2023年南京农业病虫害图像识别数据集

农业病虫害对农作物的产量和品质造成了严重的威胁,因此准确、高效地检测和识别病虫害是农业生产中的重要任务。本文介绍了一个综合的农业病虫害数据集,由农业虫害检测数据集、农业病害检测数据集、农业病害分类数据集和水稻表型分割数据集组成,包含55个类别、48576张,共4.14 GB的图像样本。从公开数据源和学术论文中收集和整理数据,保证了数据集的多样性和代表性。在数据的筛选、清洗和标注过程中,采用了严格的质量控制和验证措施,以确保数据集的准确性和可靠性。该数据集可用于农业病虫害识别和水稻表型鉴定等农业视觉任务,能够为农业病虫害研究提供有价值的资源,并促进农业生产的可持续发展。

基于物联网和频谱分析的林火早期探测技术

森林火灾是一种具有突发性和危险性的自然灾害,根据火情种类可将森林火灾分为:地下火、地表火和树冠火,其中树冠火极其危险,因为它的传播速度是地表火的十几倍,因此,尽早对火灾类型进行分类是非常重要的。笔者设计了一种基于物联网技术和声音频谱分析技术的林火探测系统,此系统适用于森林火灾连续监测和早期探测的无线声学测深,具有良好的空间分辨率和时间分辨率。为实时监测林区,将大量传感器节点部署在林区,实现林区全覆盖。根据无线传感器的有效通讯距离以及能耗问题,本研究选用具有低功耗、远距离传输特点的LoRa设备,进行数据传输。最后,对声音传感器采集到的音频数据进行声音频谱分析,结合分类算法和交叉谱区分树冠火和地表火的声音频率差异。但是,分类方法的准确性会受到一些因素的影响,如传感器的分布、声音传输中的能量损耗、数据传输的延迟等。通过实验测试表明树冠火的声音频率为0~400 Hz,地表火的声音频率为0~15000 Hz,并可以通过声音频谱分析技术实现从声音角度来探测森林火灾的发生。

全球船用发电机组市场分析

根据相关机构2006～2008年的统计数据及市场调研,对全球船用发电机组市场作出分析和预测,对船用发电机组的生产、销售有一定的参考价值。

一种改进的林火实例分割深度学习模型

林火识别是森林防火中的关键环节,对于早期火灾扑救和森林资源保护具有重要意义。本文提出了一种利用卷积神经网络对林火进行实例分割的模型。相比于原始模型Mask R-CNN,该模型的主要变化如下:(1)对主干特征提取网络和掩膜生成网络进行重构;(2)简化了目标分类和边界框回归的过程;(3)将非极大值抑制算法替换为新的区域分组和滤波算法。在本研究中,使用了5000张林火图像及其手动分割生成的掩膜。大量实验结果表明:所提出的优化模型在略微降低mIoU(81.44%)和mAP(60.52%)的情况下,能够大幅度提高识别效率(9FPS)。因此,本文的模型可以较好地实现对林火进行实例分割,并为相关技术提供参考和借鉴。