1-（1-萘甲基）哌嗪与盐酸环丙沙星联合用药对临床耐药性金黄色葡萄球菌的协同作用，邢明勋，李扬，目的：确定1-（1-萘甲基）哌嗪(NMP)单独使用和与盐酸环丙沙星(CPFX)联合使用在体外对抗氟喹诺酮（FQ）-耐甲氧西林金黄色葡萄球菌(MRSA) �

【目的】采用机器视觉技术，针对新疆无核白和红提单粒葡萄的质量和果径大小进行预测和分级研究。【方法】在不同的颜色特征空间模型，预处理原始图像，采用最大类间方差法分割目标区域；采用数学形态学方法去除二值图像中部分果梗及噪声点，获得最佳二值图像；基于二值图像，分析获取单粒葡萄的几何特征；最后，分别采用一元线性回归法和偏最小二乘回归法预测单粒葡萄的质量和果径，采用二次判别分析法对单粒葡萄的质量和果径进行分级。【结果】利用短轴与果形指数特征相结合建立的偏最小二乘回归模型可有效预测单粒葡萄的质量和果径，预测决定系数达到0.98和0.945；基于该特征组合的二次判别分析法可用于单粒葡萄的质量和果径分级，准确率超过85%。【结论】机器视觉技术能够较准确预测单粒葡萄的质量和果径，并能对质量和果径进行分级。

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。

葡萄叶图像数据集，Ak, Ala Idris, Büzgülü， Dimnit和Nazli葡萄叶子图片，每类葡萄100张图片。 葡萄叶图像数据集，Ak, Ala Idris, Büzgülü， Dimnit和Nazli葡萄叶子图片，每类葡萄100张图片。 葡萄叶图像数据集，Ak, Ala Idris, Büzgülü， Dimnit和Nazli葡萄叶子图片，每类葡萄100张图片。

葡萄在不同发展阶段的图像数据集，文件v0.1 1.212张图片，大小1280x720px，包含3.993个边界框。文件v0.2 2.099张图片，大小1280x720px，包含6.641个边界框 葡萄在不同发展阶段的图像数据集，文件v0.1 1.212张图片，大小1280x720px，包含3.993个边界框。文件v0.2 2.099张图片，大小1280x720px，包含6.641个边界框

秋天红黄葡萄叶分类图像数据集，葡萄地实拍，每类有葡萄叶500张以上 秋天红黄葡萄叶分类图像数据集，葡萄地实拍，每类有葡萄叶500张以上 秋天红黄葡萄叶分类图像数据集，葡萄地实拍，每类有葡萄叶500张以上

11个葡萄品种的叶片数据集，欧塞尔罗伊赤霞珠、品丽珠、赤霞珠、霞多丽、梅洛穆勒、图尔高、黑比诺、雷司令、白苏维浓、西拉、丹帕尼罗，葡萄生长环境实地拍摄，高清图片，每类大约100张叶片图片，共1009张图片 11个葡萄品种的叶片数据集，欧塞尔罗伊赤霞珠、品丽珠、赤霞珠、霞多丽、梅洛穆勒、图尔高、黑比诺、雷司令、白苏维浓、西拉、丹帕尼罗，葡萄生长环境实地拍摄，高清图片，每类大约100张叶片图片，共1009张图片

HTML5农业科技网站模板里面包含6个子页面，适合葡萄小麦农业种植网站模板下载

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。

基于Android平台的葡萄图像采集与测量方法研究与实现.pdf