改进YOLOv5猕猴桃叶病害检测模型
基于 YOLOv5 的猕猴桃叶病害检测系统，属于那种一眼看上去就挺实用的项目。模型做了点优化，对小目标的识别更细，病斑位置也标得比较准，适合做农作物病虫害类的检测原型。
改进后的YOLOv5模型加了注意力机制，推理速度和精度之间平衡得还不错，落地部署也不难。你可以直接上onnxruntime部署，基本上开箱即用。
项目结构清晰，数据集格式是 VOC 风格，新手也能快速上手。用了Gradio做了界面交互，想做个 Web Demo 的话，不需要你写太多前端代码，连HTML都可以少碰几次。
如果你是做农业相关 AI 项目的，或者想试着优化 YOLOv5 在特殊场景下的表现，这个资源蛮适合的。需要注意的是，最好先检查下依赖环境，Python 3.8配torch==1.9.0比较稳。
想了解类似项目？你可以看看这些：
如果你对YOLOv5感兴趣，平时也在玩图像识别，那这个项目可以拿来练练手、改改代码，也许还能给你启发点别的想法。
文件大小：5.22MB
评论区