基于【EasyDL】【图像分类】实现农作物病害识别小程序

这篇具有很好参考价值的文章主要介绍了基于【EasyDL】【图像分类】实现农作物病害识别小程序。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

内容、数据集来源:基于飞桨的农作物病害智能识别系统 - 飞桨AI Studio

项目背景 

        联合国粮食及农业组织的一份报告表明,每年农业生产的自然损失中有三分之一以上是由农业病虫害造成的,使这些成为当前影响农业生产和农业生产的最重要因素。需要考虑的农业病虫害众多,依赖于实验室观察和实验的传统方法很容易导致错误的诊断。除此之外,缺乏专业的农业技术人员往往难以及时发现病虫害以采取适当的补救措施。为了克服这些问题,许多研究人员转向使用机器学习方法和计算机视觉技术来识别农业病虫害。这首先涉及分析和处理与植物病虫害相关的图像数据。在此之后,建立机器学习模型以获得与不同图像特征相关的不同层次。最后,使用分类器来快速准确地识别不同类型的病虫害。所有采用这种方法的研究的最终目的都是为农业病虫害的防治提供技术指导。
  农业病害的图像识别比农业病虫害的识别更具挑战性。各种机器学习方法已经解决了这个问题。这些包括聚类方法、SVM分类器、贝叶斯分类器和浅层神经网络方法。许多这项工作正在进行中。然而,传统的机器学习方法在用于农业病害图像识别的实际应用中,往往存在一些不足:它们高度依赖于原始疾病图像的质量;这些方法的实现通常非常复杂;如果训练样本的数量很大,使用这些传统的机器学习方法很难有效地构建相应的模型。
  随着现代智能农业的发展,使得使用更先进、更智能的机器学习方法来利用这些数据提供的机会来提高农业病害图像的有效性变得越来越重要。机器学习方法的最新进展,如深度学习和迁移学习,在许多应用领域取得了重大突破,并开始被用于农业病害图像识别。

数据来源与数据详情 

访问顶部连接 即可自行下载数据集

        基于AI Challenger农作物叶子图像数据集包含10种植物(苹果、樱桃、葡萄、柑桔、桃、草莓、番茄、辣椒、玉米、马铃薯)的27种病害(其中24个病害有分一般和严重两种程度),合计61个分类(按“物种-病害-程度”分)的特性,训练图像总数为31718张,测试图像总数为4540张。每张图包含一片农作物的叶子,叶子占据图片主要位置。

基于easydl的图像识别,人工智能,Java,PaddlePadlle,微信小程序,小帅一点资讯

对数据进行分类处理

EasyDL 上传的数据集为压缩包 两种类似 一种JSON文件、图片文件命名都为分类名称、另一种文件夹为分类名称,图片命名随意。小帅丶选择后者。为了快速处理、使用Java代码进行文件的迁移和文件夹创建。代码执行完进行打包生成压缩包文件。

 文章来源地址https://www.toymoban.com/news/detail-742693.html

import cn.hutool.core.io.FileUtil;
import com.alibaba.fastjson.JSON;
import disease.bean.DiseaseTypeBean;

import java.io.File;
import java.nio.charset.Charset;
import java.util.List;
import java.util.Map;
import java.util.stream.Collectors;

/**
 * Created by 小帅丶 on 2023-05-11 12:34.
 * Version 1.0
 */

public class DiseaseTypeSample {

    public static void main(String[] args) {
       trainDisease();
       validDisease();
    }

    //训练数据集
    private static void trainDisease() {
        String dealPath = "F:\\share\\数据集\\disease\\";
        String filePath = "F:\\share\\数据集\\data\\AgriculturalDisease_trainingset\\";
        String fileName = "AgriculturalDisease_train_annotations.json";
        String fileContent = FileUtil.readString(filePath + fileName, Charset.defaultCharset());
        List<DiseaseTypeBean> diseaseTypeBeanList = JSON.parseArray(fileContent, DiseaseTypeBean.class);
        //基于ID分类
        Map<Integer, List<DiseaseTypeBean>> diseaseClassMap = diseaseTypeBeanList.stream()
                .collect(Collectors.groupingBy(DiseaseTypeBean::getDisease_class));
        long startTime = System.currentTimeMillis();
        //数据拆分
        for (Integer diseaseClass : diseaseClassMap.keySet()) {
            System.out.println("===当前分类:\t" + diseaseClass);
            String newFilePath = dealPath + diseaseClass;
            File file = new File(newFilePath);
            if (!file.exists()) {
                file.mkdirs();
            }
            //读取指定分类的图片信息 存入新的文件夹
            List<DiseaseTypeBean> diseaseTypeBeans = diseaseClassMap.get(diseaseClass);
            System.out.println("===当前分类:\t" + diseaseClass +"分类数量:\t"+diseaseTypeBeans.size());
            for (DiseaseTypeBean diseaseTypeBean : diseaseTypeBeans) {
                FileUtil.copy(filePath + "images\\" + diseaseTypeBean.getImage_id(),
                        newFilePath + File.separator+diseaseTypeBean.getImage_id(),
                        true);
            }
        }
        //===总耗时:510874
        System.out.println("===总耗时:" + (System.currentTimeMillis() - startTime));
    }

    //验证数据集
    private static void validDisease() {
        String dealPath = "F:\\share\\数据集\\diseasetrain\\";
        String filePath = "F:\\share\\数据集\\data\\AgriculturalDisease_validationset\\";
        String fileName = "AgriculturalDisease_validation_annotations.json";
        String fileContent = FileUtil.readString(filePath + fileName, Charset.defaultCharset());
        List<DiseaseTypeBean> diseaseTypeBeanList = JSON.parseArray(fileContent, DiseaseTypeBean.class);
        //基于ID分类
        Map<Integer, List<DiseaseTypeBean>> diseaseClassMap = diseaseTypeBeanList.stream()
                .collect(Collectors.groupingBy(DiseaseTypeBean::getDisease_class));
        long startTime = System.currentTimeMillis();
        //数据拆分
        for (Integer diseaseClass : diseaseClassMap.keySet()) {
            System.out.println("===当前分类:\t" + diseaseClass);
            String newFilePath = dealPath + diseaseClass;
            File file = new File(newFilePath);
            if (!file.exists()) {
                file.mkdirs();
            }
            //读取指定分类的图片信息 存入新的文件夹
            List<DiseaseTypeBean> diseaseTypeBeans = diseaseClassMap.get(diseaseClass);
            System.out.println("===当前分类:\t" + diseaseClass +"分类数量:\t"+diseaseTypeBeans.size());
            for (DiseaseTypeBean diseaseTypeBean : diseaseTypeBeans) {
                FileUtil.copy(filePath + "images\\" + diseaseTypeBean.getImage_id(),
                        newFilePath + File.separator+diseaseTypeBean.getImage_id(),
                        true);
            }
        }
        //===总耗时:55716
        System.out.println("===总耗时:" + (System.currentTimeMillis() - startTime));
    }


}

登录EasyDL平台

1.登录EasyDL平台EasyDL-零门槛AI开发平台EasyDL面向企业开发者提供零门槛AI开发平台,一站式支持智能标注、模型训练、服务部署等功能,内置丰富的预训练模型,支持公有云/私有化/设备端等灵活部署方式,已在工业、零售、制造、医疗等领域落地。EasyDL面向零售行业场景还提供了深度定制的EasyDL零售行业版。https://ai.baidu.com/easydl/2.上传数据集。等待平台处理完成

3.开始训练模型。小帅丶使用的为默认配置的资源(总训练耗时5小时19分钟 自身有4+小时免费额度、后续扣款使用了10块 这个价格个人还是可以接收)

4.等待训练完成(总耗时有8小时以上、反正会发短信通知)

看下图了解训练的精确率、F1召回率等

基于easydl的图像识别,人工智能,Java,PaddlePadlle,微信小程序,小帅一点资讯 

发布模型并接入小程序

1.发布模型、等待审核通过即可自行调用API

2.体验H5也可以。无需任何代码。即可由官方生成H5的页面进行体验

 查看小程序演示

基于easydl的图像识别,人工智能,Java,PaddlePadlle,微信小程序,小帅一点资讯

基于easydl的图像识别,人工智能,Java,PaddlePadlle,微信小程序,小帅一点资讯 

 

到了这里,关于基于【EasyDL】【图像分类】实现农作物病害识别小程序的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包