qq_43723025的博客

文章目录论文下载地址：AgriPest论文论文code和dataset：code和dataset目前在GitHub上面已经找不到了。如果需要code和dataset的直接与论文作者联系可能比较好。AgriPest是小目标农作物病虫害对象检测数据集（这就要求对象在样本图像中所占的区域面积比较小），它的验证集分为了四种常见场景下的对象检测，这两个方面结合起来更加符合野外虫害识别的实际情况。在此数据集出现之前，我们所做的农作物的病虫害识别一般都是属于较大对象的检测，很多情况下都是在比较单一的背景下，单一对

文章目录1、文献摘要2、发展概述2.1、病虫害识别和分类2.2、害虫的数目统计与位置检测2.3、农业病虫害现有数据集2.3.1 IP102数据集2.3.2 IDADP数据集2.4、识别与分类的常用方法2.4.1 KNN（k-Nearest Neighbors最近邻分类算法）2.4.2 SVM（Support V ector Machine支持向量机）2.4.3 NB（Naive Bayes朴素贝叶斯分类算法）2.4.4 CNN（Convolutional Neural Networks卷积神经网络）2.4.

论文下载地址：AgriPest论文摘要研究人员和社区提供了一个***标准的大规模数据集***，其中包含***实际野生害虫的图像和注释***，以及评估程序。在过去的七年中，AgriPest通过我们设计的图像采集设备***在田间环境中采集了四种作物的49.7千张图像，其中包含14种害虫。***所有的图像都是由农业专家用高达264.7K的害虫定位包围盒手工标注的。本文还提供了对农业害虫的详细分析，***其中验证集分为四种类型的场景，在实际的害虫监控应用中很常见。***我们探索和评估先进的深度学习技术在农业害

文章目录1.文献摘要2.图像处理技术（IPT）在农作物病虫害识别中的应用2.1基于手动特征提取的病虫害识别2.2基于深度学习网络自动特征提取的病虫害识别3.10种不同CNN体系结构在农作物病虫害识别上的性能比较4.现有文献中的问题汇总5.本文献的总结最近读了Recent advances in image processing techniques for automated leaf pest and disease recognition – A review这篇文献之后，让我对农作物的病虫害识别有了