-SSD
牛肉胡辣汤
01-22 2837
本文对MobileNet-SSD进行了详细介绍，包括其结构、原理和实现。MobileNet-SSD的引入有效地解决了传统目标检测方法的问题，并在实时目标检测任务中取得了良好的效果。MobileNet-SSD的成功为轻量级目标检测提供了新的方向，也启发了更多针对计算和存储资源有限的场景的研究和应用。
MobileNet_ssd原理
热门推荐
jiang_ming_的博客
09-03 4万+
之前实习用过太多次mobilenet_ssd，但是一直只是用，没有去了解它的原理。今日参考了一位大神的博客，写得很详细，也很容易懂，这里做一个自己的整理，供自己理解，也欢迎大家讨论。 先整理MobileNet 这里奉上大神的博客地址：https://blog.csdn.net/u013082989/article/details/77970196 论文地址：MobileNets: Effic...
使用mobilenet_v1---使用SSD-MobileNet训练模型
andeyeluguo的博客
07-03 7231
使用mobilenet_v1训练mobilenet 主要参考了[1],还是很详细的，跟着教程来可以很容易跑起来，有几个问题需要注意 ★执行命令路径举例 cd /host/models/research/ protoc object_detection/protos/*.proto --python_out=. export PYTHONPATH="${PYTHONPATH}:/host/model...
MobileNet-SSD利用caffe-int8-convert-tools工具量化经验(二)
qq_41137205的博客
04-14 3118
MobileNet-SSD利用caffe-int8-convert-tools工具量化经验(二) 从NCNN框架的param和bin文件中提取权重参数 参考：ncnn：提取所有层特征值 在ncnn-master/src/net.cpp结尾添加函数： int Extractor::extract_all_blobs() { for (int blob_index = 0; blob_index < (int)d->blob_mats.size(); blob_index++) {
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

脑瓜子嗡嗡的小刘

你的鼓励将是我创作的最大动力

¥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

实付元
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