转载:https://www.cnblogs.com/itzixueba/p/18410587 使用YOLO进行目标检测训练之后，会在runs\detect\train下生成一些训练过程和结论文件： 那些名字里带batch的图片，是不同批次的图像预测结果。它们可视化了模型在训练过程中对数据的处理情况。这点在上一篇中已经讲过了。今天重点说说有关结论性的东西。 看到上面的一堆图表和曲线，很多人有

一、名称🚀️基于YOLOv11的多作物病虫害智能检测系统（支持玉米、水稻、草莓、番茄等作物的病害识别） 二、项目背景农作物病虫害是威胁农业生产的重要因素，传统人工检测方式效率低、成本高。本项目利用前沿的YOLOv11目标检测算法，结合农业领域专业知识，构建高效精准的病虫害识别系统，助力农业智能化发展和病虫害防治。 三、目标 实现玉米、水稻、草莓、番茄四大作物的19种常见病害自动化检测 提供实

一.介绍gradio搭建的一个校园门禁系统,可以实现目标检测,人脸识别和车牌识别 二.演示

作物产量预测和病虫害识别系统一、简介作物产量预测和病虫害识别系统：收集历史气象数据（温度、降水等）、作物信息、土壤数据和相应的作物产量数据，运用回归分析、机器学习算法构建产量预测模型,训练病虫害数据来识别作物的病虫害 二、技术1.数据挖掘 2.机器学习 3.sklearn 4.pyside6 5.yoloV11 三、项目开发环境系统:Windows11处理器: Intel(R) Core(TM)

1 月 28 日凌晨，除夕夜前一晚，DeepSeek 又开源了其多模态模型 Janus-Pro-7B，宣布在在 GenEval 和 DPG-Bench 基准测试中击败了 DALL-E 3（来自 OpenAI）和 Stable Diffusion。 Janus-Pro 是先前工作 Janus 的改进版本。具体来说，Janus-Pro 包含：(1)优化的训练策略，(2)扩展的训练数据，以及(3)更大模

DeepSeek-R1 发布，性能对标 OpenAI o1 正式版2025年1月21日，DeepSeek-R1正式发布，并同步开源模型权重。 DeepSeek-R1 遵循 MIT License，允许用户通过蒸馏技术借助 R1 训练其他模型。 DeepSeek-R1 上线 API，对用户开放思维链输出，通过设置 model='deepseek-reasoner' 即可调用。

创建/删除虚拟环境 conda create -n your_env_name python=X.X（2.7、3.6等） conda remove -n your_env_name --all 查看现有环境(在env文件夹下) conda env list 激活/退出虚拟环境 conda activate env_name conda deactivate 安装

在本次项目实践中，数据安全与合规管理至关重要。第一步，我们要着手获取适用的数据集，该数据集须涵盖至少 10 条有效数据，且字段里包含如身份证号、联系方式、财务等这类敏感信息，贴合真实业务场景中的数据特点。 拿到数据集后，立即启用高强度加密算法对其加密。同时，搭建直观的数据展示模块，方便后续查看与分析。在数据读取环节，精准抓取数据关键信息，为业务决策提供依据。尤为关键的是，系统内置专业的数据脱敏功能

一、课程设计背景与目标课程设计背景随着大数据技术的飞速发展，农业领域也开始逐渐应用大数据分析，以提升生产效率、优化资源配置和加强环境保护。农业生产过程中涉及大量的数据，包括气候、土壤、作物生长、病虫害等信息。通过大数据技术，可以更好地理解农业系统中的各种变量及其相互关系，从而实现精准农业、提高农产品质量、减少资源浪费，并推动可持续发展。例如，通过分析土壤质量、天气变化、作物生长等数据，能够有效地提

一、项目简介基于气象和土壤数据的作物产量预测：收集历史气象数据（温度、降水、日照等）、作物信息、土壤养分数据和相应的作物产量数据，运用回归分析、机器学习算法（如决策树、支持向量机等）构建产量预测模型 二、项目技术1.数据挖掘 2.机器学习 3.sklearn 4.pyside6 三、项目功能输入四个指标可以进行预测产量 训练结果在底部标签框展示 点击预测产量后会自动加载对应的模型 点击预训练模型会