【源码】基于Python和TensorFlow的苹果叶片病害识别系统

项目简介

本项目是基于Python和TensorFlow构建的苹果叶片病害识别系统，借助深度学习模型对苹果叶片病害开展识别工作。项目代码涵盖数据预处理、模型训练和模型测试三个核心模块，能够有效识别苹果叶片病害，并且通过混淆矩阵展示识别结果。

项目的主要特性和功能

• 数据预处理：dataloader.py 文件负责完成图片的预处理以及模型的构建工作。
• 模型训练：train.py 文件用于对模型进行训练，最终生成训练权重文件。
• 模型测试：test.py 文件对训练好的模型进行测试，针对测试集中的图像进行识别，并将结果以混淆矩阵的形式呈现。

安装使用步骤

环境要求

• 显卡：必须为NVDIA显卡，推荐笔记本使用NVDIA RTX 3070 LAPTOP，有条件可选用NVDIA TITAN系列的台式机或服务器作为深度学习平台。若显卡为AMD且无GPU环境则无法使用本软件。
• CUDA版本：CUDA10.0
• cuDNN版本：7.4.x，需适应CUDA10.0
• TensorFlow版本：1.13.1
• Python版本：3.6.9
• Keras版本：2.2.4

软件安装

1. CUDA：从CUDA Toolkit Archive下载对应版本，在线或离线安装版均可。先安装基础包，再安装升级补丁，使用管理员权限安装，一路默认。安装完成后，在命令行输入 nvcc -V 查看版本，若显示版本信息则安装成功。安装成功后，在系统变量中添加以下变量：
   • CUDA_SDK_PATH = C:\ProgramData\NVIDIACorporation\CUDA Samples\v10.0
   • CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
   • CUDA_BIN_PATH = %CUDA_PATH%\bin
   • CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64
   • CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64
2. cuDNN：从cuDNN Download下载对应版本（需注册），解压zip文件，将文件夹里的内容拷贝到CUDA的安装目录（默认C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0）并覆盖相应的文件夹。
3. Anaconda：从Anaconda Download下载Anaconda5.2，也可从清华镜像下载。点击Anaconda3 - 5.2.0 - Windows - x86_64.exe安装，安装过程中选择“加入到系统PATH环境变量”。
4. Python：可从Python Release 3.6.9下载Python3.6.9安装，安装时勾选Add Python 3.6 to PATH选项；也可通过Anaconda创建虚拟环境安装，管理员模式打开命令行，输入conda create –n tensorflow python = 3.6下载并安装python。安装完成后，输入conda list可查询本地安装的库，若有需要的库未安装，可运行conda install ***（为需要安装的包名称）进行安装；若需更新某个包，运行conda update ***。要激活虚拟环境，输入命令Activate ***（为你的虚拟环境名），然后输入conda info –envs查看是否成功激活。
5. TensorFlow：管理员模式打开命令行，若使用GPU版本，输入命令pip install tensorflow - gpu；若选择安装CPU版本，输入pip install tensorflow。安装完成后，命令行输入python进入python编辑环境，再输入import tensorflow as tf，若没有报错，则表示安装成功。注意，一定不要同时安装tensorflow - gpu和tensorflow（CPU版），若已出现问题，需同时卸载tensorflow - gpu版和tensorflow，然后重新只安装tensorflow - gpu。卸载命令分别为pip uninstall tensorflow和pip uninstall tensorflow - gpu。

运行项目

下载项目源码文件后，打开Pycharm软件，运行 train.py 代码，可根据控制台输出及时调整超参数。运行过程中会显示详细损失率以及正确率。训练完成后，运行 test.py 进行测试，测试输出的结果将以混淆矩阵形式呈现。

下载地址

点击下载 【提取码: 4003】【解压密码: www.makuang.net】