适用于深度学习，机器学习的目标检测。风能是现代社会最重要的可再生能源之一,风能的主要利用形式是风力发电,风机叶片是捕获风能并将其转化为电能的主要部件,由于大多数的风电机组工作环境复杂恶劣,且长期承受交变负荷作用,使得在役风机叶片容易出现故障,从而降低风机发电效率、造成安全生产隐患,因此对风机叶片表面故障进行检测和识别显得尤为重要。2003年中国风电进入开始快速发展阶段，2018年中国风电容量赶超美国，成为全球第一，然而，我国早期投建的风机已逐步进入中老年。风机叶片在运行过程中，受台风，雷电，冰雪，盐雾等恶劣天气影响，加上长期使用工程中受到的交变载荷的作用，容易出现裂纹，砂眼，分层，脱粘等损伤，所以需要长期的巡检，探测外表缺陷，损害，并进行长期的运营保养。为解决风机运维成本高，检测效率低，缺陷识别难等

在本文中，我们提出了一种新颖的基于轮廓的形状描述符，称为多尺度距离矩阵（MDM），以捕获形状几何图形，同时不影响平移，旋转，缩放和双边对称性。 该描述符进一步与降维相结合，以提高其判别能力。 所提出的方法避免了在大多数先前的形状识别算法中使用的费时的逐点匹配。 因此，它速度快，适合实时应用。 我们通过在两个数据集上进行实验，将提出的方法应用于计划叶子识别的任务：瑞典叶子数据集和ICL叶子数据集。 实验结果清楚地证明了提出的描述符的有效性和效率。

设计了一种风力发电机组叶片振动的无线检测系统。采用模块化设计思路，振动传感器选用TZDM22-55，单片机选用高性能的ATMEGA32，无线收发模块选用NRF24E1芯片，上位机采用LabVIEW编程。系统平时工作在休眠状态，工作时通过软中断请求唤醒。测试结果表明该系统传输信号数据可靠。系统集成度高，功耗小，结构简单，工作稳定可靠，抗干扰能力强。

UCI Folio Leaf 是不同种类树叶的图片数据集，包含 32 中不同的树叶种类，每类 20 张左右的图像。

[基于MATLAB]植物叶片虫害检测系统（方法svm，颜色，可以识别具体是什么虫子等，带界面GUI和文稿万字）.zip

基于matlab实现的植物叶片病虫害侵蚀检测识别源码+GUI界面+项目运行说明(课程设计).zip 该系统是植物 病虫害 检测识别系统。 假设农场主，需要喷洒农药，但是如果大面积无差别喷洒的话 ，工作量大不说 ，还造成农药的浪费，提高种植 成本。如果有这么一种技术，在农场的某个地方，架设一台可全天候自动 旋转的摄像头，采集好某处叶子的图片，提取叶子颜色等 特征 ，跟训练好的一些叶子的结果对比，判别被害虫侵蚀到什么程度了，然后告诉后台 ，农场主进行有差别地精准喷洒农药，做到提高效率，节约成本。 该课题为 基于MATLAB软件平台，通过采集的植物叶片 的颜色进行 一系列预处理，如提取颜色特征 ，光滑，量化等。 带GUI界面 。 【备注】主要针对正在做毕设的同学和需要项目实战的深度学习、matlab、cv图像识别模式识别方向学习者。 也可作为课程设计、期末大作业。包含：项目源码和项目操作说明等，该项目可直接作为毕设使用。 也可以用来学习、参考、借鉴。

苹果叶片病害数据集，共3997张图片 苹果叶片病害数据集，共3997张图片 苹果叶片病害数据集，共3997张图片

基于Matlab颜色特征和纹理特征的植物叶片病虫害识别系统源码(带GUI界面)+程序使用说明文档.zip 基于Matlab颜色特征和纹理特征的植物叶片病虫害识别系统源码(带GUI界面)+程序使用说明文档.zip 基于Matlab颜色特征和纹理特征的植物叶片病虫害识别系统源码(带GUI界面)+程序使用说明文档.zip 该课题为基于Matlab颜色特征和纹理特征的植物叶片，病虫害侵蚀识别系统。可以判别某一片植物属于什么病。带有一个人机交互界面。

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。

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