首页
›
嵌入式边缘AI与TinyML
›
044-TinyML智慧农业与环境监测项目
›
《农业虫害检测模型:摄像头采集、目标检测和告警记录》
VIP20
本课程属于:044-TinyML智慧农业与环境监测项目
嵌入式边缘AI与TinyML · 共 20 门相关课程,组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录
咨询 / 购买
📘
4. 农业虫害检测模型:摄像头采集、目标检测和告警记录
共计 30 章节
点击此处阅读海量试读课程:100+行业、1000+细分领域
01
课程导入
学习目标 · 课程结构 · 农业虫害检测的实际意义与典型应用场景
课程导入
学习目标
02
农业虫害检测基础
常见农业害虫种类 · 危害特征 · 传统检测方法与现代智能检测的对比
农业虫害检测基础
常见农业害虫种类
03
系统总体架构
摄像头采集 · 数据传输 · 目标检测
系统总体架构
摄像头采集
04
摄像头选型与部署
分辨率 · 帧率 · 夜视能力
摄像头选型
部署
05
图像采集与预处理
图像格式 · 色彩空间 · 光照校正
图像采集
预处理
06
数据标注与数据集构建
标注工具(LabelImg · CVAT) · 标注格式(VOC
数据标注
数据集构建
07
目标检测基础
目标检测任务定义 · 边界框 · IoU
目标检测基础
目标检测任务定义
08
经典目标检测算法
两阶段(Faster R-CNN) · 单阶段(YOLO · SSD)的原理与对比
经典目标检测算法
Faster
09
YOLO系列详解
YOLOv5 · YOLOv8等版本的结构 · 特点与适用场景
YOLO
系列详解
10
模型训练准备
环境搭建(PyTorch/Tenso… · 数据集划分 · 预训练权重选择
模型训练准备
PyTorch/Tens…
11
模型训练实战
训练参数配置 · 损失函数 · 优化器
模型训练实战
训练参数配置
12
模型评估与调优
mAP · Precision · Recall
模型评估
调优
13
模型部署与推理优化
模型导出(ONNX · TensorRT) · 量化
模型部署
推理优化
14
告警记录模块设计
告警触发条件 · 告警级别 · 告警消息推送(短信
告警记录模块设计
告警触发条件
15
数据库设计
告警记录表结构 · 图像存储方案 · 查询与统计功能
数据库设计
告警记录表结构
16
实时视频流处理
RTSP/RTMP拉流 · OpenCV视频处理 · 多线程与异步机制
实时视频流处理
RTSP/RTMP
17
端到端系统集成
摄像头采集模块 · 检测模块 · 告警模块的代码整合与接口设计
端到端系统集成
摄像头采集模块
18
案例实战一
基于YOLOv8的田间害虫检测模型训…
案例实战一
YOLOv8
19
案例实战二
搭建实时检测与告警系统(模拟摄像头输… · 检测 · 推送告警)
案例实战二
搭建实时检测
20
案例实战三
告警记录的可视化看板(使用Flask…
案例实战三
Flask
21
常见问题与解决方案
光照变化 · 遮挡 · 小目标检测
常见问题
解决方案
22
模型鲁棒性提升
多场景数据采集 · 域适应 · 测试时增强(TTA)等方法
模型鲁棒性提升
多场景数据采集
23
系统性能优化
检测速度与精度平衡 · 硬件加速 · 边缘计算与云协同
系统性能优化
检测速度
24
安全与隐私
数据安全 · 摄像头访问控制 · 告警信息脱敏与合规
安全
隐私
25
项目部署与运维
Docker容器化 · 远程监控 · 模型版本更新
项目部署
运维
26
农业物联网集成
与温湿度传感器 · 灌溉系统联动 · 实现智能决策
农业物联网集成
温湿度传感器
27
前沿技术拓展
Transformer检测器(DET… · 小样本学习 · 自监督学习在虫害检测中的应用
前沿技术拓展
Transformer
28
综合实战项目
从零构建一个完整的农业虫害检测告警系… · 设计 · 实现
综合实战项目
从零构建一个完整…
29
课程总结与回顾
核心知识点梳理 · 常见误区 · 学习路径建议
课程总结
回顾
30
综合考核与进阶方向
项目答辩 · 扩展思考(如无人机巡检 · 多光谱成像)与资源推荐
综合考核
进阶方向
所属VIP或分类
同VIP:LoRa农业AI节点:远距离低功耗回传和本地异常判断
同VIP:TinyML农业完整实战:传感器、视觉模型、通信和联动控制
同VIP:TinyML智慧农业项目:环境监测、病害识别与本地决策