- 博客(27)
- 收藏
- 关注
RSS订阅原创 土豆叶病害数据集（5种病害加一种正常）
1.该数据集共包含 6 个病害类别 + 1 个健康类别，每个类别独立存放于相应文件夹中，结构清晰，便于使用。1.1. Bacteria细菌性病害文件夹（569张照片）尤其指疫霉属引起的病害（如晚疫病）蚜虫、螨类等害虫导致的叶片损伤。Fungi真菌性病害，748张。如早疫病、晚疫病、白粉病等。Pest虫害损伤，611张。如细菌性叶斑病、软腐病等。根结线虫等引起的叶片异常。无病害的健康土豆叶片。
2026-01-18 20:17:57
153
原创 木薯叶病害识别：细菌性枯萎病、褐斑病、绿螨、健康和花叶病
3.训练集中的褐斑病（2839张照片）训练集中的细菌性枯萎病（7090张）1.分为训练集、验证集和测试集。训练集中的花叶病（2070张）训练集中的绿螨（2559张）训练集的健康（2073张）
2025-11-24 17:00:38
247
原创 华中科技大学齿轮箱故障诊断(python编程，诊断系统)
摘要：本文介绍了一种基于MSCNN-LSTM-Attention模型的智能齿轮故障诊断系统。该系统使用华中科技大学开源的齿轮箱数据集（包含3种健康状态和30种工况的振动信号），通过多尺度特征提取、时序建模和注意力机制实现端到端故障诊断。系统具有95%以上的准确率，提供可视化分析和维护建议，适用于工业设备状态监测。数据集包含90个TEXT格式文件，记录不同转速和负载下的振动信号，可用于验证诊断算法。
2025-11-24 17:00:13
905
原创 PHM2010刀具磨损数据集分享
2010年PHM大赛刀具磨损数据集包含三组训练数据(c1,c4,c6)和三组测试数据(c2,c3,c5)，采集了X/Y/Z三轴切削力和振动数据(50kHz/通道)以及声发射信号，记录了10400RPM转速下的加工参数。NASA提供的补充数据集包含16种工况的磨损数据，涉及主轴电流、振动、声发射等特征，并标注了后刀面磨损量(VB)。两组数据均适用于刀具状态监测、故障诊断和剩余寿命预测算法的开发研究。数据下载链接和提取码已提供。
2025-11-17 22:55:15
1846
原创 带有GUI界面的电机故障诊断（MSCNN-BILSTM-ATTENTION模型，TensorFlow框架，有中文注释，带有六种结果可视化）
本文介绍了一个基于MSCNN-BILSTM-ATTENTION模型的电机故障诊断系统，包含GUI测试界面和六种可视化分析功能。系统采用1024长度的单通道振动信号作为输入，可诊断轴承、绕组等6类电机故障。数据集来自实验室采集的正常与故障状态下的振动信号，通过不重叠切割形成样本。模型实现了训练/测试曲线、混淆矩阵、特征可视化等分析功能，GUI界面支持自定义测试数据格式（1024点表格数据）。系统特别针对故障数据稀缺问题，在TensorFlow框架下开发，提供完整中文注释，便于功能扩展和界面优化。
2025-11-17 13:35:37
1195
1
原创 腰果叶病虫害数据集
添加图片注释，不超过 140 字（可选）添加图片注释，不超过 140 字（可选）添加图片注释，不超过 140 字（可选）添加图片注释，不超过 140 字（可选）添加图片注释，不超过 140 字（可选）添加图片注释，不超过 140 字（可选）添加图片注释，不超过 140 字（可选）添加图片注释，不超过 140 字（可选）添加图片注释，不超过 140 字（可选）添加图片注释，不超过 140 字（可选）添加图片注释，不超过 140 字（可选）添加图片注释，不超过 140 字（可选）
2025-11-12 22:47:27
355
原创 以常用的CWRU为例，进行小波变换转成图像，再利用（MobileNetV3Smal模型微调）进行故障诊断，呈现八种结果可视化，加GUI界面
本文提出了一种基于小波变换和MobileNetV3Small模型的故障诊断方法。以CWRU数据集为例，将振动信号通过小波变换转换为图像，利用预训练的MobileNetV3Small模型进行微调训练。实验展示了0HP-3HP四种负载状态下的诊断结果，包括准确率曲线、损失曲线、混淆矩阵（数量和百分比形式）、三维可视化、梯形图和分类报告。系统采用GUI界面呈现诊断结果，支持不同格式的数据集替换。该方法通过迁移学习技术有效提升模型收敛速度，为故障诊断提供了一种可视化解决方案。
2025-11-11 21:53:59
388
原创 呈现八种结果可视化，加GUI界面，以江南大学数据集（.csv文件保存）为例，小波变换转成图像，再利用（MobileNetV3Smal模型微调）进行故障诊断
摘要：本文介绍了一个基于小波变换和微调MobileNetV3Small模型的机械故障诊断方案，支持.mat和.csv两种数据格式输入。系统通过GUI界面展示八种可视化结果，在CWRU和JNU数据集上测试，600/800/1000rpm转速下的平均准确率分别为91.23%、94.33%和88.67%。项目采用迁移学习技术，冻结预训练模型高层参数，仅微调分类器层，并提供了完整的代码架构（包括数据预处理、模型训练和GUI交互模块）。实验结果表明该方法对不同转速工况均具有良好的诊断性能，且模型可灵活替换为VGG16
2025-11-11 21:46:45
971
原创 光伏发电量预测（Python代码，CNN结合LSTM，TensorFlow框架）
数据集一共8列，第一列是时间，特征列一共有6列："WindSpeed" - 风速 "Sunshine" - 日照时数 "AirPressure" - 大气压力 "Radiation" - 辐射 "AirTemperature" - 空气温度 "RelativeAirHumidity" - 相对空气湿度。被预测列为最后一列：光伏发电量。黄色部分是一个样本的输入，红色部分为该样本预测输出。数据截止时间：2017年12月31号23:00。预测（训练集和测试集比例：4:1）
2025-11-05 10:49:39
381
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）
摘要：该研究提供了一套手工标注的水稻病害检测数据集，包含稻瘟病、纹枯病等7种病害的5522张训练图像及对应YOLO标签，以及各378张验证集和测试集图片。数据集支持多类别病害检测，也可调整为健康/病害二分类模式。完整资源包括YOLOv8模型和数据集，相关资源可通过B站和优快云获取。数据制作过程强调版权保护，适合目标检测任务使用。
2025-11-04 17:38:01
214
原创 基于改进深度网络的农业病害识别，（以番茄叶为例，Python代码，pytorch框架）
本研究提出一种并行卷积神经网络(PCNN)模型用于番茄病害识别。针对传统CNN模型训练成本高、泛化能力弱等问题，PCNN采用双通道结构，并引入批量归一化层优化训练过程。在包含10种番茄病害的数据集上测试表明，PCNN能有效提升识别效率并降低训练成本。系统实现了图像/视频的多线程识别，并提供可视化界面。相关代码和数据集已开源，包含数据预处理、模型训练和GUI调用等完整流程。该方法为农业病害识别提供了新的解决方案。
2025-11-03 22:26:34
393
原创 基于CNN的棉花不同病害叶识别（Python代码，pytorch框架，代码有详细中文注释，准确率在90%以上）
光伏产量预测系统是一款基于Python的桌面应用，集成CNN、LSTM等5种机器学习模型，提供用户管理、数据处理、模型训练及可视化分析功能。系统采用多线程训练和实时进度反馈，支持1-24小时预测，满足光伏电站运营和电力调度需求。通过Tkinter构建的友好界面和模块化设计，既适合科研也便于行业应用，未来可扩展云端同步和移动端开发。
2025-11-03 22:23:19
492
原创 基于光伏电站真实数据集的深度学习预测模型（Python代码，深度学习五个模型）
本文基于SOLETE光伏数据集，采用深度学习模型进行光伏发电预测。研究对比了LSTM、GRU、CNN-LSTM、CNN-GRU和LSTM-Transform五种模型，使用历史6个时间点的特征数据预测下一个时间点的发电量。实验结果表明，LSTM-Transform模型表现最优（MAE:15.90%，MSE:0.1385%，MAPE:39.74%），其次是CNN-LSTM。研究提供了完整的系统界面设计，包括注册、登录和数据展示功能，为光伏发电预测提供了有效的解决方案。
2025-11-02 22:55:10
415
原创 LSTM+transform交通流量预测加PyQt5界面可视化（另外四种LSTM/GRU/CNN-LSTM/CNN-GRU作为对比），并设置数据库，很容易替换为其它时序数据集）
连接数据库# 创建游标对象# 定义创建表的SQL语句'''# 执行SQL语句# 提交事务# 关闭游标和数据库连接。
2025-11-02 22:39:54
375
原创 利用CNN-Bigru-Attention模型输电线路故障诊断(Python代码，TensorFlow框架，)
本文提出了一种基于CNN-BiGRU-Attention混合神经网络的输电线路故障诊断方法。该方法通过Matlab仿真获取四类典型故障数据（单相短路、两相接地短路、两相相间、三相相间短路），每类包含1000个样本。实验结果表明，该混合模型平均识别准确率达99.31%，较传统CNN模型提升1.3%。模型采用TensorFlow框架实现，提供完整数据集和Python代码，支持远程协助运行。混淆矩阵验证了该方法对各类故障的准确识别能力，为解决电力系统故障诊断问题提供了有效方案。
2025-11-02 22:38:02
350
原创 原始信号与加噪后信号对比GUI小程序（Python代码）
文章摘要：该代码实现了一个基于Tkinter的GUI工具，用于信号处理和噪声添加。主要功能包括：1) 通过CSV文件读取信号数据；2) 使用滑动条调整信噪比(SNR)在-30dB到30dB范围内；3) 实现高斯白噪声添加功能；4) 实时显示原始信号和加噪信号的对比图。核心函数add_noise通过计算信号功率和所需噪声功率来生成符合指定SNR的高斯白噪声。该工具提供直观的交互界面，便于用户观察不同噪声强度对信号的影响。
2025-11-02 22:36:29
441
原创 六种不同故障下刀具状态识别（Python代码，MSCNN_LSTM_Attention模型）
摘要：研究基于MSCNN-LSTM-Attention模型对六种刀具状态的智能识别，包括热裂纹（热应力导致）、急剧磨损（快速恶化需更换）、初期磨损（稳定过渡期）、崩刃（刃口破损）、积屑瘤（切屑堆积）及正常状态。通过Python实现多类型故障检测，视频演示显示模型能有效区分不同磨损特征。该技术对提升刀具寿命监测和加工质量控制具有实用价值。（150字）
2025-11-02 17:53:00
218
原创 剩余机械寿命RUL预测系统（python代码，训练好的模型可以对新数据直接预测剩余寿命和状态）
本文介绍了一个基于Python的航空发动机剩余机械寿命(RUL)预测系统，该系统使用NASA公开的C-MAPSS数据集进行训练。系统包含两个GUI界面分别用于预测剩余寿命和当前状态，数据来源于NASA的涡扇引擎退化模拟数据集，包含多种工况和传感器参数。项目采用单工况的FD001子数据集，包含100台发动机全寿命训练数据和100台测试数据，通过训练好的模型可直接对新数据进行剩余寿命预测。该方法为航空发动机健康管理提供了有效解决方案。
2025-10-31 14:12:34
326
原创 基于CNN-LSTM模型的航空发动机气路故障诊断（python）
航空发动机气路故障智能诊断系统研究 摘要：本研究提出了一套基于CNN-LSTM混合深度学习模型的航空发动机气路故障诊断系统。系统针对五种常见故障类型（叶片磨损、积碳、泄漏等），通过分析多维度传感器数据（压力、温度、转速等20+特征参数）实现智能诊断。创新性地结合了CNN的局部特征提取能力和LSTM的时序建模优势，采用标准化、PCA降维等技术优化数据预处理流程。实验结果表明，该系统具有较高的诊断准确率和工程应用价值。通过可视化分析（KDE图、箱线图等）有效展示了故障特征分布，为航空发动机健康管理提供了智能化解
2025-10-31 14:10:23
687
原创 股票自动爬虫，利用多个模型进行预测（python编程，特征可以任意选择，预测量也可以进行选择）
2.抓取到的数据可以保存在本地，也会以图的形式在可视化界面进行展示，鼠标滑动就可以清楚看到每天的各项指标，不需要再借助炒股软件。3.设置了三种不同的AI模型(CNN,LSTM,CNN-LSTM),在不同模型下也可以设置不同的模型参数（不会调参的，默认参数效果也可以）4.可以对未来五天的进行预测（例如2025.8.22为周五，2025.8.23为周六，周六抓取到截至2025.8.22数据，实现显示8.25（周一）到8.29的预测价格走势。特征可以选择，被预测量也可以选择。
2025-10-31 13:49:15
339
原创 故障诊断系统：基于深度学习的轴承故障分析与诊断平台系统
【摘要】本文介绍了一个基于Python开发的轴承故障诊断系统，该系统整合了信号处理与深度学习技术。系统包含三大核心模块：时域分析模块提供11项信号特征提取与可视化；故障诊断模块集成CNN、MLP和CNN-LSTM三种深度学习模型，支持多转速工况下的故障分类；使用说明模块提供操作指南。系统专为CWRU轴承数据集优化，具备自动信号处理、多维度评估和交互式界面功能，适用于工业预测维护、学术研究和教学演示。该平台将传统信号分析与AI诊断技术融合，为机械故障诊断提供全流程解决方案。（149字）
2025-10-31 10:33:43
624
原创 LSTM+transform交通流量预测加PyQt5界面可视化（另外四种LSTM/GRU/CNN-LSTM/CNN-GRU作为对比），并设置数据库，很容易替换为其它时序数据集）
本文介绍了一个基于深度学习的交通流量预测系统，包含LSTM、GRU、CNN-LSTM、CNN-GRU和LSTM+Transformer五种模型对比。系统采用PyQt5实现可视化界面，支持用户登录注册功能。数据通过MySQL数据库存储管理，特征采用历史6个时间点数据预测未来1个时间点流量的实用方式。测试结果显示LSTM+Transformer表现最优（MAE=15.37%，MAPE=11.50%）。系统自动保存训练曲线、预测结果和评估指标，提供完整的数据可视化展示。该方案将深度学习模型与GUI界面结合，实现了
2025-10-31 10:30:29
988
原创 光伏产量预测系统：基于多个模型的多步长智能预测平台
本文介绍了一个基于Python开发的光伏发电量预测系统。该系统采用Tkinter框架构建图形界面，集成了CNN、LSTM、KNN等5种机器学习模型，实现了用户管理、数据预处理、模型训练及结果可视化等完整功能。系统支持多线程训练和实时进度反馈，可进行1-24小时的多步预测。关键技术包括SHA-256密码加密、特征工程处理和模块化模型设计。该工具适合光伏电站运营和电力调度等场景，未来可扩展云端同步和移动端应用。
2025-10-30 11:29:25
777
原创 格拉姆角场GAF将时序数据转换为图像并应用于东南大学轴承故障诊断（Python代码，CNN模型）
本文介绍了一种基于格拉姆角场(GAF)的轴承故障诊断方法。研究将时序数据通过GAF转换为二维图像特征，并应用CNN模型进行分类。实验使用东南大学采集的轴承数据，针对两种工况(20-0和30-2)下的四种状态(健康、滚动体故障、内外圈故障)进行诊断。通过1024长度不重叠切割原始数据生成样本，转换为图像后训练CNN模型，两种工况下的平均测试准确率分别达到97.89%和97.58%，表明该方法能有效识别轴承故障。
2025-10-30 11:26:44
336
原创 强噪声下基于mscnn-bigru-attention深度学习模型CWRU(凯斯西储大学)轴承故障诊断（Python代码，tensorflow框架，很容易替换模型和数据集，同时带诊断界面）
摘要：本文基于CWRU轴承数据集，提出一种MSCNN-BiGRU-Attention深度学习模型用于强噪声环境下的故障诊断。研究通过添加不同强度的高斯白噪声模拟实际干扰，在0HP至3HP四种负载工况下进行抗噪实验。数据集包含正常、内圈、外圈、滚珠三种故障状态及不同尺寸故障。系统实现了数据预处理、模型训练、可视化分析等功能，并提供GUI界面支持时频域分析和故障诊断。实验结果表明，该模型在低至-30dB的强噪声环境下仍保持较高诊断准确率，验证了其抗噪性能和实用价值。
2025-10-30 11:23:31
1026
原创 迁移学习下的源域和目标域特征Tnse二维和PCA三维可视化小程序（Python代码）
摘要：该内容描述了数据可视化处理流程，主要涉及模型倒数第二层输出特征的提取与展示。数据输入要求特征列为10列（可调整），最后一列为标签，源域数据需按此格式存储以便可视化。文中特别提到特征表格需遵循相同格式要求，但未提供具体的效果图示。整个处理过程旨在实现模型中间层特征的可视化呈现。
2025-10-30 11:21:27
196
原创 带界面下的基于mscnn-bigru-attention深度学习模型江南大学轴承故障诊断（Python代码，很容易替换数据集）
本文介绍了一个基于MSCNN-BiGRU-Attention深度学习模型的轴承故障诊断系统。该系统使用江南大学提供的轴承数据集（采样频率50kHz，转速600-1000rpm），将原始数据切割为1024点/样本进行处理。系统包含训练代码(code600.py)、GUI界面(GUI.py)和模型文件(mscnn-bigru-attention.py)，可实现时域/频域分析、故障诊断等功能。实验在三种转速下各使用8000个样本（7:3训练测试比），运行环境要求TensorFlow 2.4.0和Python 3.
2025-10-30 11:19:38
850
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