132基于深度学习的识别+Qt界面之叶子疾病检测

本期给大家介绍的是利用深度学习构建 leaves disease recognition 系统，并结合图形用户界面（GUI）实现 QT 界面的叶子疾病识别。

代码下载和视频演示地址：

132利用深度学习技术实现叶子疾病识别并开发图形界面用于植物健康管理

整个文件夹主要是data数据集文件夹和2个py文件+一个Qt界面。

数据集放在data文件夹下，共4个叶子疾病：'枯萎病','普通锈病','灰色叶斑','健康'

通过执行01数据集文本生成制作.py这个脚本程序，能够将data文件夹中的图像路径以.txt格式存储，并记录每个图像的路径信息及其对应的标签信息。

通过执行训练脚本02train.py的操作流程，在指定路径下完成数据读取任务，并生成相应的训练和验证数据集。该系统不仅支持从11种不同的模型架构中任意切换使用，并且能够自动完成相关的配置初始化工作。此外，在完成训练后会自动生成一份完整的模型参数文件存档至预设位置，并提供多种预定义的基础网络结构供后续使用选择。

最后训练完成后会生成评价指标图，包括f1-score、精确率和召回率：

03pyqt.exe只需双击即可运行。在配置成功后，请确保Python环境变量和运行脚本的路径已正确设置；这样就能对加载进来的是图片进行识别了。

03pyqt.exe只需双击即可运行。在配置成功后，请确保Python环境变量和运行脚本的路径已正确设置；这样就能对加载进来的是图片进行识别了。

该.exe文件使用Qt Creator进行编译，请问您是否可以从logs目录中获取源代码？

注：

下载本代码环境自行安装

如需远程安装环境运行，

或逐行代码注释（小白也能快速掌握理解代码），

或其他需求定制

都可进行定制。

其他代码可了解：

001手写汉字识别-单个汉字识别-chinese handwriting recognition-python代码')
002UNet墙体瑕疵检测-python-pytorch')
003水果识别小程序-python-pytorch-mobilenet')
004基于python的hog+svm实现目标检测')
005yolov5_deepsort目标跟踪行人统计数量')
006人流目标跟踪pyqt界面_v5_deepsort')
007CycleGAN_风格迁移+qt界面')
008yolov4口罩目标检测识别')
009中草药识别小程序')
010基于vgg的CT_COVID与CT_NonCOVID二分类识别')
011汉字识别crnn_qt界面')
012yolov3口罩识别检测_是否佩戴规范检测_qt界面')
013yolov3交通牌检测_CCTSDB数据集检测')
014人脸识别打卡签到系统pyqt界面')
...（省略中间部分）...
153基于python基于CNN的15种动物实现实时计数）

​