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

玉米各个表现型数据，在主成分分析中用作数据分析实例。

分水岭 matlab代码 corn-seeds ###基于matlab的玉米种子破损识别 ###[本目录内代码均识别相对路径，请运行前设置MATLAB工作路径到该目录下] 该目录下pics目录中存储不粘连待识别图片，需保证图片尺寸为696x928,部分光线不均的图片经过PS调整; pics_adjoin目录中存储有粘连待识别图片，同样保证图片尺寸为696x928,部分光线不均的图片经过PS调整; seeds目录存储向量机训练所用的种子，该目录下有good和bad两种单个种子，都是经过旋转处理的具有一定方摆放向的的种子，便于机器学习; seeds目录下adjoin_pics_items目录中放的是有粘连种子图片中所有单个种子集合; seeds目录下adjoin_pics_rotated_items目录中放的是有粘连种子图片中所有经过旋转方向的单个种子集合； taged_pics目录下为不粘连图片的种子标签图，标签号码与seeds中种子图号对应； exercise.m为训练脚本，已经执行并生成svmStruct.mat文件，无需再次训练，除非种子库变更。该文件内存储向量机结构，做种子识别时