本项目是一个机器学习解决实际应用问题的demo案例，具体来说，利用多层神经网络结构，对已有的荔枝图片数据集进行采集训练，然后在训练集上进行预测，预测识别广东荔枝品种。

作品简介

​在农业领域，荔枝品种的准确识别对于提高农业生产效益和推动品种改良具有重要意义。传统的人工识别方式费时费力，且容易受到主观因素的影响，因此需要一种高效、准确的自动化识别方法。本作品基于深度学习算法，成功完成了此道荔枝品种识别的赛题，该作品创新点在于采用神经网络，通过对少量荔枝图像进行训练，建立了一个高度智能化的品种识别模型。该模型不仅能够快速而准确地识别各种荔枝品种，而且具备一定的泛化能力，我们的算法通过解决传统品种识别方法中存在的主观性和效率低下的问题，为农业生产提供了一种可靠和高效的解决方案。实验证明，我们的深度学习模型在荔枝品种识别上取得了显著的效果，最终精度可达90%以上，能有效完成荔枝识别任务，可为相关领域的研究和实际应用提供有力支持。

一、运行环境

python = 3.8
torch = 1.10.0		# cuda = 10.2

二、必要的包

pip install opencv-python

三、运行

python main.py

---

四、执行过程

控制台输出：

五、 预测结果示例