26年WP软件工程基于YOLO11的农作物病虫害检测系统的设计与实现5.67-AI3.98.docx

下载本文档

阅读 0
格式 docx
大小 10.51 MB
约67页
2026-06-26
收藏
评论
点赞(0)
海报
举报

26年WP软件工程基于YOLO11的农作物病虫害检测系统的设计与实现5.67-AI3.98.docx_第1页

1/67页

26年WP软件工程基于YOLO11的农作物病虫害检测系统的设计与实现5.67-AI3.98.docx_第2页

2/67页

26年WP软件工程基于YOLO11的农作物病虫害检测系统的设计与实现5.67-AI3.98.docx_第3页

3/67页

26年WP软件工程基于YOLO11的农作物病虫害检测系统的设计与实现5.67-AI3.98.docx_第4页

4/67页

26年WP软件工程基于YOLO11的农作物病虫害检测系统的设计与实现5.67-AI3.98.docx_第5页

5/67页

26年WP软件工程基于YOLO11的农作物病虫害检测系统的设计与实现5.67-AI3.98.docx_第6页

6/67页

26年WP软件工程基于YOLO11的农作物病虫害检测系统的设计与实现5.67-AI3.98.docx_第7页

7/67页

26年WP软件工程基于YOLO11的农作物病虫害检测系统的设计与实现5.67-AI3.98.docx_第8页

8/67页

26年WP软件工程基于YOLO11的农作物病虫害检测系统的设计与实现5.67-AI3.98.docx_第9页

9/67页

26年WP软件工程基于YOLO11的农作物病虫害检测系统的设计与实现5.67-AI3.98.docx_第10页

10/67页

在线预览已结束，请下载后查看完整版，加入VIP享文档下载特权

/67

文本预览下载提示常见问题

- I -哈尔滨理工大学学士学位论文基于 YOLO11 的农作物病虫害检测系统的设计与实现摘要农作物病虫害会直接影响作物产量和品质。传统识别方式主要依赖农户或农技人员的经验判断，在实际使用中容易受到观察角度、经验水平和环境条件的影响，存在效率不高、判断不够稳定等问题。随着计算机视觉和深度学习技术的发展，将目标检测算法应用于农业病虫害识别，能够为基层农业生产提供一种较为便捷的辅助判断手段。本文设计并实现了一套基于 YOLO 的农作物病虫害智能检测系统。系统采用前后端分离架构，主要由 Vue 前端、Spring Boot 后端、Flask 检测服务和 MySQL...

1、当您付费下载文档后，您只拥有了使用权限，并不意味着购买了版权，文档只能用于自身使用.。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。
3、如文档内容存在违规，或者侵犯商业秘密、侵犯著作权等，请点击“违规举报”。

碎片内容