介绍 这是提交论文的一种实现： Desai，SV，Balasubramanian，VN，Fukatsu，T.，Ninomiya，S.，and Guo，W.（2019年）。 使用深度学习自动估算水稻的抽穗期。 植物方法，15（1），76. 为了计划收割水稻的最佳时间，我们检测并定量了水稻的开花。 这项工作中使用的水稻作物图像数据集取自[1]。 方法 该方法的基本概述如下。 我们使用带有滑动窗口的SVM分类器来检测图像中的开花圆锥花序。 为了生成要作为输入提供给SVM分类器的特征，我们使用两种特征提取方法并对它们的性能进行比较。 使用SIFT描述符进行特征提取 使用深度神经网络（VGG-16 [2]）进行特征提取 使用从Kinmaze数据集的21张图像中采样的补丁进行训练。 对来自Kinmaze数据集的完整5184x3456图像进行了测试。 [1]。 怎么跑 为了获得训练的准确性：

水稻叶片病虫害分类数据集-提供tensorflow代码和教程，结合作者录制的b站视频，快速掌握不是梦。数据集详细信息请看https://blog.csdn.net/ECHOSON/article/details/117964438

20210531-头豹研究院-水稻行业发展分析短报告：2021年大宗商品系列报告.pdf

血红密孔菌Pycnoporus sanguineus SYBC-L12能以水稻秸秆作为底物和支撑物进行固态发酵并且具有较高的产漆酶能力。以水稻秸秆为基本培养基，漆酶活力为指标，对产酶培养基和培养条件进行了单因素优化，优化后的漆酶活力约为优化前的10倍。所得漆酶在常温下对蒽醌类染料、三苯甲烷类染料、亚胺醌类染料具有较强的脱色作用，其混合物也可被漆酶大部分脱色，在较高温度下，漆酶可将偶氮类染料部分脱色。此外，科学试验使用的工业废水样品中常见金属离子大部分对脱色作用没有抑制。因此，漆酶作为一种环境友好型生物催化

基于WSN 的水稻生长环境远程监测系统，以ARM9为核心，结合ZigBee技术和3G技术，实现水稻田间多参数的实时与远程监控。该系统将传感器节点采集到的数据通过ZigBee无线网络发送到网关节点，通过3G技术建立协调器网关节点与远程监控中心的无线连接，监控中心PC连接了3G网络和MySQL数据库。用户可通过远程PC实时监测、查询水稻生长环境信息，从而提高水稻生产自动化管理水平。

C#编写的人工智能的简单专家系统，主要是为了完成老师的作业，忽悠一下老师，呵呵~~ （包含有源程序和推理规则）

数据集包含了1200幅水稻和其他杂草的图片，可以用于图像分类练习，图片名称为标签。作为深度学习初学者希望能够给大家提供帮助

智慧水稻项目规划建设方案

2020挑战杯