- 博客(154)
- 收藏
- 关注
RSS订阅原创 最全面的小麦病害数据集YOLO标注
小麦病害检测的研究背景主要关注于提高小麦产量和品质，保障粮食安全。基于目标检测的智能检测系统可以快速识别小麦的多种病害，如根冠腐烂、叶锈病和小麦白粉病等。这种方法不仅提升了检测效率，还能在病害初期采取防治措施，有效降低病害扩散，减少农药使用，促进小麦的健康生长，推动现代农业的发展。共899张（也可以数据增强），8:1:1比例划分，（train：719张，val：90张，test：90张。小麦病害检测数据集，并提供基于YOLOv8的训练代码。3: Wheat Loose Smut 小麦散斑，又名小麦黑穗病。
2025-03-10 23:11:26
208
1
原创 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）如有其它数据集检测需求，可定制项目。train.py文件夹。
2025-01-08 23:17:15
441
原创 YOLOv8草莓（开花&结果）检测系统（可以从图像、视频和摄像头三个途径进行检测）
资源包含可视化的草莓检测系统，检测方式：图片、视频、摄像头。类别草莓，开花、结果、果实成熟等状态。基于最新的YOLO-v8训练的草莓检测模型和完整的python代码以及草莓的训练数据，下载后即可运行，输出检测结果。)，包远程运行起来。配置环境。
2025-01-08 23:15:21
230
原创 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）
如有其它数据集检测需求，可定制项目。
2025-01-08 23:12:57
245
原创 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。重要文件介绍：data是数据文件夹。
2025-01-07 17:18:12
316
原创 YOLOv8常见水果识别检测系统（yolov8模型，从图像、视频和摄像头三种路径识别检测）
1.效果视频（资源包含可视化的水果识别检测系统，可识别图片和视频当中出现的六类常见的水果，包括： 苹果、香蕉、葡萄、橘子、菠萝、西瓜等，以及自动开启摄像头，进行水果识别检测。基于最新的YOLO-v8训练的水果检测模型和完整的python代码以及水果检测的训练数据，下载后即可运行。2.文件夹截图。
2025-01-07 17:15:12
189
原创 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。如果只对数据集感兴趣，可以关注代码框最后一行。
2025-01-07 17:13:49
313
原创 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。
2025-01-07 17:09:32
114
原创 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A病、水稻细菌性条纹斑病、稻苞虫）如果只需要正常和病害检测对的二分类数据集，可以关注只需要数据集可以往下关注。
2025-01-07 17:06:33
287
原创 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。
2025-01-07 17:05:30
174
原创 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。
2025-01-07 17:04:30
174
原创 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）
效果视频：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）_哔哩哔哩_bilibili2.效果图片
2025-01-04 21:00:34
179
原创 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。
2025-01-04 20:53:49
201
原创 YOLOv8+PyQt5面部表情检测(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)
1.资源包含可视化的面部表情检测系统，基于最新的YOLOv8训练的面部表情检测模型，和基于PyQt5制作的可视化面部表情检测系统，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八类面部表情：生气、蔑视、反感、恐惧、开心、中性、悲伤、惊讶，以及自动开启摄像头，进行面部表情检测，并在图片上展示面部表情的位置，以及输出面部表情的类型和置信度。资源包含基于最新的YOLO-v8训练的面部表情检测模型和完整的python代码以及面部表情检测的训练数据，下载后即可运行。
2025-01-04 20:25:52
220
原创 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。
2025-01-04 20:23:50
112
原创 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。
2025-01-04 19:49:03
167
原创 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。
2025-01-03 23:14:55
171
原创 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。
2025-01-03 23:13:35
197
原创 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）
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。
2025-01-03 23:11:32
140
原创 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。
2025-01-03 23:10:15
175
原创 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。
2025-01-03 23:09:00
146
原创 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。
2025-01-03 23:07:42
138
原创 YOLOv8+注意力机制+PyQt5玉米病害检测系统完整资源集合
资源包含可视化的玉米病害检测系统，基于最新的YOLOv8+注意力机制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。
2025-01-03 23:06:02
106
原创 独家创作YOLOv8韭菜检测系统（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）
2.1.1.以训练集为例，有被标注的图片（992）和labels（992）验证集和测试集分别有：48个样本和19个样本。
2025-01-03 21:11:30
219
原创 交通流量预测(python代码，压缩包中带有数据，CNN_GRU,CNN_BiGRU_ATTENTION,LSTM三种不同模型，多特征输入，单标签输出，可以替换为其它时序数据集)
环境库版本（如果库版本不一样， 一般也可以运行，这里展示我运行时候的库版本，是为了防止你万一在你的电脑上面运行不了，可以按照我的库版本进行安装并运行）
2025-01-03 21:09:09
414
原创 面向用户界面设计，故障诊断程序集成设计（以CWRU为例）
1.主要介绍： 3. BP神经网络故障预测-之- 训练网络点击加载网络，选择保存的模型，此时会提示模型可以预测的故障种类，不在范围内的故障无法准确预测点击读取数据，选择待检测的轴承数据点击分析预测，提示故障类型
2025-01-03 21:07:10
533
1
原创 机械寿命预测，多步预测，跨设备寿命预测(以一台训练好的模型对另一台直接预测，python代码，压缩包包含数据集，解压缩后直接运行)
通过前k（代码里设定的K=3）个输入状态，预测后t（代码里设置的t=3）个周期的寿命。1.数据包含了两台机械设备采集的输入特征数据和寿命数据。3.2. In_2st作为训练集，In_1st作为测试集。2.模型：CNN_LSTM_ATTENTION。
2025-01-03 21:04:50
349
原创 基于 VGG16 迁移学习的轴承故障诊断方法代码（python代码，带有数据集，可以直接运行）
以0HP文件夹为例，打开后的子文件序列，1HP/2HP/3HP子文件类似，creat_picture.py是生成图片程序。对比模型CNN效果较差 ，只能将迭代次数改为100，方能稳定些，但是效果还是没有VGG16模型好。代码运行库要求：TensorFlow>=2.4.0即可（可以远程协助运行起来代码）VGG16文件夹装的VGG16模型对各种负载下的实验程序。CNN文件夹装的对比模型普通CNN对各种负载下的实验程序。0HPimages文件夹装的生成图片。训练集和测试集来自不同负载。
2025-01-03 21:03:19
322
原创 基于一维WDCNN的滚动轴承故障诊断（十分类，Python代码，TensorFlow框架，压缩包包含数据集和代码，解压缩后直接运行）
main_0HP.py、main_1HP.py、main_2HP.py和main_3HP.py是故障诊断主程序，分别对应不同负载的数据，这四个程序只有数据调取路径这行代码不一样，其它部分都相同，只是担心新手不会修改数据路径，因此分成了四个脚本。preprocess.py是数据预处理程序，将原始数据变成一个个样本，被主程序调用。data文件夹装载的是凯斯西楚大学（CWRU）轴承数据集。运行环境库要求：TensorFlow>=2.4.0即可。以0HP文件夹为例，进行展示。
2025-01-03 21:00:08
393
原创 WDCNN结合GRU滚动轴承故障诊断（十分类，Python代码，TensorFlow框架，压缩包包含数据集和代码，解压缩后直接运行）
main_0HP.py、main_1HP.py、main_2HP.py和main_3HP.py是故障诊断主程序，分别对应不同负载的数据，这四个程序只有数据调取路径这行代码不一样，其它部分都相同，只是担心新手不会修改数据路径，因此分成了四个脚本。以0hp为例进行展示，每种负载下包含10种类型（三种不同尺寸下的内圈/外圈/滚动体故障（3*3=9种），正常）环境库要求：tensorflow>2.4.0即可运行。每种负载下训练集、验证集与测试集个数均如下所示。
2025-01-03 00:26:14
177
原创 利用马可夫变迁场将一维振动信号转变为二维图像，并利用深度卷积（可替换其它网络）进行识别分类，分别在不同负载数据集进行实验(python代码，压缩包带有数据，可以直接运行)
1.压缩包解压缩后目录（CWRU数据集，每份负载数据集以四分类为例：正常、内圈故障、外圈故障和滚动体故障，也可以考虑故障尺寸，自己改成十分类）0HPimages文件夹装的是运行create_picture.py生成的照片。自己也可以把数据集换成其他数据集或者自己的轴承数据集。以0HP文件夹为例，打开0HP文件夹。CNN.py是诊断代码。
2024-12-28 22:14:30
177
原创 融合DE 端和FE端数据，利用小波变换生成时频图，再分别利用DCNN、KNN和DNN进行对比实验(python代码)
基于小波变换很好地解决了这一限制，信号的范围是固定的，但可以通过信号的高频特征改变其窗口的长度和高度来适应信号的特征，确保频率分析的精度，确保频率分析的精度，频率的变化可以很好地满足实际工程需求。其次，这些算法中，故障特征的选择和提取大都是基于专家经验的，无法得到一个能在现场应用的通用的解决方案。在全连接神经网络中，没有卷积层和池化层等结构，只有全连接层，并且相邻的全连接层的神经元是一一连接的，虽然避免了特征的过度损失，但是全连接网络参数过多，导致一般运算量极大，容易陷入局部最优解。
2024-12-28 22:13:40
681
原创 一维振动信号通过时频变换技术生成晚霞图像，再利用CNN进行故障诊断（Python代码）
2.生成的图像（可以看出不同故障样本的图像差异较为明显，可以得出时频变换技术的有效）
2024-12-28 22:12:29
160
原创 轻量级网络EfficientNetB0，利用迁移学习中的微调技术进行小样本轴承故障诊断（Python代码，带有数据集，训练集集的每类只需10个样本）
模型：EfficientNetB0（利用imagenet训练好的参数，冻结高层，只将分类器的参数利用训练集微调，利用整个模型对测试集识别）1. 训练集数量（正常类别：10个，内圈故障：10个，外圈故障：10个，滚动体故障：10个）测试集数量（正常类别：90个，内圈故障：90个，外圈故障：90个，滚动体故障：90个）Roller文件夹里装的是滚动体故障的.mat保存的数据。Inner文件夹里装的是内圈故障的.mat保存的数据。Outer文件夹里装的是外圈故障的.mat保存的数据。
2024-12-28 22:11:43
253
原创 股票预测（数据为招商银行在A股的数据，模型为CNN_LSTM_Attention,编程语言为python，代码和数据均在压缩包里，可以直接运行，并使用MAE/MSE/MAPE/涨跌准确率作为指标）
测试集的预测值和真实值。训练集的预测值和真实值。
2024-12-28 22:08:47
107
原创 自然环境下，4种水稻叶片病虫害数据集，并使用深度卷积网络对其识别，准确率在98.6%以上（python代码，带有数据集，可以直接运行，带有GUI界面，对代码感兴趣可以私信，为本人创作）
自然环境下，4种水稻叶片病虫害数据集 Bacterial blight（白叶枯病）共1548张，Blast（稻瘟病）共1440张，Brown Spot（褐斑病）共1600张，Tungro(水稻東格魯桿狀病毒)共1308张。2.3.model.py是装载的CNN模型，train.py是调用CNN对训练集训练和对测试集识别（这里展示了20个epoch的训练，可以增加训练次数，将高于98.6%），最后稳定的模型参数保存在CNN.pth。2.1.data文件夹装的是4种水稻叶片病虫害原始数据集。
2024-12-28 22:05:32
329
原创 股票预测（数据为招商银行在A股的数据，模型为MSCNN_Bilstm_Attention,python，代码和数据均在压缩包里，可以直接运行，并使用MAE/MSE/MAPE/涨跌准确率作为指标）
4.与另一篇文章中的CNN_LSTM_attention模型相比，测试集拟合效果更好一点，各项差异指标（MAE/MSE/MAPE）减小。2. 模型（MSCNN_Bilstm_Attention模型）3.测试集的预测值和真实值。
2024-12-28 22:00:10
196
原创 CEEMDAN_LSTM、EMD_LSTM、EEMD_LSTM模型股票预测对比结果
5.所有方法对比：从预测值与真实值的对比图上可以看出效果最好的是EMD_LSTM，从下图的衡量指标也可以看出。所以虽然CEEMDAN和EEMD比EMD方法优秀，但是具体还有看哪种方法应用于实际的数据集。2.模型：CEEMDAN_LSTM模型，EMD_LSTM、EEMD_LSTM模型利用历史收盘价格预测未来的收盘价格。1.数据为比亚迪A股每天收盘价格的数据（2011/6/30-2023/4/3）（一共2848条数据，数据越多，2.利用EEMD对收盘价格的分解。1.利用EMD对收盘价格的分解。
2024-12-28 21:58:11
155
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人