叶病检测 使用预先训练的深度学习架构（即VGG16网络），通过PlantVillage数据集中的图像对农作物病害进行分类。 该模型是通过回调实现的-提前停止，降低高原学习率和模型检查点。 对于VGG16 net，使用70295张图像的分类精度约为95％。 通过修改图像数量，设置各种批处理大小以及更改权重和偏差学习率来评估模型的性能。 图像数量极大地影响了模型的性能。 在至少95％的时间正确识别出农作物病害的情况下，我们可以渴望帮助我们的农民及早发现农作物感染。 这将帮助他们计划比他们之前遵循的技术更有效的耕作技术。 模型的架构图 图形用户界面 运行代码 开放式终端和 步骤1：python3 PRED_API.py 步骤2：CD前端 步骤3：npm i 第4步：启动npm，这将启动基于React的前端 保存的权重存储在best-model.h5中 Model.ipynb具有模型

上传的叶片数据集均为校内采集的叶片，共8类，每类叶片大概50片左右，可以用作叶片的特征提取以及聚类分析等。里面包含原图以及二值化图像，可以与uci中的leaf数据集交叉使用

matlab叶片虫害侵蚀检测

汽轮机叶片强度计算zip,汽轮机叶片强度计算

蓝莓健康叶片数据集，用于深度学习使用

该课题为基于Matlab颜色特征和纹理特征的植物叶片，虫害侵蚀系统。可以判别某一片植物属于什么病。带有一个人机交互界面。

适用于风机的叶片角度调整机构的制作方法.docx

回顾近年 来国 内外植物 叶片分类的研 究进展 ，指 出传 统方法存在 的缺 陷。 简述卷积 神经 网络在 图像分 类的优 势 ，为 了简单高效地对植物叶片进行识别 ，提 出一种基 于卷积神 经 网络(Convolutional Neural N etw ork ， CN N ) 的植物 叶片识别方法。 在 Sw edish 叶片数 据集上的实验结果表明 ，本算 法识 别正确 率高达 99 ．56％ ，显著优 于传统 的叶片识 别算法。

ansys有限元分析实例风力发电叶片及支架整体分析

轴流风机机翼型叶片参数化建模方法，马静，王振亚，本文通过创建翼型模板，结合Matlab与UG软件,探讨了风机翼型叶片参数化建模的方法，给出了翼型中线为圆弧时的翼型坐标算法、各截面安