文件名称：作物田间健康：从航空影像中检测作物田间健康和异常
文件大小：310KB
文件格式：ZIP
更新时间：2024-03-13 19:59:36
Python
作物田间健康 该项目旨在利用神经网络对图像进行分割，以检测作物田中的异常现象，例如杂草丛生，跳栽和水毁灭等，以协助大规模农业。 考虑到全球农田的广阔性，徒步巡逻农田和资源消耗几乎是不可能的，而试图让人们使用现有技术来分析航空影像通常非常昂贵。 该项目简化了现有解决方案，并为分析图像提供了一种快速且经济高效的解决方案。 结构 由于农业视觉数据集的复杂性，数据流水线和系统被分多个阶段开发（见下文）。 首先，使用scripts/expand.sh脚本从压缩文件中scripts/expand.sh数据集。 然后， scripts/generate.sh调用preprocessing/generate.py脚本，该脚本创建包含所有图像路径的JSON文件的唯一图像ID。 最后， preprocessing/dataset.py文件包含AgricultureVisionDataset对象，该对象从实现
【文件预览】：
crop-field-health-master
----.gitignore(295B)
----training.py(1KB)
----evaluation()
--------logs.py(2KB)
--------display.py(3KB)
----requirements.txt(101B)
----Makefile(113B)
----data()
--------model.txt(199B)
--------README.md(465B)
--------data-checkup.py(978B)
----model()
--------light()
--------complex()
--------boundary_loss.py(0B)
--------model_factory.py(2KB)
--------dice_loss.py(0B)
----.cloud()
--------save_files_on_epoch.py(3KB)
----examples()
--------evaluated-8.png(285KB)
----cc()
--------generate.h(2KB)
--------generate.cc(10KB)
--------CMakeLists.txt(520B)
----scripts()
--------preprocess.sh(948B)
--------expand.sh(852B)
----README.md(3KB)
----util.py(1KB)
----preprocessing()
--------generate.py(6KB)
--------augmented.py(3KB)
--------inspect.py(8KB)
--------dataset.py(18KB)