注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. plant Leaf Disease Detection 植物叶片病害识别

  2. plant Leaf Disease Detection 植物叶片病害识别

  3. 所属分类：其它

    • 发布日期：2014-04-29
    • 文件大小：9437184
    • 提供者：wang_fan0840

  1. 基于改进卷积神经网络的植物叶片病害识别

  2. 基于改进卷积神经网络的植物叶片病害识别，卷积神经网络

  3. 所属分类：数据库

    • 发布日期：2018-04-16
    • 文件大小：1048576
    • 提供者：laru__

  1. 基于CS-SVM的谷子叶片病害图像识别.pdf

  2. 基于CS-SVM的谷子叶片病害图像识别.pdf

  3. 所属分类：机器学习

    • 发布日期：2020-05-17
    • 文件大小：2097152
    • 提供者：anitachiu_2

  1. 基于改进活动轮廓模型的井筒病害识别方法

  2. 针对井筒图像对比度小、干扰噪声多、分割精度不高、识别效率低等问题,提出了一种基于图像增强与正则约束的改进活动轮廓模型。图像增强算子能够改善井筒图像的对比度,扩大灰度动态范围,抑制噪声干扰。正则约束因子,包括长度约束因子、面积约束因子和距离函数约束因子,能够减少初始轮廓对曲线演化的影响,实现轮廓曲线平滑快速向目标边界移动,并最终与目标边缘吻合。实验结果表明,本文模型在算法性能和分割效果上都优于C-V模型和LBF模型,能够快速准确识别井筒病害,提高井筒巡检的自动化程度。

  3. 所属分类：其它

    • 发布日期：2020-05-04
    • 文件大小：266240
    • 提供者：weixin_38680308

  1. 三维探地雷达在探测城市地下病害中的应用研究

  2. 近年来,在北京、大连等大型城市道路塌陷事件频繁发生,因此探测城市道路病害等浅层地质问题意义重大。三维探地雷达技术已被广泛应用于城市道路与管网检测,通过对地质雷达外业数据采集以及内业数据处理、图谱识别解释等技术的研究,列举了城市病害如空洞、脱空、疏松、富水及病害组合等在地质雷达剖面图上的识别特征,并以福建某市环岛道路下空洞检测为例,介绍了施工方法,数据处理及解释结果。

  3. 所属分类：其它

    • 发布日期：2020-04-20
    • 文件大小：503808
    • 提供者：weixin_38590541

  1. 三维探地雷达在道路地下病害体探测中的应用

  2. 近年来,随着我国城市地下空间开发利用强度不断加大,城市浅层地质稳定性造成一定程度的影响和破坏,导致我国许多城市道路地面塌陷事故不断发生,严重影响了人民群众生命财产安全和城市运行秩序。三维探地雷达是近年来国外发展起来的一项新技术,在道路地下空洞检测、地下管线探测、工程质量检测、考古等领域应用,取得了良好的效果。利用三维探地雷达,通过多城市的工程实践,总结出一套成熟的工作方法和作业流程;并针对城市环境中的多种干扰源进行详细的分析和分类,详细描述了不同种类干扰源的地球物理特征,提出了识别和衰减的有效方

  3. 所属分类：其它

    • 发布日期：2020-04-19
    • 文件大小：1048576
    • 提供者：weixin_38605538

  1. 基于概率叠加边缘检测网络的公路病害识别算法

  2. 基于概率叠加边缘检测网络的公路病害识别算法，郭宝栋，徐国胜，公路病害检测在路面养护工作中扮演着重要角色，是促进交通基础设施建设健康平稳推进的基础。而传统的人工检测方法已经难以满足当

  3. 所属分类：其它

    • 发布日期：2020-03-09
    • 文件大小：899072
    • 提供者：weixin_38535132

  1. 基于深度学习的农作物病害识别_李凯雨.caj

  2. 基于深度学习的农作物病害识别，仅用于学术交流，勿用作商业用途！仅用于学术交流，勿用作商业用途！仅用于学术交流，勿用作商业用途！

  3. 所属分类：深度学习

  1. 小麦白粉病菌应答miRNA的识别及分析

  2. 小麦白粉病菌应答miRNA的识别及分析，张伟，郭清利，小麦白粉是引起小麦减产的主要病害之一，为了了解小麦miRNA 在应答白粉病菌胁迫过程中的生物学功能，本研究拟利用高通量的microaray �

  3. 所属分类：其它

    • 发布日期：2020-01-02
    • 文件大小：465920
    • 提供者：weixin_38551938

  1. 病害识别.rar

  2. 收集了70多篇农作物病害识别方面的论文研究，有关如何编写算法进行实现，都是高引的，希望对需要人士有所帮助

  3. 所属分类：其它

    • 发布日期：2019-09-04
    • 文件大小：47185920
    • 提供者：qys27182812

  1. PRCV2019-大田作物病害图像识别技术挑战赛源码

  2. 比赛源码，可供比赛参考！比赛源码，可供比赛参考！比赛源码，可供比赛参考！比赛源码，可供比赛参考！比赛源码，可供比赛参考！比赛源码，可供比赛参考！比赛源码，可供比赛参考！比赛源码，可供比赛参考！比赛源码，可供比赛参考！

  3. 所属分类：深度学习

    • 发布日期：2020-06-21
    • 文件大小：457728
    • 提供者：qq_29051413

  1. 基于平均影响值和支持向量机的小麦病害识别

  2. 为了提高小麦病害识别准确率，提出了一种基于平均影响值思想和支持向量机的小麦病害识别方法。首先，使用阈值分割方法对小麦叶片图像进行分割；其次，利用灰度共生矩阵和颜色矩提取病害的纹理和颜色特征；再次，将平均影响值思想应用于支持向量机回归进行特征变量优选；最后，将优选出的特征变量作为支持向量机的输入向量进行识别。实验结果表明，经过特征变量优选，特征变量个数由14个减少到7个，识别准确率达到96.25%，为农田小麦病害识别提供了有效方法。

  3. 所属分类：其它

    • 发布日期：2020-10-17
    • 文件大小：403456
    • 提供者：weixin_38731123

  1. 桥梁裂痕检测与识别方法

  2. 桥梁裂痕图像检测过程中,采集的桥梁裂痕图像容易出现模糊,且桥梁裂痕本身具有裂痕特征不明显、杂质干扰大等特点,为了达到对桥梁裂痕准确、快速检测的目的,提出了一种桥梁混凝土结构裂痕病害的自动检测识别方法.首先对采集到的桥梁裂痕图像进行去模糊处理,在此基础上利用非负特征提取桥梁裂痕目标信息,然后利用方差特征去除特征结果图中的伪特征,并使用特征图像中目标特征象素的圆投影特征来增强目标裂痕信息,同时进一步去除虚假特征.分别对不同的桥梁裂痕图像进行了多种不同类型的处理实验,包括裂痕图像去模糊前后的目标裂缝检

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：1048576
    • 提供者：weixin_38608726

  1. 具有叶片图像特征和气象数据的基于PNN的作物病害识别

  2. 具有叶片图像特征和气象数据的基于PNN的作物病害识别

  3. 所属分类：其它

    • 发布日期：2021-03-13
    • 文件大小：446464
    • 提供者：weixin_38518958

  1. 基于卷积神经网络与迁移学习的油茶病害图像识别

  2. 龙满生,欧阳春娟,刘欢,付青.基于卷积神经网络与迁移学习的油茶病害图像识别[J].农业工程学报,2018,34(18):194-201.

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：924672
    • 提供者：weixin_38703787

  1. 农作物病害识别-附件资源

  2. 农作物病害识别-附件资源

  3. 所属分类：互联网

  1. 基于压缩感知理论的苹果病害识别方法

  2. 基于压缩感知理论的苹果病害识别方法

  3. 所属分类：其它

    • 发布日期：2021-03-02
    • 文件大小：492544
    • 提供者：weixin_38737565

  1. 农作物病害识别-附件资源

  2. 农作物病害识别-附件资源

  3. 所属分类：互联网

  1. plantVillage_PR：在Plant Village数据集上应用了低成本的多标签分类，以识别图像中的植物，然后使用CNN帮助获得最新技术有限的小规模农民识别植物病害（如果有）-源码

  2. plantVillage_PR 在植物村数据集上应用低成本的多标签分类，以识别图像中的植物，然后帮助使用最新技术无法获得最新技术的小规模农民使用CNN识别植物的病害（如果有）。

  3. 所属分类：其它

    • 发布日期：2021-03-02
    • 文件大小：3072
    • 提供者：weixin_42116585

  1. 基于Android的水稻病害图像识别系统的设计与应用

  2. 针对目前水稻病害图像识别系统依赖于数码相机和计算机，缺乏便携性和实时性的问题，设计了一个款待基于Android手机的水稻病害害图像辨认出别系统。系统通过分水稻稻瘟病，胡麻斑病，干尖线虫病，白叶枯病四种病害的颜色，形状，纹理特征，采用图像预处理，图像增强，图像分割，特征提取以及图像识别的处理实验结果表明，系统准确率可及性9 3 .7 8％ ，正检率9 6 .2 2％ ，误检率6 .2 2％ ，方法，实现基于图像识别的及时准确诊断水稻病害类型的目的。 ，虚警率1 0.5 6％，平均诊断用时2 0.8

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：387072
    • 提供者：weixin_38587130
« 12 3 »