水稻叶片病害数据集，近距离背景处理图片，共分为3类，每类350张图片左右 水稻叶片病害数据集，近距离背景处理图片，共分为3类，每类350张图片左右 水稻叶片病害数据集，近距离背景处理图片，共分为3类，每类350张图片左右

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。

Bacterial leaf blight Brown spot Leaf smut 里面包含这三种水稻病害叶片白底图，可以添加数据量

自然环境下，4种水稻叶片病虫害数据集 Bacterial blight（白叶枯病）共1548张，Blast（稻瘟病）共1440张，Brown Spot（褐斑病）共1600张，Tungro(水稻東格魯桿狀病毒)共1308张。自然环境下，水稻叶片病虫害数据集。

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

针对目前水稻病害图像识别系统依赖于数码相机和计算机，缺乏便携性和实时性的问题，设计了一个款待基于Android手机的水稻病害害图像辨认出别系统。系统通过分水稻稻瘟病，胡麻斑病，干尖线虫病，白叶枯病四种病害的颜色，形状，纹理特征，采用图像预处理，图像增强，图像分割，特征提取以及图像识别的处理实验结果表明，系统准确率可及性9 3 .7 8％ ，正检率9 6 .2 2％ ，误检率6 .2 2％ ，方法，实现基于图像识别的及时准确诊断水稻病害类型的目的。 ，虚警率1 0.5 6％，平均诊断用时2 0.8 0 2秒。该系统能有效地拍摄并诊断水稻病害，Swift，准确地给出病害防治措施。

行业文档-设计装置-水稻病害图像远程实时识别系统.zip