针对唐墓室壁画泥斑病害问题，提出了泥斑病害自动标定算法。用空间自相关函数分析泥斑病害纹理特征，在YCbCr模型下，分析泥斑病害亮度，色度特征；对图像分块处理，分析其每个图像块的纹理、亮度和色度特征，通过阈值分割得到泥斑的纹理、亮度和色度掩码。为了精确标定又提出将泥斑的纹理、亮度和色度掩码进行与或运算，得到泥斑区域掩码，将泥斑区域掩码与原图进行加运算，实现壁画泥斑病害精确标定。通过壁画虚拟修复实验表明这种标定算法不仅标定准确而且提高了壁画虚拟修复效率。

大数据-算法-阿尔茨海默病和血管性痴呆的颅脑核磁共振定量研究.pdf

大数据-算法-阿尔茨海默病脑电信号多尺度时空定量特征研究.pdf

葡萄叶片病害分类图像数据集（四类）

网络技术-网络基础-阿尔茨海默病的放射性诊断药物1省略电子发射断层扫描中显像方法的建立.pdf

水稻，原产于中国，是最悠久的粮食种类之一，也是世界主要粮食作物之一。 水稻病害是影响水稻产量的最重要因素之一，其分布广危害大，造成了巨大的经 济损失。因此能有效地快速地在自然状态下识别水稻病害显得相当重要，而现在 对其的识别方法基本上停留在人为主观判断，这种方法对有经验的劳动力需求 大、效率低下、不具有实时性。随着社会的发展，计算机的普及与更新，使得人 工智能领域火热发展,其中应用神经网络对图像进行分类检测也取得了很好的效 果。针对以上问题的分析，本文针对水稻稻曲病和水稻的主要6种主要病害提出 了在自然环境下的识别方法。主要做了以下研究: 1.本文针对水稻稻曲病的识别算法进行研究。稻曲病的识别使用了两种方 法，一是用传统图像特征提取方法，如SVM(Support Vector Machine)结合特征提 取方法HOG(Histogram of Oriented Gradient);二是改进卷积神经网络 (Convolutional Neural Networks,CNN)。对于传统的图像方法，首先将原图片用 图像处理方法进行预处理，得到了一种分割水稻稻穗的方法，再使用HOG提取 图片特

农作物病害分类图像数据集，训练图像总数为32768张，验证图像总数为4992张

本文围绕面向不均匀样本集的惩罚校正 SVN 分类方法、作物病害图像的病变识别预处理、病变模式识别的数值分析特征提取及 SVN 识别、病变图像模式半监督深度学习特征提取及识别、病变图像模式监督深度学习特征提取和一体化识别 5 个方面的内容展开了深入研究。拓展了机器学习理论及其应用范畴，构造了基于机器学习的作物病变图像识别的数据结构和算法范形。最后，将提出的理论和设计方法应用于工厂化果园生产场景采集的苹果病害图像识别并进行算法级别实验验证，为面向深度学习作物病害图像识别的农业智能系统产品开发设计提供了不菲的参考价值。 主要研究成果和创新点如下： 1. 提出了惩罚校正的支持向量分类算法和校正方法。以 SVN 为基础，探讨惩罚支持向量机处理不平衡样本时，在不同目标尤其是样本稀疏目标的学习错误率上呈现的显著性差异，提出惩罚校正的支持向量分类算法和校正方法。 2. 设计了病害图像识别方位亮度多样性仿真方法。同广泛使用的基准数据集相比，农场果园视频感知设备采集环境复杂，充满着多种干扰，定点、移动方式都难以保证在受限条件和有限次数采样下，采集到代表性图像在各状态下分布均匀的样本集。

智能语音检测阿尔茨海默病比赛论文

数据包括 ： 苹果褐斑病 、 苹果黑腐病 、 苹果花叶病 、 苹果正常