您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 航空发动机叶片机原理

  2. 什么叫叶片机? 答:由叶片组成的回转机械。 特点:旋转机械,非往复运动,易平衡,实现高速,尺寸小功率大。 分类:(a)压气机:外界对气体做功 (b)涡轮:气体对外界做功 形式:轴流式,离心式,斜流式,混合式。 轴流式优点:迎风面积小,适合于多级结构,高压比时效率高,流通能力强。 离心式优点:单机增压比高,构造简单,制造方便,叶片玷污时 性能下降小,稳定工作范围大。
  3. 所属分类:专业指导

    • 发布日期:2011-05-19
    • 文件大小:2mb
    • 提供者:gavineric
  1. 植物叶片分类

  2. Classifying plant is a process in which each individual plant should be correctly assigned to a descending series of groups of related plants.
  3. 所属分类:数据库

    • 发布日期:2013-01-11
    • 文件大小:698kb
    • 提供者:wjm_1990
  1. 计算Hu不变矩C语言代码

  2. 本实例是对四种不同的叶子图片自动分类。先将图片进行二值化,然后通过计算Hu不变矩进行,再根据Hu不变矩对叶片进行分类。代码实现简单,结果可靠。
  3. 所属分类:C

    • 发布日期:2013-04-17
    • 文件大小:3kb
    • 提供者:u010333914
  1. 基于神经网络的植物叶片分类识别

  2. 基于MATLAB,数字图像处理,更便于图像的识别和分类
  3. 所属分类:项目管理

    • 发布日期:2013-04-25
    • 文件大小:24mb
    • 提供者:u010455014
  1. 二值化和Hu矩在叶片分类中的运用

  2. 本次作业任务主要先对彩色叶子图片进行二值化处理,然后求取处理过的二值化图像的Hu矩,再利用目标图像与选定图像之间的绝对距离和选定的阈值来对一组图像进行类的划分,并研究分类的准确率,同时分析其原因,最后分析利用Hu矩来描述图像的的优势和劣势,并总结自己方法的不足。
  3. 所属分类:其它

    • 发布日期:2013-12-18
    • 文件大小:951kb
    • 提供者:sunpengshine
  1. 基于SVM和随机森林叶片的分类

  2. python语言对叶片的特征进行提取,基于SVM算法和随即森林进行分类
  3. 所属分类:Python

    • 发布日期:2018-06-01
    • 文件大小:604kb
    • 提供者:weixin_37784368
  1. 基于iOS系统的观赏植物识别.pdf

  2. 摘要: 为了解决公众识别校园内观赏植物的问题, 基于 iOS 操作系统设计了一款利用叶片识别观赏植物的应用程 序(APP)。 建立了本地 SQLite 数据库, 存储叶片的特征数据及与校园文化相关的植物属性信息。 系统运行流程: 通 过 iPhone 拍照获取植物的叶片图像, 转化为灰度图后, 运用 OTSU 法分割出叶片区域, 再提取叶片的颜色、 形状、 纹理等 10 种特征, 运用支持向量机(SVM)分类器识别叶片并在 iPhone 上展示相应的图片和文字信息。 结果显示: 所选 8 种实
  3. 所属分类:iOS

    • 发布日期:2019-05-31
    • 文件大小:2mb
    • 提供者:ylllyf
  1. matlab开发-植物利用多分类svmclassifier进行检测和分类

  2. matlab开发-植物利用多分类svmclassifier进行检测和分类。利用多类支持向量机分类器对植物叶片病害进行检测和分类的matlab代码
  3. 所属分类:其它

    • 发布日期:2019-08-21
    • 文件大小:887kb
    • 提供者:weixin_38743968
  1. 深度学习卷积神经网络可检测和分类番茄植物叶病

  2. 番茄作物是市场上的重要主食,并且是日常食用的最常见的作物之一。 植物或农作物疾病导致生产质量和数量下降; 因此,对这些疾病的检测和分类非常必要。 感染番茄植物的疾病有很多类型,例如细菌斑,晚疫病,裁缝叶斑,番茄花叶和黄色弯曲。 早期发现植物病害可提高产量并提高其质量。 当前,智能方法已被广泛用于检测和分类这些疾病。 这种方法可以帮助农民识别类型吗? 感染农作物的疾病 当前工作的主要目的是应用一种现代技术来识别和分类疾病。 智能技术基于使用卷积神经网络(CNN)的技术,而卷积神经网络是机器学习的一
  3. 所属分类:其它

  1. AdS4×CP3背景下来自协变开放超弦的1 / 2-BPS D射线

  2. 我们在AdS4×CP 3背景下考虑开放式超弦动作,并通过施加动作的κ对称性来研究描述1 / 2-BPS D形脑的开放式超弦的合适边界条件。 这导致来自协变开放超弦的1 / 2-BPS D-脑分类。 结果表明,CP 3上的Kähler结构极大地限制了1 / 2-BPS D形叶片的构型。我们仅考虑D形叶片的无世界通量。
  3. 所属分类:其它

    • 发布日期:2020-04-30
    • 文件大小:322kb
    • 提供者:weixin_38707061
  1. 应变能响应分类方法在叶片损伤识别中的应用

  2. 应变能响应分类方法在叶片损伤识别中的应用,马志卫,徐玉秀,通过大型风力机组的模态分析,得到机组前二十阶固有频率和振型;通过分析叶片的动态特性,找出叶片低阶振动的危险点。计算获得叶
  3. 所属分类:其它

    • 发布日期:2020-02-20
    • 文件大小:276kb
    • 提供者:weixin_38699613
  1. 基于标签传播的有监督局部投影分析在植物叶片分类中的应用

  2. 基于标签传播的有监督局部投影分析在植物叶片分类中的应用
  3. 所属分类:其它

    • 发布日期:2021-03-24
    • 文件大小:479kb
    • 提供者:weixin_38666208
  1. 基于监督正交局部保持映射的植物叶片图像分类方法

  2. 基于监督正交局部保持映射的植物叶片图像分类方法
  3. 所属分类:其它

    • 发布日期:2021-03-24
    • 文件大小:374kb
    • 提供者:weixin_38500572
  1. plant_pathology:使用PyTorch对苹果叶病进行分类。该项目的重点是重新格式化目录结构,图像扩充,传输学习以及将结果图像可视化-源码

  2. 植物病理学项目 项目描述: 该项目取自植物病理学。对影响农作物的许多疾病的误诊会导致化学药品的滥用,导致耐药菌病原体的出现,投入成本的增加以及更多爆发,造成重大的经济损失和环境影响。在这个项目中,我们将使用苹果叶片的图像来训练可以正确诊断感染和健康叶片的模型。我们将以对模型进行训练的方式来转换图像,以获取用户将提交的真实世界数据(不同的亮度,角度,叶片位置,颜色等)。 我们最初的目标是95%的准确性,使用EfficientNet b5之后,我们能够达到95.9%的准确性。重要说明是,此项目是使用
  3. 所属分类:其它

  1. 半监督正交判别投影在植物叶片分类中的应用

  2. 半监督正交判别投影在植物叶片分类中的应用
  3. 所属分类:其它

    • 发布日期:2021-03-19
    • 文件大小:822kb
    • 提供者:weixin_38574410
  1. 基于随机森林分类器的基于油菜籽叶颜色和纹理特征的主要营养元素缺乏症诊断

  2. 无损和准确的氮缺乏症诊断技术是采用针对具体地点的补救措施的关键。 基于油菜叶片特征的变异分类,提出了一种主要元素养分缺乏的智能诊断技术。 建立了四种营养素缺乏的实验图像库,即正常,氮缺乏,磷缺乏和钾缺乏。 通过使用GrabCut算法将具有显着特征的图像分为前景和背景。 前景用于分别使用颜色矩和灰度共现矩阵来提取颜色和纹理特征。 基于离散度和主成分分析对初始特征进行归一化和过滤,从而减小特征维,从而获得关键特征。 降维提高了诊断的速度和准确性。 具有已知元素不足的图像的关键特征被导入到随机森林分类
  3. 所属分类:其它

    • 发布日期:2021-03-14
    • 文件大小:325kb
    • 提供者:weixin_38640072
  1. 结合LDA主题模型的植物叶片形状描述及分类

  2. 结合LDA主题模型的植物叶片形状描述及分类
  3. 所属分类:其它

    • 发布日期:2021-03-08
    • 文件大小:801kb
    • 提供者:weixin_38748769
  1. Leaf Classification 叶分类-数据集

  2. 这个数据集的目的是使用二元叶片图像和提取的特征(包括形状,边缘和纹理)来准确识别99种植物。叶片由于其体积,流行率和独特的特性,是区分植物物种的有效手段。它们还提供了一个有趣的介绍,介绍如何应用涉及到基于图像的特性的技术。第一步,尝试构建一个使用预先提取的特征的分类器。接下来,尝试创建一组自己的功能。最后,检查您所犯的错误,并查看可以做些什么来改进。 Leaf Classification_datasets.txt
  3. 所属分类:其它

    • 发布日期:2021-03-04
    • 文件大小:293byte
    • 提供者:weixin_38545117
  1. 基于多光谱成像选取四季豆叶片的特征波段

  2. 在400~720 nm波段范围,基于液晶可调谐滤波器(LCTF)和CMOS相机组合的多光谱成像系统,以四季豆叶片为研究对象每隔5 nm进行成像。根据图像亮度信息法和波段指数法的相关原理,首先分别计算得到各波段四季豆叶片的波段指数值和可识别度;然后对四季豆叶片的波段指数值和可识别度进行排序,综合图像的灰度离散、亮度信息丰富和波段的相关性小等特点,得出545、630、645、720、650和570 nm波段有较大的波段指数值和较好的识别度;最后根据最小欧氏距离法和光谱角度匹配法分别对四季豆叶片的特征
  3. 所属分类:其它

  1. 卷积神经网络在叶片分类中的应用

  2. 卷积神经网络在叶片分类中的应用
  3. 所属分类:其它

    • 发布日期:2021-03-25
    • 文件大小:200kb
    • 提供者:weixin_38657376
« 12 »