基于卷积神经网络的农作物病虫害识别系统是在pytorch框架下实现的，系统中有两个模型可选resnet50模型和VGG16模型，这两个模型可用于模型效果对比，增加工作量。

以上是用anaconda结合vscode搭建python虚拟环境的过程，大家如有问题，欢迎评论区交流！t=O83AIndex of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source MirrorIndex of /anaconda/archive/ | 清华大学开源软件镜像站，致力于为国内和校内用户提供高质量的开源软件镜像、Linux

基于yolov5的钢铁表面缺陷检测系统是在pytorch框架下实现的，这是一个完整的项目，包括代码，数据集，训练好的模型权重，模型训练记录，ui界面等。ui界面由pyqt5设计实现。

基于yolov5的芒果成熟度检测系统是在pytorch框架下实现的，这是一个完整的项目，包括代码，数据集，训练好的模型权重，模型训练记录，ui界面等。ui界面由pyqt5设计实现。

基于yolov10的水下垃圾检测系统是在pytorch框架下实现的，这是一个完整的项目，包括代码，数据集，训练好的模型权重，模型训练记录，GUI界面等。GUI界面由pyqt5设计实现，项目可外接USB摄像头或者直接使用笔记本摄像头。超详细的pycharm+anaconda搭建python虚拟环境_pycharm配置anaconda虚拟环境-CSDN博客pycharm+anaconda搭建pytho

基于yolov8的马路坑洼检测分割系统是在pytorch框架下实现的，这是一个完整的项目，包括代码，数据集，训练好的模型权重，模型训练记录，GUI界面等。GUI界面由pyqt5设计实现，项目可外接USB摄像头或者直接使用笔记本摄像头。

基于unet的钢铁表面缺陷分割识别系统是在pytorch框架下实现的，这是一个完整的项目，包括代码，数据集，训练好的模型权重，模型训练记录，GUI界面等。GUI界面由pyqt5设计实现，项目可外接USB摄像头或者直接使用笔记本摄像头。

基于卷积神经网络的五谷识别是在pytorch框架下实现的，项目中有2个模型，resnet50，efficentnet，两个模型都在项目中，随便用一个模型即可，也可以两个都用，做模型对比，增加工作量。

以上是用anaconda结合vscode搭建python虚拟环境的过程，大家如有问题，欢迎评论区交流！t=O83AIndex of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source MirrorIndex of /anaconda/archive/ | 清华大学开源软件镜像站，致力于为国内和校内用户提供高质量的开源软件镜像、Linux

基于unet的洪水区域分割系统是在pytorch框架下实现的，这是一个完整的项目，包括代码，数据集，训练好的模型权重，模型训练记录，GUI界面等。GUI界面由pyqt5设计实现，项目可外接USB摄像头或者直接使用笔记本摄像头。