- 博客(217)
- 资源 (20)
- 收藏
- 关注
RSS订阅原创 基于光伏电站真实数据集的深度学习预测模型（Python代码，深度学习五个模型）
3.模型（LSTM；LSTM_transform模型）评价指标。前6行的10列数据（黄色部分）作为特征输入，第7行的第10列数据（红色部分）为标签。每一行前9列（黄色部分） 作为特征输入，每一行的第10列值作为标签（红色部分）根据已获取的历史数据预测下一个时间点或者未来多个时间点 更符合实际。5. 对数据集和代码感兴趣的，可以关注最后一行。1min是以1min 间隔采集的数据集。这里分别保存了不同间隔采样时间表格。数据集截图（开始位置截图）4.效果图(测试集)
2024-04-29 00:58:45
386
原创 水稻病害检测（YOLO数据集，多分类，稻瘟病、纹枯病、褐斑病、枯心病、霜霉病、水稻细菌性条纹斑病、稻苞虫）
是自己利用LabelImg工具进行手工标注，数据集制作不易，请尊重版权（稻瘟病、纹枯病、褐斑病、枯心病、霜霉病、水稻细菌性条纹斑病、稻苞虫只需要数据集可以往下关注。
2024-04-28 22:21:44
479
原创 YOLOv8+PyQt5野外火焰检测系统（可以从图像、视频和摄像头三种路径检测）
2.资源包含可视化的野外火焰检测系统，可用于火灾预警或火灾救援，该系统可自动检测和识别图片或视频当中出现的火焰，以及自动开启摄像头，进行火焰检测。基于最新的YOLO-v8训练的火焰检测模型和完整的python代码以及火焰检测的训练数据，下载后即可运行。
2024-04-27 09:34:18
211
1
原创 YOLOv8+PyQt5输电线路缺陷检测（目前最全面的类别检测，可以从图像、视频和摄像头三种路径检测）
以及自动开启摄像头，进行输电线路检测。基于最新的YOLO-v8训练的输电线路检测模型和完整的python代码以及输电线路检测的训练数据，下载后即可运行。
2024-04-25 17:24:59
390
原创 YOLOv8常见水果识别检测系统（yolov8模型，从图像、视频和摄像头三种路径识别检测）
1.效果视频（资源包含可视化的水果识别检测系统，可识别图片和视频当中出现的六类常见的水果，包括： 苹果、香蕉、葡萄、橘子、菠萝、西瓜等，以及自动开启摄像头，进行水果识别检测。基于最新的YOLO-v8训练的水果检测模型和完整的python代码以及水果检测的训练数据，下载后即可运行。2.文件夹截图。
2024-04-24 09:15:51
365
原创 LSTM+transform交通流量预测加PyQt5界面可视化（另外四种LSTM/GRU/CNN-LSTM/CNN-GRU作为对比），并设置数据库，很容易替换为其它时序数据集）
一共五个模型：1.LSTM+transform；4.CNN-LSTM;5CNN-GRU测试集指标对比（MAE/MSE/MAPE）
2024-04-24 00:02:29
619
原创 增加PyQt5界面的交通流量预测（模型为CNN_GRU，CNN_BiGRU_ATTENTION，LSTM，Python代码）
对代码和数据集压缩包，感兴趣的可以关注最后一行。3.增加 PyQt5界面效果。2.三个模型和数据集的介绍。展示不同算法的对比指标。
2024-04-21 14:04:07
719
原创 YOLOv8水稻病害检测系统（python代码，可以通过图片、视频或者摄像头三种路径进行检测）
重要文件解释：predictWindow.py是Pyqt5界面展示主程序，并调用训练好的yolov8模型参数，进行水稻叶不同类别的检测。ricetrain.py是训练脚本，detect_tools.py是用来读取和展示图像，被predictWindow.py调用。yolov8.pt是训练完成模型保存参数。5.对项目和数据集感兴趣的可以关注最后一行。
2024-04-21 11:27:46
282
原创 利用CNN-Bigru-Attention模型输电线路故障诊断(Python代码，TensorFlow框架，)
将故障区分为具体的不同类型：单相短路故障、两相接地短路故障、两相相间故障、三相相间短路故障。这里随意举出每种类别的两个样本进行展示。2.模型：CNN-Bigru-Attention模型，每类故障有1000个样本。售后包免费远程协助运行（用向日葵或者todesk软件协助）1.数据集介绍 （matlab仿真模型获取数据）3.效果（平均识别准确率为 99.31%）4.对项目感兴趣的，可以关注最后一行。混淆矩阵（以准确率形式呈现）
2024-04-17 19:08:09
1077
原创 基于CNN的棉花不同病害叶识别（Python代码，pytorch框架，代码有详细中文注释，准确率在90%以上）
Bacterial Blight（细菌性枯萎病）：细菌性枯萎病是由细菌引起的棉花疾病，主要受害部位是棉花的叶子和茎。Fusarium Wilt（枯萎病）：枯萎病是由一种真菌引起的棉花疾病。这种病害会导致棉花植株的叶子和茎部出现枯萎、变色和凋落的症状。hf.py是对data文件夹里的原始数据进行分割训练集和测试集，生成的训练集和测试集保存在了piture文件夹（如果运行hf.py,需要重新删除piture文件夹）Curl Virus（卷叶病毒）：卷叶病毒是一种病毒性病害，影响棉花植株。
2024-04-16 21:07:46
412
原创 YOLOv8绝缘子边缘破损检测系统（可以从图片、视频和摄像头三种方式检测）
predictWindow.py是Pyqt5界面展示主程序，并调用训练好的yolov8模型参数，进行草莓不同类别的检测。insulator_train.py是训练脚本，detect_tools.py是用来读取和展示图像，被predictWindow.py调用,yolov8.pt是训练完成模型保存参数。可检测图片和视频当中出现的绝缘子和绝缘子边缘是否出现破损，以及自动开启摄像头，进行绝缘子检测。基于最新的YOLO-v8训练的绝缘子检测模型和完整的python代码以及绝缘子的训练数据，下载后即可运行。
2024-04-12 16:26:13
399
原创 YOLOv8草莓（开花&结果）检测系统（可以从图像、视频和摄像头三个途径进行检测）
重要文件解释：predictWindow.py是Pyqt5界面展示主程序，并调用训练好的yolov8模型参数，进行草莓不同类别的检测。strawberrytrain.py是训练脚本，detect_tools.py是用来读取和展示图像，被predictWindow.py调用.yolov8.pt是训练完成模型保存参数。资源包含可视化的草莓检测系统，检测方式：图片、视频、摄像头。基于最新的YOLO-v8训练的草莓检测模型和完整的python代码以及草莓的训练数据，下载后即可运行，输出检测结果。
2024-04-12 11:37:08
234
原创 YOLOv8草莓生长状态（灰叶病&缺钙&需要肥料）检测系统（python开发，可以从图片、视频和摄像头三种方式检测,带有训练模型，可以重新训练，并有Pyqt5界面可视化）
文件夹说明。
2024-04-12 00:19:00
348
原创 定制代码说明（说是先收费（收半款或者全款的），再开工的，敬请小心）
这边定制代码，只会先收30（小项目）或50（大项目）的押金，永远是做好后腾讯会议桌面共享看代码实时运行效果，清晰看代码里主要流程，满意后再结算剩余款项。交单后也会用向日葵或者todesk远程帮你在电脑上成功运行。说是先收费（收半款或者全款的），再开工的，敬请小心。
2024-04-11 09:19:26
176
原创 yolov8草莓及病害检测项目开发（python开发，带有训练模型，可以重新训练，并有Pyqt5界面可视化）
data文件夹的数据集（train文件夹：655张照片和对应的yolo标签，valid文件夹：487张照片和对应的yolo标签；test文件夹：487张照片和对应的yolo标签）train.py文件夹。
2024-04-08 17:45:50
345
原创 yolov8安全帽检测项目开发（python开发，带有训练模型，可以重新训练，并有Pyqt5界面可视化）
predictWindow.py是Pyqt5界面展示主程序，并调用训练好的yolov8模型参数，进行安全帽检测。重点先介绍三个主要代码：detect_tools.py是 用来读取和展示图像。2.2.UIProgram文件夹是存放的界面里面按钮等设置（不重要）2.3.wandb文件夹存放的是训练模型运行的时候检测结果。1.2.1 working文件夹存放的是训练结果。yolov8n.pt保存的是训练好的模型参数。2.1run文件夹存放的是预测图像检测结果。1.1.data里面包含两个文件夹。
2024-04-08 14:48:15
420
原创 国内：深圳交通流量数据集
数据集介绍：宝安区-G4高速西乡大道入口车流量统计。数据来源：深圳政府数据开放平台（数据来源：深圳政府数据开放平台（
2024-04-07 20:19:24
372
1
原创 基于改进深度网络的农业病害识别，（以番茄叶为例，Python代码，pytorch框架）
效果截图针对传统CNN模型在番茄叶片病虫害分类任务中存在训练时间长、训练成本高、泛化能力较弱等问题，我们特别提出了一种新型卷积神经网络模型，即设计了并行深度卷积网络（PCNN）进行实验。这个模型旨在提高训练效率、降低成本，并增强模型的泛化能力。通过在PlantVillage数据集农作物病虫害数据集上进行实验，我们验证了PCNN模型在番茄叶片病虫害分类任务上的性能。相比于传统神经网络模型，PCNN模型在训练时间、成本和泛化能力方面都表现出更为优越的特性，为农业病害识别领域提供了一种新的有效解决方案。
2024-04-04 21:37:15
988
原创 光伏发电量预测（Python代码，CNN结合LSTM，TensorFlow框架）
数据集一共8列，第一列是时间，特征列一共有6列："WindSpeed" - 风速 "Sunshine" - 日照时数 "AirPressure" - 大气压力 "Radiation" - 辐射 "AirTemperature" - 空气温度 "RelativeAirHumidity" - 相对空气湿度。被预测列为最后一列：光伏发电量。数据采集每间隔一个小时，开始时间是2017.1.1号凌晨。数据截止时间：2017年12月31号23:00。1.数据集（开始位置）
2024-03-29 15:26:34
450
原创 六种不同模型下实现玉米叶病害识别（Python代码，pytorch框架，GUI界面，可以轻易替换为其它病害数据集）
模型有 MobileNetV3Small， CNN（自己设计的结构），VGG16，AlexNet，ResNet18，GoogLeNet。模型有 MobileNetV3Small， CNN（自己设计的结构），VGG16，AlexNet，ResNet18，GoogLeNet。训练集损失曲线可视化，测试集准确率曲线，测试集的混淆矩阵，测试集的分类报告。3.运行效果，这里以自己搭建CNN为例，epoch 为10下准确率，Gray_Leaf_Spot（灰斑病，574张照片）Healthy（健康，1162张照片）
2024-03-29 13:35:32
334
原创 一维信号转成二维图像方法总结（Python代码，不涉及TensorFlow或者pytorch框架）
首先对原始数据进行不重叠样本切割（1024的长度） ，正常、内圈故障、滚动体故障和外圈故障每类取150个样本，然后将一维样本经过小波变换转变成图像，也就是生成600张照片，前150张（图像名称0-149.jpg）是正常类型图像，（图像名称150-299.jpg）是内圈故障；（图像名称300-449.jpg）是滚动体故障；（图像名称200-299.jpg）是滚动体故障；其它负载（1HP,2HP,3HP数据集与此类似，不再列举）江南大学轴承数据集（600rpm数据集截止位置）2.1.灰度图像生成（待续）
2024-03-28 23:18:15
818
2
原创 呈现八种结果可视化，加GUI界面，以江南大学数据集（.csv文件保存）为例，小波变换转成图像，再利用（MobileNetV3Smal模型微调）进行故障诊断
是在600rpm,800rpm,1000rpm转速下采集的四种状态数据（正常、内圈故障、外圈故障和滚动体故障）以600转速数据集为例code.py是训练模型，测试模型脚本create_picture.py是小波变换，产生图像的程序GUI.py是呈现GUI界面，调用已经训练好的模型，对图像测试labels是create_picture.py运行时，产生的对应标签背景图片是GUI的背景。
2024-03-20 23:56:38
319
2
原创 以常用的CWRU为例，进行小波变换转成图像，再利用（MobileNetV3Smal模型微调）进行故障诊断，呈现八种结果可视化，加GUI界面
是在0HP、1HP、2HP、3HP采集的四种状态数据（正常、内圈故障、外圈故障和滚动体故障）以0HP为例0HPimages文件夹装载小波变换生成的图像Inner、Normal、outer、 Roller分别放的是对应的原始数据code.py是训练模型，测试模型脚本create_picture.py是小波变换，产生图像的程序GUI.py是呈现GUI界面，调用已经训练好的模型，对图像测试labels是create_picture.py运行时，产生的对应标签背景图片是GUI的背景。
2024-03-20 22:52:08
358
原创 带有GUI界面的电机故障诊断（MSCNN-BILSTM-ATTENTION模型，TensorFlow框架，有中文注释，带有六种结果可视化）
数据集替换提示：本次使用的数据集形式在1.2.小结中有详细介绍，利用一个通道采集的数据，通过1024的长度切割为一个个样本，是故障诊断领域常用的样本形式，如有类似，可轻易替换。第一个文件夹是测试样本第二个文件夹是对应的测试样本真实标签类别，方便你核对模型判断结果是否正确第一个文件夹如下图所示，每个样本就是一个表格。每个表格里就是1024个数据，如下图所示 ，也就是说只要你随表建立一个表格，里面放相关数据的1024个数据，就可以诊断出类别。关于背景图片和按钮框等选项都可以任意修改，已经添加中文注释，因为个人审
2024-03-19 10:32:15
1053
原创 柑橘病害数据集（四类图像分类，没有打yolo标签）
在这个数据集中，有一类是新鲜柑橘，还有另外三种疾病，溃疡病、黑斑病和绿化病。黑斑病） 文件夹溃疡病） 文件夹2.3.fresh（） 文件夹）文件夹。
2023-11-26 00:22:19
1124
原创 创新模型LSTM+Transformer交通流量预测（Python代码，GRU/LSTM/CNN_LSTM作为对比模型，多特征输入，单标签输出，可以替换为其它时序数据集）
测试集效果图（区域放大可以自己调整坐标，想放大哪部分都可以）对比模型的指标差异。
2023-10-31 23:28:37
4064
1
原创 刀具磨损状态识别（Python代码，MSCNN_LSTM_Attention模型，初期磨损、正常磨损和急剧磨损分类，解压缩直接运行）
面铣的长度为 １０８ｍｍ 且 每 次 走 刀 时 间 相 等 ， 每次走刀后测量刀具的后刀面磨损量。数据量较大，因为本地电脑配置一般， 所以只用了c1数据集进行实验，只需要修改数据集路径，也可以调用c2-c6数据集。MSCNN_LSTM_Attention.py是读取原始数据，预处理，磨损状态分类的主程序。6次的数据集中 3次实验中有测量铣刀的磨损量，其他3次没有测量，作为比赛的测试集。version.py是查看你本地环境库的版本，为了方便你运行代码写的脚本。TensorFlow 版本: 2.4.0。
2023-10-28 23:24:31
2643
原创 风力发电功率预测（CEEMDAN-LSTM-CNN-CBAM模型，Python代码）
风力发电功率预测（CEEMDAN-LSTM-CNN-CBAM模型，Python代码）
2023-10-24 23:37:54
1712
1
原创 风速发电预测（线性回归模型 、XGBoost模型 、决策树回归模型 、随机森林回归模型 、梯度提升回归模型与LSTM模型对比，多特征输入，单标签输出，可轻易替换为其它时序数据集）
如果库版本不一样， 一般也可以运行，这里展示我运行时候的库版本，是为了防止你万一在你的电脑上面运行不了，可以按照我的库版本进行安装并运行 如果想查看自己本地目前库的版本，可以运行下面的代码2.数据集介绍2022年美国某个风电场数据集（从1月1号中午12:00开始收集数据，截止时间为：12月31号下午11:00，每隔一个小时收集数据一次），一共8760行数据。一共有6列数据：列名字为Time stamp（2022）； System power generated | (kW) ；Wind spee
2023-10-16 00:39:52
812
4
原创 草莓病害图像数据集（YOLO使用，train为655张照片和val为487张照片）
草莓病害图像数据集（YOLO使用，train为655张照片和val为487张照片）
2023-10-15 13:25:57
950
原创 西安交大转子数据集故障诊断（Python代码，MSCNN结合LSTM结合注意力机制模型）
其中，第一列为水平方向的振动信号，第二列为竖直方向的振动信号。各个 csv 文件按采样时间先后顺序命名，即 1.csv，2.csv，…该实验平台由交流电动机、电动机转速控制器、转轴、支撑轴承、液压加载系统和测试轴承等组成，试验平台可调节的工况主要包括径向力和转速，其中径向力由液压加载系统产生，作用于测试轴承的轴承座上，转速由交流电机的转速控制器来设置与调节。如果库版本不一样， 一般也可以运行，这里展示我运行时候的库版本，是为了防止你万一在你的电脑上面运行不了，可以按照我的库版本进行安装并运行。
2023-10-12 19:20:36
859
原创 基于NASA C-MAPSS数据的剩余机械寿命RUL预测，Python代码（添加了非常详细中文注释），线性回归LR、支持向量回归SVR、随机森林回归RF、xgboost模型
当前的论文研究中，主要以单工况、单故障状态的FD001数据集为主(笔者认为该数据集相对简单，相比于多工况数据，不需要额外的数据处理)。测试集Test_FD001.txt收录了100台非全寿命循环状态的发动机参数信息，即仅包含发动机故障前某个时间终止的多个传感器数据，根据给定的运行参数对每台发动机的RUL进行实时的预测；当前基于机器学习的剩余寿命预测方法的研究异常火爆，其中C-MAPSS数据集在该领域的使用非常广泛，为了方便各位同仁的学习和理解，借此文章向大家简单介绍一下。show.py的如下。
2023-10-10 13:37:16
1342
1
原创 利用动态时间规整（DTW）技术实现对机械寿命预测（基于NASA C-MAPSS数据的剩余使用寿命RUL预测，Python代码，DTW不属于深度学习，但预测效果更容易被解释）
当前的论文研究中，主要以单工况、单故障状态的FD001数据集为主(笔者认为该数据集相对简单，相比于多工况数据，不需要额外的数据处理)。测试集Test_FD001.txt收录了100台非全寿命循环状态的发动机参数信息，即仅包含发动机故障前某个时间终止的多个传感器数据，根据给定的运行参数对每台发动机的RUL进行实时的预测；当前基于机器学习的剩余寿命预测方法的研究异常火爆，其中C-MAPSS数据集在该领域的使用非常广泛，为了方便各位同仁的学习和理解，借此文章向大家简单介绍一下。
2023-10-08 20:39:35
419
原创 光伏发电预测（GRU模型，Python代码）
'Clearsky DHI'，和 'Clearsky DNI'， 'Clearsky GHI'分别为是三个光伏电站的表示。连续10年不间断采集三个光伏电站的发电量及天气情况，每隔半个小时采集一次信息，因此，一共有175296行数据。数据属性： ‘Year’， 'Month'， 'Day'， 'Hour'， 'Minute'这些是时间。），数据由威普罗有限公司（NYSE：WIT，BSE：507685，NSE：WIPRO）收集。开始位置（2009年1月1日0时0分开始开始）2.模型（训练集与测试比例为4:1）
2023-10-07 20:51:52
1290
原创 光伏发电预测（LSTM、CNN_LSTM和XGBoost回归模型，Python代码）
一旦结果与预测差距较大，可能存在光伏系统的问题，需要找出原因，然后采取适当措施来修复光伏系统并做出更好的决策。例如，根据准确的预测，光伏系统运营商可以平衡电力消耗，并将多余的电力储备用于紧急情况。然而，光伏系统的发电量估算是一个挑战，因为光伏系统的发电量受到天气条件的极大影响。整个项目文件夹（第一个文件夹为xgboost模型相关的包文件，xg.py是xgboost模型英文注释版本，xg_chinese.py是xgboost模型中文注释版本）表示太阳能光伏系统的发电量，通常以兆瓦（MW）为单位。
2023-10-06 23:37:05
4294
7
原创 小麦病害数据集（yolo使用）
images文件夹里的train文件夹（631张照片）对数据集感兴趣的，可以关注最后一行。test文件夹（183张照片）val文件夹（91张照片）
2023-10-05 22:31:47
750
6
原创 香蕉叶病害数据集
第一个文件夹为数据增强（旋转平移裁剪等操作）后的数据集。Pestalotiopsis文件夹（173张照片）Pestalotiopsis文件夹（400张照片）sigatoka文件夹（473张照片）sigatoka文件夹（400张照片）Cordana文件夹（162张照片）Cordana文件夹（400张照片）healthy文件夹（129张）healthy文件夹（400张）对数据集感兴趣的，可以关注最后一行。第二个文件夹为原始数据集。
2023-10-05 21:05:48
251
原创 棉花叶病害数据集
Bacterial Blight（细菌性枯萎病）：细菌性枯萎病是由细菌引起的棉花疾病，主要受害部位是棉花的叶子和茎。Fusarium Wilt（枯萎病）：枯萎病是由一种真菌引起的棉花疾病。Curl Virus（卷叶病毒）：卷叶病毒是一种病毒性病害，影响棉花植株。Healthy（健康）："Healthy" 表示没有任何上述病害或问题，棉花植株处于正常健康状态。1.Bacterial Blight（细菌性枯萎病）文件夹（448张照片）3. Fusarium Wilt（枯萎病）文件夹（419张照片）
2023-10-05 16:04:11
644
原创 马铃薯甲虫的成虫和幼虫数据集（YOLO检测）
这是一个包含1810张图像的数据集，图像中展示了马铃薯甲虫的成虫和幼虫。为了采集这些图像，使用了Canyon CNS-CWC5网络摄像头，图像的分辨率为1280x720像素。标记文件采用了YOLO标准，并包含了对象边界框的坐标以及它们的类别信息。数据集下载百度网盘链接：链接: https://pan.baidu.com/s/1m5QKUFDovioz8gMPRSLpfw 提取码: qpei 复制这段内容后打开百度网盘手机App，操作更方便哦。annotations文件夹。
2023-10-02 01:16:18
164
CNN_BiLSTM_Attention模型，LSTM模型，DNN(全连接神经网络)三种模型对短期日负荷曲线的预测
2022-04-13
SWLSTM_GPR-master00.7z
2021-08-28
DAML-master.zip
2021-08-26
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人