发布时间:2026/9/3 5:32:27
水稻杂草分割数据集 水稻杂草的语义分割任务 来做数据集准备、模型配置、训练评估等 6类水稻杂草分割数据集数据集有图像904张图像大小是512x512VOC格式可支持UNet、DeepLabv3、SegFormer等模型可直接使用图像未经任何亮度和噪声等预处理使用UNet模型进行水稻杂草的语义分割任务包括数据集准备、模型配置、训练评估以及构建一个简单的GUI应用程序来展示分割结果。1. 安装依赖首先确保你的环境中已经安装了必要的库pipinstalltorch torchvision torchaudio opencv-python albumentations matplotlib tqdm2. 数据集准备假设你的数据集已按照VOC格式组织好包括JPEGImages存放图像和SegmentationClass存放对应的标注掩码图像并且有一个文件列表用于划分训练集和验证集。创建一个自定义的PyTorch Dataset类来加载数据importosfromtorch.utils.dataimportDatasetimportcv2importnumpyasnpfromtorchvisionimporttransformsimportalbumentationsasAfromalbumentations.pytorchimportToTensorV2classRiceWeedDataset(Dataset):def__init__(self,img_dir,mask_dir,list_path,transformNone):self.img_dirimg_dir self.mask_dirmask_dir self.transformtransformwithopen(list_path,r)asf:self.filenames[line.strip()forlineinf]def__len__(self):returnlen(self.filenames)def__getitem__(self,idx):filenameself.filenames[idx]img_pathos.path.join(self.img_dir,filename.jpg)mask_pathos.path.join(self.mask_dir,filename.png)imagecv2.imread(img_path)imagecv2.cvtColor(image,cv2.COLOR_BGR2RGB)maskcv2.imread(mask_path,cv2.IMREAD_GRAYSCALE)ifself.transform:augmentedself.transform(imageimage,maskmask)imageaugmented[image]maskaugmented[mask]# 调整mask的类别数maskmask.long()mask[mask6]0# 如果有超出范围的像素设为背景returnimage,mask定义一些基本的数据增强操作transformA.Compose([A.Resize(512,512),A.Normalize(mean(0.485,0.456,0.406),std(0.229,0.224,0.225)),ToTensorV2()])3. 配置UNet模型实现UNet模型并初始化它importtorch.nnasnnimporttorch# UNet模型的具体实现可以参考公开资源或使用现成的实现# 这里简化了模型结构classUNet(nn.Module):def__init__(self,n_channels,n_classes):super(UNet,self).__init__()# 实现细节省略...passdefforward(self,x):# 前向传播逻辑...passmodelUNet(n_channels3,n_classes7)# 3通道输入7类输出6种杂草背景4. 训练模型定义损失函数和优化器并开始训练fromtorch.utils.dataimportDataLoaderimporttorch.optimasoptim# 加载数据集train_datasetRiceWeedDataset(img_dirpath/to/JPEGImages/,mask_dirpath/to/SegmentationClass/,list_pathpath/to/train.txt,transformtransform)val_datasetRiceWeedDataset(img_dirpath/to/JPEGImages/,mask_dirpath/to/SegmentationClass/,list_pathpath/to/val.txt,transformtransform)train_loaderDataLoader(train_dataset,batch_size4,shuffleTrue)val_loaderDataLoader(val_dataset,batch_size4,shuffleFalse)# 损失函数和优化器criterionnn.CrossEntropyLoss()optimizeroptim.Adam(model.parameters(),lr0.001)# 训练循环forepochinrange(epochs):model.train()running_loss0.0forimages,masksintrain_loader:optimizer.zero_grad()outputsmodel(images)losscriterion(outputs,masks)loss.backward()optimizer.step()running_lossloss.item()*images.size(0)print(fEpoch{epoch1}, Loss:{running_loss/len(train_loader.dataset)})5. 构建GUI应用程序构建一个简单的PyQt5 GUI应用程序来展示UNet的分割结果importsysfromPyQt5.QtWidgetsimportQApplication,QLabel,QVBoxLayout,QWidget,QPushButton,QFileDialogfromPyQt5.QtGuiimportQPixmap,QImageimportcv2importnumpyasnpfromPILimportImageclassAppDemo(QWidget):def__init__(self):super().__init__()self.setWindowTitle(Rice Weed Segmentation)self.setGeometry(100,100,800,600)self.image_labelQLabel(self)self.buttonQPushButton(Load Image,self)self.button.clicked.connect(self.load_image)vboxQVBoxLayout()vbox.addWidget(self.image_label)vbox.addWidget(self.button)self.setLayout(vbox)# 加载已训练的UNet模型self.modeltorch.load(path/to/your/trained_model.pth)self.model.eval()defload_image(self):fname,_QFileDialog.getOpenFileName(self,Open file,,Image files (*.jpg *.png))iffname:self.show_image(fname)defshow_image(self,image_path):imagecv2.imread(image_path)image_tensortransforms.ToTensor()(image).unsqueeze(0)withtorch.no_grad():predictionself.model(image_tensor)_,predstorch.max(prediction,dim1)pred_maskpreds.squeeze().cpu().numpy()pred_maskImage.fromarray(pred_mask.astype(np.uint8),modeP)pred_mask.putpalette([0,0,0,255,0,0,0,255,0,0,0,255,255,255,0,128,0,128])# 根据需要调整颜色板pred_maskpred_mask.convert(RGB)height,width,channelpred_mask.shape bytes_per_line3*width q_imgQImage(pred_mask.data,width,height,bytes_per_line,QImage.Format_RGB888)pixmapQPixmap.fromImage(q_img)self.image_label.setPixmap(pixmap)if__name____main__:appQApplication(sys.argv)demoAppDemo()demo.show()sys.exit(app.exec_())同学呀需要根据自己的具体需求进行适当的修改和调试。希望你能够_训练UNet模型并应用于水稻杂草分割任务仅供参考同学。

相关新闻

2026/9/3 5:32:27

电商比价系统不是爬虫练习,而是多源数据融合工程

简介:本资源是一套面向计算机专业本科生的毕业设计级商品比价系统实现方案,聚焦Python定向爬虫开发与多范式工程实践,适用于毕业设计、课程设计及综合大作业场景。压缩包共16个文件(含10个核心Python源码、3个编译缓存文件、1个SQ…

2026/9/3 5:27:27

Python实现6S大气校正:遥感影像自动化处理与多卫星支持

简介:本资源是面向遥感科研与工程应用开发者的6S大气校正Python实现工具包,专为解决GF-1/2、Landsat-8、Sentinel-2等主流卫星影像的大气影响去除问题而设计,适用于地表反射率反演、植被指数计算、水体识别等定量遥感分析场景,兼顾…

2026/9/3 5:27:27

线性调频Chirp信号工程落地:从数学公式到嵌入式实现

简介:本资源是一份面向通信工程专业学生与初阶信号处理实践者的MATLAB教学脚本,聚焦Chirp调制原理及其在扩频BOK(Binary Offset Keying)中的实现与验证。资源解决的核心问题是:如何在MATLAB中从零构建Chirp信号、完成相…

2026/9/3 5:37:27

宠物喂养领养系统开发,领养审核模块技术方案

在宠物喂养领养系统中,领养审核模块是整个业务的核心风控关卡,区别于普通订单提交,领养不是交易下单,而是对申请人饲养条件、责任心进行综合评估。很多项目直接使用表单提交加人工后台查看的简易模式,缺少状态约束、材…

2026/9/3 5:37:27

基于若依框架的企业级OA与知识产权管理系统实战解析

简介:这是一套面向Java中高级开发者的企业级知识产权管理OA系统源码,基于成熟稳定的若依(RuoYi)框架构建,聚焦专利、版权、商标、合同及侵权监控等核心业务场景,适用于企业法务、IT部门或软件外包团队快速落…

2026/9/3 5:37:27

基于Matlab的雷达信号体制仿真:从原理到工程实践

简介:本资源是一套面向雷达信号处理初学者与工程实践者的Matlab仿真源码集,聚焦体制雷达信号建模与生成,解决实际科研与教学中缺乏可复现、可调试的多体制雷达信号样本问题。压缩包共含8个.m文件,均为独立可运行的Matlab脚本&…

2026/9/3 5:37:27

朱雀AI检测API接口实战:降低AI内容识别概率的技术方案

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/9/3 5:37:27

GPS定位偏移33英尺?揭秘定位误差与坐标转换实战

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/9/1 16:02:17

vSound小提琴数字处理器实操指南:从接线到演出的完整配置

电小提琴或者原声小提琴插电演出,第一个绕不开的坎就是声音难听。原声琴的共鸣和空气感一旦进了拾音器,出来的往往是一坨干瘪、发尖、带着奇怪塑料味的信号。我当初第一次把琴接上乐队调音台,直接被主唱吐槽"你这声音像在锯钢丝"。…

2026/9/2 9:00:32

传感器接口IC如何攻克生物化学传感的微弱信号难题?

1. 从电极到比特流:为什么生物化学传感必须依赖专用接口IC 做生物化学传感的人都有过类似的经历:明明传感器本身性能很好,信号输出却一塌糊涂——噪声大、漂移明显、重复性差,怎么调都达不到预期。很多时候问题并不在传感器&#…

2026/9/2 8:41:06

STM32F411CEU6多通道ADC采集:扫描模式+DMA实现详解

1. 多通道 ADC 的用武之地把“Multichannel ADC”和“STM32F411CEU6”这两个关键字放在一起,其实就是嵌入式开发里最常遇到的一类需求:用一块不算贵的 MCU,同时采集多路模拟信号。STM32F411CEU6 是 48 引脚的 Cortex-M4F 主控,主频…

2026/9/3 0:02:06

零基础装 OpenClaw 小龙虾 AI:Windows 一键部署教程与避坑要点

Windows 部署 OpenClaw 完整教程|本地 AI 智能体 5 分钟落地,环境配置一次搞定 版本说明:Windows 3.1.0 / Mac 2.7.9 写在前面 近两年开源 AI 领域有一款被称作「数字员工」的工具持续走热,它就是 OpenClaw,圈内人更习…

2026/9/3 0:02:06

Hermes Agent 本地部署新方案:Windows 整合包减少依赖报错

Windows 本地部署 Hermes 太麻烦?这版一键包 5 分钟快速跑通 很多人想体验 Hermes Agent,但真正开始部署时,往往会卡在环境配置这一步。 需要安装各类依赖、调试运行环境、处理路径问题,还容易遇到命令行报错、系统拦截、文件缺…

2026/9/3 0:02:06

实测 OpenClaw 一键包,5 分钟完成本地自动化环境搭建

OpenClaw 本地 AI 自动化工具部署指南|使用一键包规避环境配置难题 痛点:部署 AI 自动化工具常常要处理 Python、Node.js 各类依赖,版本冲突、环境配置耗费大量时间,OpenClaw 提供一键安装包,降低部署门槛。 适配系统&…

2026/9/2 1:15:22

USB Type-C PCB布局分区设计:电源、高速信号与PD协议全攻略

做硬件这行,Type-C接口算是典型的“看着简单,做起来全坑”的东西。光引脚就24个,高低速信号、电源、控制线全部塞在一个小小的连接器里,如果PCB布局不做规划,打样回来基本就是“插上没反应”、“高速掉线”、“静电一打…

2026/9/2 1:15:22

系统编程学习原型如何补齐稳定性边界

系统编程学习原型如何补齐稳定性边界预算有限时&#xff0c;我先优化明显多余的复制&#xff0c;而不是猜测性地换容器。用借用传递只读数据通常就能减少分配&#xff1a; fn parse(line: &str) -> Result<Item, Error> { /* ... */ }用基准确认热点确实在分配&am…

2026/9/2 1:15:20

雨花区哪家财务公司代理记账比较好?

在雨花区&#xff0c;企业处理财税事务常常面临诸多挑战&#xff0c;选择一家靠谱的财务公司至关重要。湖南巨勤财务管理咨询有限公司就是本地正规实体财税服务机构&#xff0c;深耕本地工商财税行业多年&#xff0c;熟悉当地工商局、税务局最新政策与申报流程。主营公司注册、…