八类患病番茄的叶片图像 八类患病番茄的叶片，每类大约100张左右。 深度学习植物病害识别。

受疾病感染水稻植株叶片图像数据集 本数据集包含120张水稻染病叶片的jpg图像。这些图像根据疾病类型分为三类。每节课有40张图片。

40种植物叶片病虫害数据集 收集了40种植物叶片病虫害特征数据图片，用于深度学习模型的建立和训练。

WMC FOCUS6.3 用于风力发电叶片结构设计专用软件，此文档为其API 二次开发结构，采用Python语言进行二次开发

我国作为世界上最大的葡萄生产国和消费国,葡萄产业已经成为很多地方脱贫致富的支柱产业,但是葡萄病害影响葡萄品质和果实产量,因此快速而精准地识别葡萄病害类型及病害程度是增产增收的重要保障。数据集收集自plant_village，在其基础上用voc格式进行标注，葡萄叶片病害数据集，可用于目标检测，使用数据增强技术完成对搜集的病害样本图片进行扩充,建立了葡萄病害叶片的数据集。传统的依靠人工进行病害识别、诊断并进行决策的生产方式效率低下且劳动成本高昂,迫切需要实现病害的智能化诊断。作为信息技术的核心之一,人工智能技术为实现农业信息化和智能化提供了重要支撑,随着深度学习技术的快速发展,农业领域中的农作物病虫害识别、检测、分割与计数等研究均取得了一定的进展,对实现病虫害的精准防治、减少经济损失及生物育种等具有重要意义。

风力机叶片气动噪声影响周边居民生活的问题开始引起研究人员的关注。现有研究大多基于CFD软件或实验数据拟合方法对其气动噪声进行分析,难以适应气动噪声随风速变化的动态分析需求。考虑风力机运行状态、来流风速以及接收点位置的影响,基于传统气动声学理论,建立了风力机叶片气动噪声计算的修正模型,并基于Matlab软件的Simulink模块,运用时域分析方法,对一种2MW风力机叶片的气动噪声进行了编程计算,并绘制了风力机叶片气动噪声的声压时间序列图,为开发低噪声风力机叶片提供了理论依据。

基于wilson设计叶片时，求解a，b两个参数的代码

湍流团聚是促进颗粒团聚的有效方法。 采用经典的欧拉-欧拉二流体模型与人口平衡模型的耦合来模拟集聚过程。 仿真结果表明，湍流团聚可以减少小于10μm的细小颗粒排放的56％。 小于2μm的最小颗粒很容易被去除，而中等尺寸的颗粒的去除值却非常低。 叶片的适当间隔有利于从气流中去除细颗粒。 叶片的小角度可以改善细颗粒的去除。

前 3 级钛合金， 后 6 级镍基，也可以用 PST 替换， 不过四代发动机还是得用上镍基， 但中国的高端镍材，现在仍全靠进口，基本被美德日垄断了。 依照惯例，我们从小学知识说起。 发动机向外喷射的东西越多越快，产生的推力呢也就越大，学术点说，这叫动量守恒定律。 截至目前这一刻，所有的航空航天发动机都是这个原理，靠扔东西产生推力。 但是呢，燃油啊炸药啊这些工质的爆炸速度已经接近分子间传递信息的理论极限了。 如果基础物理不突破，那么为了提高推力，就只能拼命往发动机里塞更多燃料。 燃料一多，空气就不够烧了，所以又得装个「抽风机」吹风来努力供应空气。 这就是发动机的基本原理：压缩更多的空气来供给更多的燃料燃烧。 现在，问题就出在这个抽风机上。

植物叶片病害数据集 含4500多张