shine_Lee_的博客

、问题背景病虫害一直是农业生产中无法避免的问题，每年都会由此造成巨大的经济损失。为了对农田病虫害进行有效的预防和控制，需要收集有害生物信息，在此基础上进行虫情分析。由于农田害虫的多样性和信息类型的复杂性，通过人工观察统计的传统害虫监测方式已经难以满足现代大规模农业生产对虫害预防工作的需要。近年来出现的虫情测报灯是虫情信息采集的智能设备，可以在无人监管的情况下，实现自动诱集、杀虫、虫体分散、拍照等作业，并实时地将虫情信息上传至云平台。虫情测报灯的投入使用可帮助植保人员高效地进行虫情分析，提高测报

1、其中系统盘为所需模型的文件，比较大，包含clip的clip_cn_vit-b-16.pt，千问是视觉大模型7B量级，以及版面分析模型权重文件，移入autodl平台的服务器系统盘，我已保存为ATI镜像，直接分享镜像，创建实例后即可，不用浪费时间下载。核心任务就是针对问题一的正文内容是使用的pdf属性为文本，提取文本内容，通过result1.xlsx可以看出存在文本字数为0的情况，也即是说会有pdf是又由截图组成的，例如将word内容截图贴图，形成pdf。论文重复率 = 论文中抄袭字数/论文中总字数。

【第十三届“泰迪杯”数据挖掘挑战赛】【2025泰迪杯】A题解题全流程-思路分享，后续更新

毕设无忧版。本课题基于数据开放平台的水表图片集、手机拍摄水表图片集、网络图片收集、竞赛平台数据集等，处理筛选数据后，针对两款水表数据进行图片标注处理，分别为**八指针老式水表**和**四指针老式水表**。具有丰富代码、数据、论文等，

利用附件1和附件2的信息，建立确定害虫位置及种类的模型和算法。应用问题1所建立的模型和算法对附件3中提及的图像进行识别，并确定害虫的位置，将结果存放在“result2.csv”文件中（模板文件见附件4中的result2.csv）。根据问题2得到的结果，对附件3中提及的图像文件中不同种类的害虫数量进行统计，将统计结果存放在“result3.csv”文件中（模板文件见附件4中的result3.csv）。包含3015张图片。其中有害虫标签的图片为576张，804张为待测图片、剩余图片为background。

model-arch: 模型规模，选项包括: 指定Pytorch模型ckpt路径，上面的代码示例中我们指定为预训练的ckpt路径，也可以指定为用户finetune ckpt的位置。ckpt中的参数需要与model-arch指定的模型规模对应: 指定输出ONNX格式模型的路径（前缀）。完成转换后，代码将分别输出文本侧和图像侧的ONNX格式编码模型文件，FP32与FP16各一版，该参数即指定了以上输出文件的路径前缀和: 指定是否转换文本侧和图像侧模型。

更新内容：全部代码，制作数据、训练权重，结果，视频：其中，LXS文件夹，代表所有的jupyter代码以及Chinese clip模型代码，基于服务器就可以直接运行，（找我分享服务器镜像，不用再配置环境了）今晚将进行选择最大最全面的中文预训练模型，对正式数据再进行训练（很费时间，很费资源。

​ 本题的全部资料打包为“全家桶”，“全家桶”包含：模型数据、全套代码、训练好的模型权重、结果csv、教程、详细实验过程PPT、教学视频、成品论文(还在写作中，后续跟新至文件中)(赠品)基于正式数据的毕设级项目多模态图文互检系统达到“以赛促学”的目的，从0到1，从环境配置开始，到模型构建、数据准备、模型训练、模型recall_TOP1、5、10召回验证、文到图预测、图到文预测、预测结果后处理为result.csv。全流程教学，良心制作。

​ 最近很多小伙伴需要这个，由于文件过大，所以将代码完整上传至gitee，所有文件、教程、论文、以及代码模型、模型结果等。文末有，还请点个小关注。

本文讲述**重写torch.utils.data.DataLoader类的构造方法**，**对自定义图片制作类似MNIST数据集格式**（image, label），用于自己的Pytorch神经网络模型运行，

PYTHON代码os.walk()方法解析、案例解析、深度学习数据集制作小模块

前提：电脑拥有英伟达独立显卡!!!，并且安装了anaconda！！！本文简单易懂，现在的电脑，一般都是显卡驱动版本超过450的，在Anaconda Prompt中输入查看nvidia-smi。

2022泰迪杯挑战赛A题害虫识别完整版(大致思路，详细过程和代码在压缩包中)： 本套压缩包，包含了：数据预处理代码、YOLO害虫识别定位全套代码、结果处理代码（去归一化为像素坐标等转为csv文件）、已有的结果result2,result3.csv（由于百度网盘速度感人，上传至阿里云盘，包中有网站和提取码）等

第十届泰迪杯a题害虫识别yolov5模型

租用服务器，以及部署在pycharm专业版上的pytorch环境训练yolov5模型教程服务器环境安装库文件：

简单快速建立pytorch环境+实现YOLOv5目标检测 模型跑起来(小白都会的教程）

NVIDIA GeForce Experience登录报错：验证程序加载失败，请检查您的浏览器设置，例如广告拦截程序(解决办法)

基于cuda10.0的pytorch深度学习环境配置(报错解决)1.首先查看自己nvidia 显卡的版本，一般都能适用cuda10.0：1.打开win+s 搜索nvidia控制面版，查看系统信息2.可以看到 自己CUDA的版本号 496.76，在安装CUDA之前，需要查看自己电脑的GPU驱动的版本，因为CUDA版本对GPU驱动版本有要求，对应关系如下： 所以完全满足安装cuda10.02.安装cuda10.0和cudnn安装链接：CUDA和cuDNN 安装10.0版本3.创建和

CUDA和cuDNN 安装10.0版本提供cuda10.0版本下载包：链接：https://pan.baidu.com/s/1bTGfGLsNq5GyYly_82GH4g提取码：2022安装：先安装cudawin10exe解压后，把cudnn文件里的所有都复制，然后放入安装的cuda的文件里：（默认放在：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0）安装完成！...