农业作物图像数据集，此数据集（作物图像）包含每种农业作物（玉米，小麦，黄麻，水稻和甘蔗）的40多个图像。 农业作物图像数据集，此数据集（作物图像）包含每种农业作物（玉米，小麦，黄麻，水稻和甘蔗）的40多个图像。 农业作物图像数据集，此数据集（作物图像）包含每种农业作物（玉米，小麦，黄麻，水稻和甘蔗）的40多个图像。

作物叶片疾病检测数据集，苹果、玉米、葡萄、土豆和番茄五种作物的健康和患病图像，共包含31397张图像。将5种作物的图像分为25类。在这25个类中，20个类包含患病图像，5个类包含健康图像。对每个图像生成分割图像和灰度图像，然后将数据集分为彩色图像、灰度图像和分割图像三个部分。总体而言，该数据集总共包含94,191张图像。

玉米病害数据集，玉米地实地拍摄，共376张图片，玉米灰斑病，玉米叶枯萎病，玉米锈叶病 玉米病害数据集，玉米地实地拍摄，共376张图片，玉米灰斑病，玉米叶枯萎病，玉米锈叶病 玉米病害数据集，玉米地实地拍摄，共376张图片，玉米灰斑病，玉米叶枯萎病，玉米锈叶病

玉米叶病(NLB)数据集，创建此数据集的目的是用于无人机检测玉米的疾病，健康的叶子有2567张图片，有病害的叶子有1550张 玉米叶病(NLB)数据集，创建此数据集的目的是用于无人机检测玉米的疾病，健康的叶子有2567张图片，有病害的叶子有1550张

玉米叶片病害数据集，共4000多张图片，0普通锈病- 1306图像1灰色叶斑- 574图像2枯萎病-1146图像3健康- 1162图像 玉米叶片病害数据集，共4000多张图片，0普通锈病- 1306图像1灰色叶斑- 574图像2枯萎病-1146图像3健康- 1162图像

为实现玉米种子含水率(MC)的精确、快速、无损检测, 消除种子放置方式(胚部朝上/下)的影响, 基于高光谱成像和图像处理技术, 结合变量筛选法, 针对玉米种子正反面放置的不同分别建立对应的MC预测模型。分别采集种子正、反两面高光谱图像, 提取质心区域光谱数据, 采用竞争性自适应重加权变量选择算法筛选特征波段, 建立对应的MC预测模型。对比图像不同部位光谱曲线变化趋势, 挑选4个特征波段(1104, 1304, 1454, 1751 nm)进行波段运算获取种子正、反面信息及质心位置。依据正、反面检测结果, 自主选择对应的MC预测模型对45个验证集样本进行含水率检测。结果表明, 使用波段运算正、反面识别率分别为97.8%、100%; 正、反两面验证集相关系数分别为0.969, 0.946, 均方根误差分别为0.464%, 0.616%。该研究为使用多光谱成像技术实现玉米种子MC的快速无损自动化检测奠定基础。

玉米病害（黄斑病、锈病、叶斑病）

玉米机械化收获技术.ppt

玉米、水稻、甘蔗等农作物图片数据集（数据集包含30种不同类型的作物图像在单独的文件夹，每类农作物大约30张图片） 玉米、水稻、甘蔗等农作物图片数据集（数据集包含30种不同类型的作物图像在单独的文件夹，每类农作物大约30张图片）

转 玉米秸秆存储十大技术