در این مطلب، ویدئو تشخیص بیماری برگ برنج با استفاده از Efficientnet | پروژه سال آخر پایتون 2022 با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:08:09
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,160 –> 00:00:01,520
به بینندگان خوش آمدید اگر هنوز در
2
00:00:01,520 –> 00:00:03,120
این کانال مشترک نیستید لطفاً
3
00:00:03,120 –> 00:00:05,520
مشترک شوید و همچنین روی نماد زنگ کلیک
4
00:00:05,520 –> 00:00:07,759
کنید تا بهروزرسانیهای فناوری را به طور مرتب در
5
00:00:07,759 –> 00:00:10,800
این کانال فوتیج jpen دریافت کنید
6
00:00:10,800 –> 00:00:11,519
سلام
7
00:00:11,519 –> 00:00:13,840
در این ویدیو در مورد
8
00:00:13,840 –> 00:00:17,440
پروژه پایتون با عنوان
9
00:00:17,440 –> 00:00:20,480
بیماری برگ برنج خواهیم دید. تشخیص با استفاده از
10
00:00:20,480 –> 00:00:24,000
شبکه کارآمد بنابراین این
11
00:00:24,000 –> 00:00:26,400
بهبود مدل سیستم موجود است که
12
00:00:26,400 –> 00:00:29,439
با استفاده از cnn توسعه داده شده است و در اینجا در این
13
00:00:29,439 –> 00:00:31,840
مدل با استفاده از
14
00:00:31,840 –> 00:00:35,360
معماری net b5 کارآمد پیاده سازی می شود بنابراین این
15
00:00:35,360 –> 00:00:37,360
مدل پیاده سازی است و
16
00:00:37,360 –> 00:00:39,840
دقتی که به دست آوردیم
17
00:00:39,840 –> 00:00:41,480
دقت آموزش
18
00:00:41,480 –> 00:00:44,399
95.34 است. درصد و دقت اعتبار
19
00:00:44,399 –> 00:00:45,360
20
00:00:45,360 –> 00:00:48,320
96 درصد است
21
00:00:48,320 –> 00:00:50,399
و حالا اجازه دهید مجموعه دادهها را
22
00:00:50,399 –> 00:00:52,320
در پوشه مدل به شما نشان دهم، میتوانید
23
00:00:52,320 –> 00:00:53,280
این
24
00:00:53,280 –> 00:00:55,520
مجموعه داده قطار را پیدا کنید، بنابراین حدود
25
00:00:55,520 –> 00:00:57,199
2500
26
00:00:57,199 –> 00:00:58,480
تصویر وجود دارد
27
00:00:58,480 –> 00:01:00,160
که شامل چهار کلاس است که
28
00:01:00,160 –> 00:01:02,320
سوختگی برگ باکتریایی است،
29
00:01:02,320 –> 00:01:04,000
بنابراین همه اینها هستند.
30
00:01:04,000 –> 00:01:07,200
تصویر مجموعه داده از سوختگی برگ باکتریایی
31
00:01:07,200 –> 00:01:11,400
این برای قسمت قهوه ای است
32
00:01:20,960 –> 00:01:24,400
و این برای سالم است
33
00:01:25,119 –> 00:01:29,280
و آخرین آن انفجار برگ است
34
00:01:34,000 –> 00:01:38,079
و او دوباره میتوانید
35
00:01:38,640 –> 00:01:41,759
کد این
36
00:01:41,759 –> 00:01:44,159
شبکه کارآمد را پیدا کنید
37
00:01:44,159 –> 00:01:46,079
و حالا اجازه دهید اجرای پروژه را ببینیم،
38
00:01:46,079 –> 00:01:48,720
بنابراین ابتدا محل کد منبع را کپی کنید
39
00:01:48,720 –> 00:01:51,360
40
00:01:52,240 –> 00:01:54,640
و مطمئن شوید که
41
00:01:54,640 –> 00:01:57,840
این کتابخانهها را نصب
42
00:02:02,960 –> 00:02:06,159
کردهاید به خط فرمان خود
43
00:02:06,719 –> 00:02:08,720
بروید و به برنامه کد منبع نوع
44
00:02:08,720 –> 00:02:13,760
برنامه پایتون بروید. نقطه py را کلیک کنید و
45
00:02:18,080 –> 00:02:20,080
اکنون می توانید این آدرس اینترنتی را کپی کنید و
46
00:02:20,080 –> 00:02:23,440
به مرورگر خود بروید و به
47
00:02:23,440 –> 00:02:26,800
فایرفاکس بروید و آن را پیست کنید
48
00:02:27,599 –> 00:02:29,760
و اکنون می توانید صفحه اصلی
49
00:02:29,760 –> 00:02:32,000
یا پروژه را ببینید که عنوان پروژه افزایش می یابد
50
00:02:32,000 –> 00:02:34,800
شناسایی کسب و کار با استفاده از شبکه کارآمد
51
00:02:34,800 –> 00:02:36,400
فقط روی این صفحه ورود کلیک کنید
52
00:02:36,400 –> 00:02:37,680
53
00:02:37,680 –> 00:02:39,680
تا این یک صفحه ورود ثابت است زیرا
54
00:02:39,680 –> 00:02:41,280
ما از هیچ پایگاه داده ای در این پروژه استفاده نمی کنیم،
55
00:02:41,280 –> 00:02:43,440
بنابراین فقط
56
00:02:43,440 –> 00:02:47,200
نام کاربری و رمز عبور پیش فرض را به عنوان admin و admin
57
00:02:47,200 –> 00:02:50,800
وارد کنید و سپس روی دکمه ورود کلیک کنید و پس از
58
00:02:50,800 –> 00:02:53,599
موفقیت آمیز بودن ورود،
59
00:02:53,599 –> 00:02:54,560
به
60
00:02:54,560 –> 00:02:57,519
قسمت پیش نمایش که در آن نیاز دارید هدایت می شود. برای
61
00:02:57,519 –> 00:03:00,000
آپلود تصویر و
62
00:03:00,000 –> 00:03:02,400
دیدن نتیجه پیشبینی آن، کافیست
63
00:03:02,400 –> 00:03:04,640
روی این مرور کلیک کنید تا در
64
00:03:04,640 –> 00:03:07,040
پوشه پروژه بتوانید پوشه آپلود را پیدا کنید، جایی
65
00:03:07,040 –> 00:03:09,680
که میتوان