蓝博AI-优快云博客

原创基于深度学习的皮肤病识别系统，resnet50，vgg16，resnet34【pytorch框架，python代码】

摘要：本项目基于PyTorch框架开发了一个皮肤病识别系统，采用ResNet50、VGG16和ResNet34三种卷积神经网络模型。系统提供GUI（PySide6）和Web（Flask+Vue）两种交互界面，支持模型训练、测试和可视化分析。核心功能包括：训练过程监控（准确率/损失曲线）、模型评估（混淆矩阵、F1值等）、特征图和热力图可视化。项目提供完整代码、预训练模型和数据集，可在PyCharm/VS Code+Anaconda环境中运行，适合深度学习研究和实际应用开发。

2025-12-24 10:00:00 337

原创基于深度学习的水稻叶片病害识别系统，resnet50，vgg16，resnet34【pytorch框架，python代码】

摘要：该项目实现了一个基于PyTorch框架的水稻叶片病害识别系统，采用ResNet50、VGG16和ResNet34三种卷积神经网络模型。系统提供GUI（PySide6）和Web端（Flask+Vue）两种交互界面，支持图像分类、模型训练与评估功能。项目包含完整代码、预训练模型、数据集及可视化工具，可输出训练曲线、混淆矩阵、热力图等分析结果。开发环境支持PyCharm/Anaconda或VSCode/Anaconda配置，适合深度学习研究和实际应用部署。

2025-12-23 10:00:00 508

原创基于深度学习的大米品种识别系统，resnet50，vgg16，resnet34【pytorch框架，python代码】

摘要：本项目基于PyTorch框架开发了一个大米品种识别系统，采用ResNet50、VGG16和ResNet34三种卷积神经网络模型。系统提供GUI（PySide6）和Web（Flask+Vue）两种界面，支持模型训练、评估和可视化功能。核心功能包括：数据集加载、模型训练（可记录训练过程）、热力图生成、模型结构可视化等。项目提供完整的代码、预训练模型和数据集，支持自定义数据训练，并输出准确率曲线、混淆矩阵、F1值等评估指标。系统可在PyCharm或VSCode的Anaconda虚拟环境中运行，适用于图像分类

2025-12-22 10:00:00 694

原创基于深度学习的土豆病害识别系统，resnet50，vgg16，resnet34【pytorch框架，python代码】

摘要：该项目基于PyTorch框架开发了一个土豆病害识别系统，采用ResNet50、VGG16和ResNet34三种卷积神经网络模型。系统提供GUI(PySide6)和Web(Flask+Vue)两种交互界面，包含完整的训练测试流程、可视化分析功能（如热力图、特征图）和模型评估指标（准确率、混淆矩阵等）。项目提供完整代码、预训练模型和数据集，支持自定义数据训练，并详细记录了模型训练过程。系统可在PyCharm或VSCode的Anaconda虚拟环境中运行，适用于图像分类研究和实际应用场景。

2025-12-19 10:00:00 499

原创基于卷积神经网络的农作物病虫害识别与防治系统，resnet50，vgg16，resnet34【pytorch框架，python代码，模型融合】

摘要：该项目基于PyTorch框架开发了农作物病虫害识别与防治系统，采用ResNet50、VGG16、ResNet34等卷积神经网络模型，并支持多模型融合。系统提供GUI（PySide6）和Web（Flask+Vue）两种界面，具备完整的训练流程和可视化功能。项目包含数据集处理、模型训练、性能评估（准确率、混淆矩阵等）及预测报告生成等功能，支持自定义数据集训练。所有代码、模型和资料完整提供，可在PyCharm或VSCode环境中运行。

2025-12-18 10:00:00 602

原创基于深度学习的药丸缺陷识别系统，resnet50，vgg16，resnet34【pytorch框架，python代码】

摘要：本项目实现了一个基于PyTorch框架的药丸缺陷识别系统，采用ResNet50、VGG16和ResNet34三种卷积神经网络模型。系统提供GUI(PySide6)和Web(Flask+Vue)两种交互界面，支持模型训练、评估和可视化功能。核心功能包括：多模型对比训练、训练过程曲线展示、模型结构可视化、分类混淆矩阵分析、热力图生成等。项目提供完整代码、预训练模型和数据集，支持在PyCharm/Anaconda或VSCode/Anaconda环境下运行，并附有详细的配置教程。系统可输出训练精度曲线、损失曲

2025-12-17 10:00:00 499

原创基于深度学习的梨子分类系统，resnet50，vgg16，resnet34【pytorch框架，python代码】

摘要：该项目基于PyTorch框架实现了一个梨子分类系统，采用ResNet50、VGG16和ResNet34三种卷积神经网络模型。系统提供GUI（PySide6）和Web（Flask+Vue）两种交互界面，支持模型训练、评估和可视化功能。项目包含完整代码、预训练模型及数据集，可输出训练曲线、混淆矩阵、热力图等评估指标。用户可自定义数据集路径、模型选择和训练轮数，通过运行train.py和test.py完成模型训练与测试。系统部署支持PyCharm/Anaconda或VSCode/Anaconda环境配置。

2025-12-16 10:00:00 429

原创基于深度学习的毒蘑菇识别系统，resnet50，vgg16，resnet34【pytorch框架，python代码】

摘要：该项目实现了一个基于卷积神经网络的毒蘑菇识别系统，采用PyTorch框架，包含ResNet50、VGG16和ResNet34三种模型。系统提供GUI和Web两种界面，支持图像分类、模型训练与评估功能。核心功能包括：1) 支持自定义数据集训练；2) 输出训练曲线、混淆矩阵等可视化结果；3) 提供模型结构分析和性能指标对比。项目包含完整代码、预训练模型及数据集，可在PyCharm或VSCode环境中运行，适合深度学习相关研究和应用开发。

2025-12-15 10:00:00 1071

原创基于深度学习的芒果成熟度识别系统，resnet50，vgg16，resnet34【pytorch框架，python代码】

该项目实现了一个基于卷积神经网络的芒果成熟度识别系统，使用PyTorch框架开发，包含ResNet50、VGG16和ResNet34三种模型。系统提供GUI和Web两种交互界面，采用PySide6和Flask+Vue技术实现。项目支持完整的训练流程，可输出训练曲线、混淆矩阵、热力图等可视化结果，并评估准确率、召回率等指标。系统可处理自定义数据集，提供模型结构可视化功能。配套资源包含完整代码、预训练模型和数据集，支持在PyCharm或VSCode环境中运行，适合图像分类任务的学习和应用开发。

2025-12-12 10:00:00 779

原创基于深度学习的芒果分级系统，resnet50，vgg16，resnet34【pytorch框架，python代码】

摘要：该项目基于PyTorch框架实现了一个芒果分级系统，采用ResNet50、VGG16和ResNet34三种卷积神经网络模型。系统提供GUI（PySide6）和Web（Flask+Vue）两种交互界面，支持模型训练、测试和可视化分析。核心功能包括图像分类、模型评估（输出准确率曲线、混淆矩阵等指标）、热力图生成和特征可视化。项目提供完整代码、预训练模型及数据集，支持在PyCharm/VS Code+Anaconda环境中运行，适用于深度学习图像分类任务的研究与应用开发。

2025-12-11 10:00:00 841

原创基于深度学习的水果成熟度识别系统，resnet50，vgg16，resnet34【pytorch框架，python代码】

本文介绍了一个基于卷积神经网络的水果成熟度识别系统，使用PyTorch框架实现，包含ResNet50、VGG16和ResNet34三种模型。系统支持GUI（PySide6）和Web（Flask+Vue）两种界面，提供完整的数据集、代码和训练好的模型。项目可实现训练过程可视化（准确率/损失曲线）、模型评估（混淆矩阵、F1值等）以及特征图/热力图分析。所有资料完整即用，支持自定义数据集训练，适合图像分类相关研究或应用开发。

2025-12-10 10:00:00 867

原创基于深度学习的花卉识别系统，resnet50，vgg16，resnet34【pytorch框架，python代码】

摘要：本项目基于PyTorch框架开发了一个花卉识别系统，采用ResNet50、VGG16和ResNet34三种卷积神经网络模型。系统提供GUI（PySide6）和Web端（Flask+Vue）两种交互界面，支持模型训练、测试和可视化分析。核心功能包括训练过程记录、准确率/损失曲线绘制、混淆矩阵生成、热力图展示等指标评估。项目包含完整代码、预训练模型和数据集，可在PyCharm/Anaconda或VSCode/Anaconda环境中运行，适用于图像分类任务的快速实现和模型对比研究。

2025-12-09 10:00:00 746

原创基于深度学习的眼疾识别系统，resnet50，vgg16，resnet34【pytorch框架，python代码】

摘要：该项目是基于PyTorch框架实现的眼疾识别系统，提供ResNet50、VGG16和ResNet34三种卷积神经网络模型。系统包含GUI（PySide6）和Web（Flask+Vue）两种交互界面，支持模型训练、评估和可视化功能。项目完整包含代码、预训练模型、数据集及训练过程记录，可输出准确率曲线、损失曲线、混淆矩阵等评估指标，并支持特征图、热力图等可视化分析。开发环境支持PyCharm/VS Code与Anaconda虚拟环境配置，提供详细的安装教程。

2025-12-08 10:00:00 790

原创基于深度学习的咖啡豆缺陷识别系统，resnet50，vgg16，resnet34【pytorch框架，python代码】

摘要：本项目基于PyTorch框架开发了咖啡豆缺陷识别系统，采用ResNet50、VGG16和ResNet34三种卷积神经网络模型。系统提供GUI（PySide6）和Web（Flask+Vue）两种交互界面，支持模型训练、测试和可视化分析。核心功能包括数据加载、模型训练、性能评估（准确率/召回率等指标）、热力图生成和模型结构可视化。项目提供完整代码、预训练模型和数据集，可在PyCharm或VSCode的Anaconda虚拟环境中运行，输出训练曲线、混淆矩阵等分析结果，适用于深度学习图像分类任务。

2025-12-05 10:00:00 1019

原创基于yolov11的水面漂浮垃圾检测系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】

摘要：基于YOLOv11的水面漂浮垃圾检测系统采用PyTorch框架实现，包含完整代码、数据集、预训练模型及GUI界面。系统支持图像、视频和摄像头实时检测，界面简洁实用。项目提供详细训练流程，用户可自行训练模型或直接使用预训练权重。数据集包含多样化漂浮垃圾样本，模型训练指标和检测效果良好。整套资料完整，开箱即用，适用于环境监测等应用场景。运行环境支持PyCharm/VS Code+Anaconda配置。

2025-12-04 10:00:00 1275

原创基于yolov11的木材缺陷检测系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】

摘要：本项目基于YOLOv11框架开发了一套木材缺陷检测系统，支持图像、视频及实时摄像头检测。系统采用PyTorch实现，包含完整代码、数据集、预训练模型及PySide6开发的GUI界面。项目提供详细训练流程：数据路径配置→模型训练→验证测试→GUI应用。界面设计简洁实用，支持USB/笔记本摄像头接入，配套完整的模型指标图表和训练记录。所有资源开箱即用，适用于PyCharm/VSCODE+Anaconda环境，附带环境配置教程。项目资料完整，包含数据样本展示、检测效果演示和性能指标分析。

2025-12-03 10:00:00 577

原创基于yolov11的葡萄串检测系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】

本文介绍了一个基于YOLOv11的葡萄串检测系统，采用PyTorch框架实现。项目包含完整代码、数据集、预训练模型权重及GUI界面，支持图像、视频和实时摄像头检测。GUI界面使用PySide6设计，简洁实用。系统可通过修改配置文件路径重新训练模型，并提供训练验证流程指引。项目资料齐全，开箱即用，适用于PyCharm/Anaconda或VSCode/Anaconda环境。包含数据集样本展示、GUI操作界面截图及模型训练指标图表，为葡萄识别任务提供完整解决方案。

2025-12-02 10:00:00 1378

原创基于yolov11的手势检测识别系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】

本文介绍了一个基于YOLOv11的手势检测识别系统，采用PyTorch框架实现。项目包含完整代码、数据集、预训练模型及PySide6设计的GUI界面，支持图像、视频和实时摄像头检测。系统部署简单，可在PyCharm或VSCode的Anaconda虚拟环境中运行。用户可选择直接使用预训练模型或自行训练（需修改数据集路径后运行train.py）。GUI界面简洁实用，提供图像检测、视频分析和实时摄像头功能。项目附带训练指标图表和完整文档，开箱即用。

2025-12-01 10:00:00 900

原创基于yolov11的樱桃病虫害检测系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】

摘要：本项目基于YOLOv11框架开发了一套樱桃病虫害检测系统，支持图像、视频及实时摄像头检测。系统采用PyTorch实现，包含完整的数据集、预训练模型和PySide6开发的GUI界面。项目提供模型训练流程指导，用户可自行训练或直接使用预训练模型。系统界面简洁实用，支持USB摄像头接入，并附有详细的运行环境配置教程。项目包含完整的代码、数据集、模型权重及训练指标图表，开箱即用，适用于病虫害检测的科研和实际应用场景。

2025-11-28 10:00:00 861

原创基于yolov11的乳腺癌检测系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】

摘要：本文介绍了一个基于YOLOv11的乳腺癌检测系统，采用PyTorch框架实现，包含完整代码、数据集、预训练模型和GUI界面。系统支持图像检测、视频分析和实时摄像头检测功能，界面采用PySide6设计，简洁实用。项目提供详细的使用指南，包括模型训练流程（修改数据集路径、训练、验证、使用）和运行环境配置说明（PyCharm/VSCODE+Anaconda）。文中展示了数据集样本、GUI操作界面及模型训练指标图表，适合医疗影像分析领域的实际应用。

2025-11-27 10:00:00 1692

原创基于yolov11的成熟蓝莓检测系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】

本文介绍了一个基于YOLOv11的成熟蓝莓检测系统，采用PyTorch框架实现，包含完整代码、数据集、预训练模型和GUI界面。系统支持图像检测、视频检测和实时摄像头检测功能，GUI界面由PySide6设计实现，简洁实用。项目提供了详细的使用说明，包括模型训练、验证和部署流程，并展示了数据集样本和检测效果界面。系统可外接USB摄像头或使用笔记本内置摄像头，配套资料完整，开箱即用。文中还提供了PyCharm和VSCode开发环境配置的相关教程链接。

2025-11-26 10:00:00 919

原创基于yolov10的电焊焊接缺陷检测系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】

本文介绍了一个基于YOLOv10的电焊焊接缺陷检测系统。该系统采用PyTorch框架实现，包含完整的代码、数据集、预训练模型及GUI界面。项目支持图像检测、视频检测和实时摄像头检测，GUI界面使用PySide6开发，简洁实用。用户可直接使用预训练模型，也可按照教程重新训练。项目提供详细的结构说明、数据样本展示、界面截图及模型训练指标，包含全套资料，开箱即用。适用于PyCharm/Anaconda或VSCode/Anaconda环境，支持USB摄像头和笔记本自带摄像头。（150字）

2025-11-25 10:00:00 720

原创基于yolov10的鱼类检测识别系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】

本文介绍了一个基于YOLOv10的鱼类检测识别系统，采用PyTorch框架实现，包含完整代码、数据集、预训练模型和GUI界面。系统支持图像、视频及实时摄像头检测，GUI界面简洁实用，基于PySide6开发。项目结构清晰，提供模型训练和验证流程指导，包含详细的数据集样本展示和性能指标图表。用户可直接使用预训练模型或自行训练，支持USB摄像头和笔记本内置摄像头接入。该项目开箱即用，适合计算机视觉领域的研究和应用开发。

2025-11-24 10:00:00 1650

原创基于yolov10的遥感影像目标检测系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】

本文介绍了一个基于YOLOv10的遥感影像目标检测系统。该系统使用PyTorch框架实现，包含完整的代码、数据集、预训练模型和GUI界面（基于PySide6）。支持图像检测、视频分析和实时摄像头检测功能。项目结构清晰，提供训练流程指导（修改数据集路径→训练→验证→使用），并附带训练指标图表和检测效果展示。整套资料完整可用，适用于PyCharm或VSCode开发环境，配备详细环境配置教程，开箱即用。系统界面简洁实用，兼顾USB和笔记本摄像头的实时检测需求。

2025-11-21 10:00:00 877

原创基于yolov10的马路障碍物检测系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】

摘要：本项目基于YOLOv10实现了马路障碍物检测系统，包含完整的代码、数据集、预训练模型和PySide6开发的GUI界面。系统支持图像、视频及实时摄像头检测，界面简洁实用。项目提供详细的数据集样本和模型训练指标，用户可选择直接使用预训练模型或按照指引重新训练（包括修改数据路径、执行训练/验证流程）。技术栈采用PyTorch+Python+OpenCV，支持在PyCharm/VS Code+Anaconda环境下运行。项目提供全套资源，开箱即用，涵盖模型训练记录和可视化检测界面。

2025-11-20 10:00:00 476

原创基于yolov10的反光衣和安全帽检测系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】

本文介绍了一个基于YOLOv10的反光衣和安全帽检测系统，采用PyTorch框架实现。项目包含完整的代码、数据集、预训练模型权重、GUI界面（使用PyySide6开发）及模型评估指标。系统支持图像、视频和实时摄像头检测，可外接USB摄像头或使用笔记本自带摄像头。用户可直接使用预训练模型，也可通过修改data.yaml配置文件重新训练模型。GUI界面设计简洁实用，包含图像检测、视频检测和实时摄像检测三个功能模块。项目提供全套资料，开箱即用，适合目标检测相关应用场景。

2025-11-19 10:00:00 516

原创基于yolov10的行人检测系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】

本文介绍了一个基于YOLOv10的行人检测系统项目。该系统采用PyTorch框架实现，包含完整代码、数据集、预训练模型和GUI界面。项目支持图像检测、视频检测及摄像头实时检测功能，GUI界面使用PySide6设计，简洁实用。项目结构清晰，用户可直接使用预训练模型或自行训练，训练流程包括数据集路径配置、模型训练验证等步骤。系统提供直观的检测效果展示界面，并附带训练指标图表。该项目提供完整资料，可快速部署使用，适合各类环境下的行人检测需求。

2025-11-18 10:00:00 799

原创基于yolov10的电缆绝缘子缺陷检测系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】

本项目基于YOLOv10实现电缆绝缘子缺陷检测系统，支持图像、视频及实时摄像头检测。系统采用PyTorch框架开发，包含完整代码、数据集、训练好模型和GUI界面（基于PySide6）。项目结构清晰，用户可直接使用训练好模型或自行训练：修改数据集路径后运行train.py训练模型，验证后通过gui.py启动图形界面。系统提供三种检测模式：图像检测、视频分析和实时摄像检测（支持外接USB摄像头）。该项目配套资料齐全，包含训练指标图表、模型验证结果等，开箱即用。

2025-11-17 10:00:00 749

原创基于yolov10的蔬菜水果检测系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】

本文介绍了一个基于YOLOv10的蔬菜水果检测系统，可在PyTorch框架下实现图像、视频和实时摄像头检测。项目提供完整资源包，包括代码、数据集、训练好的模型及GUI界面（基于PySide6设计）。用户可选择直接使用训练好的模型或自行训练，训练流程清晰简单。系统支持外接USB摄像头，并提供了模型训练验证的各项指标图表。项目开箱即用，配套资料齐全，适合快速部署应用。运行环境支持PyCharm/VS Code与Anaconda虚拟环境组合。

2025-11-14 10:00:00 1558

原创基于yolov10的车牌检测识别系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】

摘要：本文介绍了一个基于YOLOv10的车牌检测识别系统项目，采用PyTorch框架实现，包含完整代码、数据集、预训练模型及GUI界面。系统支持图像、视频和摄像头实时检测，GUI基于PySide6开发，界面简洁实用。项目提供详细训练流程（数据配置、模型训练/验证）和测试指标，包含全套可运行资源。支持USB/笔记本摄像头接入，适用于PyCharm/VSCode+Anaconda环境，配套环境搭建教程。

2025-11-13 10:00:00 512

原创基于yolov10的高压输电线（电缆）障碍物检测系统，支持图像、视频和摄像实时检测【pytorch框架、python源码】

本文介绍了一个基于YOLOv10的高压输电线障碍物检测系统。该系统使用PyTorch框架实现，包含完整代码、数据集、模型和GUI界面。支持图像检测、视频检测和实时摄像头检测功能，界面简洁实用。项目提供详细的数据集展示、训练指标和验证效果，并包含完整的运行指导。用户可直接使用训练好的模型或自行训练，项目资料齐全，开箱即用。系统兼容PyCharm和VSCode开发环境，支持外接USB摄像头或笔记本自带摄像头进行实时检测。

2025-11-12 10:00:00 914

原创基于卷积神经网络的枸杞虫害识别和防治系统，resnet50，vgg16，resnet34【pytorch框架，python代码，模型融合】

摘要：本文介绍了一个基于卷积神经网络的枸杞虫害识别和防治系统，采用PyTorch框架实现，包含ResNet50、VGG16、ResNet34三种模型及融合模型。系统提供GUI（PySide6）和Web（Flask+Vue）两种界面，支持图像分类、模型训练与评估功能。项目包含完整代码、预训练模型、数据集及可视化工具，可输出训练曲线、混淆矩阵、热力图等指标。系统易于扩展，用户可自行训练新数据集，适用于计算机视觉相关研究和实际应用场景。

2025-11-11 10:00:00 924

原创基于卷积神经网络的西红柿（番茄）病虫害识别和防治系统，resnet50，vgg16，resnet34【pytorch框架，python代码，模型融合】

摘要：该项目基于PyTorch框架开发了一个西红柿病虫害识别系统，使用ResNet50、VGG16、ResNet34等卷积神经网络模型及模型融合技术。系统提供GUI和Web两种界面，支持训练过程可视化、模型评估（混淆矩阵、准确率等指标）和预测报告生成。项目包含完整代码、预训练模型和数据集，适用于图像分类任务，并可扩展到自定义数据集训练。开发者提供了详细的环境配置指南，方便使用者快速部署运行。

2025-11-10 10:00:00 933

原创基于卷积神经网络的马铃薯病虫害识别和防治系统，resnet50，vgg16，resnet34【pytorch框架，python代码，模型融合】

本文介绍了一个基于卷积神经网络的马铃薯病虫害识别系统，实现了ResNet50、VGG16和ResNet34三种模型的训练与融合。系统采用PyTorch框架，提供GUI（PySide6）和Web（Flask+Vue）两种交互界面，支持图像分类、模型评估和结果可视化。项目包含完整代码、预训练模型及数据集，可输出训练曲线、混淆矩阵、热力图等分析结果，同时支持自定义数据集训练。系统能够自动生成预测报告，并提供模型结构可视化功能，便于研究对比不同模型的性能表现。所有资源开箱即用，适合病虫害识别相关研究和应用开发。

2025-11-07 10:00:00 825

原创基于卷积神经网络的草莓病虫害识别和防治系统，resnet50，vgg16，resnet34【pytorch框架，python代码，模型融合】

本文介绍了一个基于卷积神经网络的草莓病虫害识别与防治系统，该系统使用PyTorch框架实现了ResNet50、VGG16、ResNet34三种模型及模型融合方案。项目提供GUI和Web两种界面（分别采用PySide6和Flask+Vue实现），支持图像分类、模型训练与评估等功能。核心功能包括：多模型对比训练、热力图可视化、混淆矩阵分析、准确率/召回率等指标计算。系统可输出训练曲线、模型结构、特征图等结果，并提供完整的代码、数据集和预训练模型，支持快速部署使用。项目文档详细说明了环境配置方法，适合作为深度学习

2025-11-06 10:00:00 796

空空如也

空空如也