- 综合排序
- 最热优先
- 最新优先
- 来自专栏CVer
YOLOv5被禁用！Kaggle全球小麦检测竞赛结果惹争议
前言 昨天Kaggle 全球小麦检测（Global Wheat Detection）比赛落下帷幕，共计2,270 支队伍参赛。 ? YOLOv5 称霸Kaggle 小麦检测 小麦检测赛事是今年5月初开始，刚开始很多人还是用Cascade R-CNN、EfficientDet这些知名的检测项目作为他们的基础解决方案。 但5月底，YOLOv5正式发布，Amusi 当时也是第一时间就报道了，不知道YOLOv5的同学详见：大神没交棒，但YOLOv5来了！ 于是就有参赛者使用YOLOv5，结果性能爆炸！ YOLOv5 在Kaggle小麦检测表现有多强？ 彻底宣告YOLOv5被禁用后，很多人删除了之前的 submissions。 那么究竟其表现有多强？ 期间大量讨论帖多次强调别再使用YOLOv5了，很多人也呼吁删除YOLOv5的成绩，但要知道依然会存在YOLOv5被用作参赛的情况。 ?
2.4K10发布于 2020-08-10 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
全球历史小麦产量数据集
欧洲地区是全球第二大小麦生产地区，占全球小麦产量的约26%。 4. 北美洲地区是全球第三大小麦生产地区，占全球小麦产量的约14%。 5. 定位地图中心 Map.centerObject(img, 2); //设定预览参数 visParams = {min: 0, max: 16, palette: ['ffffe5' , 'f7fcb9', 'd9f0a3', 'addd8e', '78c679', '41ab5d', '238443', '006837', '004529']}; //加载影像 Map.addLayer (img, visParams, "img"); //图例 var data = {title: "全球小麦年产量（吨/公顷）", colors: ['#ffffe5', '#f7fcb9 ', '#d9f0a3', '#addd8e', '#78c679', '#41ab5d', '#238443', '#006837', '#004529'], labels:
51410编辑于 2024-02-02 - 来自专栏「毅硕|生信教程」
Sentieon | 小麦全基组（WGS）分析流程
引言 今天给大家介绍的是基于 Sentieon 软件开发的用于小麦全基因组测序数据的自动化流程脚本。 测试小麦样本平均测序深度7.55x，从FastQ到VCF全流程分析最快用时1.4个小时，大幅缩短小麦全基因组WGS分析时间，有效加快小麦的分子育种进程。 5. 计算 GVCF 文件的 MD5 ，确保文件完整性，成功后创建hc.ok。 8. Joint Calling 8.1 参数检查与使用说明 #! 从FastQ到VCF全流程分析最快用时1.4个小时，大幅缩短小麦全基因组WGS分析时间，有效加快小麦的分子育种进程。
37210编辑于 2025-09-25 - 来自专栏小明的数据分析笔记本
杂记：NCBI下载测序数据；小麦GO富集分析
./ SRR8502595 但是好像不管用，还是sra格式的数据 -O 指定下载文件的存储位置 小麦做GO富集分析 找到了一个在线工具，直接上传 geneid 就可以 , 链接是 http://wheat.cau.edu.cn
1.4K20发布于 2021-05-07 - 来自专栏GoCoding
TorchVision Faster R-CNN 微调，实战 Kaggle 小麦检测
本文将利用 TorchVision Faster R-CNN 预训练模型，于 Kaggle: 全球小麦检测[1] ? 上实践迁移学习中的一种常用技术：微调（fine tuning）。 [5] Data 页下载数据，内容如下： train.csv - the training data sample_submission.csv - a sample submission file in 绘制 Loss plt.figure(figsize=(8, 5)) sns.set_style(style="whitegrid") sns.lineplot(x=range(1, len(total_train_loss 如下： ce4833752,0.5 0 0 100 100 image_id ce4833752 的图片，预测出 x y w h 0 0 100 100 处是小麦，置信度 0.5。 Kaggle Notebooks: https://github.com/ikuokuo/start-pytorch/blob/master/docs/use_kaggle_notebooks.md [5]
1.6K31发布于 2021-05-06 - 来自专栏生信小王子
专属于六倍体小麦的Bioconductor注释包
专属于六倍体小麦的注释包。 此注释包是基于iwgsc_refseqv1.1版本的基因号制作的，GO注释来源于 https://doi.org/10.5281/zenodo.2541477。 做小麦的同学赶快下载下来试一下吧~ 参考资料： Bioconductor的注释包太旧怎么办？自己做呀 https://www.jianshu.com/p/77246ff36214
1.9K51发布于 2020-08-10 - 来自专栏小麦苗的DB宝专栏
小麦苗人大金仓数据库巡检脚本
）、gsql（openGauss）、db2（DB2数据库）、obclient（OceanBase）、ksql(人大金仓)环境即可运行脚本 4、脚本内容可视化，可以看到脚本内容，因此可供学习数据库使用 5、 4、html巡检结果 这里只列出部分结果，其它的详细内容可以参考：https://share.weiyun.com/5lb2U2M 其它不再列举。
1.4K20编辑于 2022-04-11 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
AI Earth ——开发者模式案例6：决策树模型实现冬小麦提取
决策树模型实现冬小麦提取¶ 依据作物在不同物候期内卫星影像的光谱存在差异的特征，可建立冬小麦提取算法，进行像元尺度冬小麦提取。 播种期 10-11月，旺长期3-4月，成熟期5-6月 NDVI_median = getl8_ndvi('2017-10-11', '2017-11-10').median().clip(region) ) # < 0.48存在 mask4 = NDVI_max.gt(aie.Image.constant(0.48)) # 区分植被区域和非植被区域，> 0.48 为植被区域 mask5 = NDVI_min.gt(aie.Image.constant(-0.12)) # 筛选冬小麦区域，成熟/收获期冬小麦植被指数下降 mask6 = NDVI_min.lt(aie.Image.constant = NDVI_min.lt(NDVI_max.add(aie.Image.constant(0.5))) wheat1 = mask1.And(mask2).And(mask3).And(mask5)
40910编辑于 2024-02-02 小麦病害分割数据集labelme格式1882张4类别
数据集格式：labelme格式(不包含mask文件，仅仅包含jpg图片和对应的json文件)
36600编辑于 2025-07-17小麦成熟度分类数据集10695张7类别
数据集类型：图像分类用，不可用于目标检测无标注文件 数据集格式：仅仅包含jpg图片，每个类别文件夹下面存放着对应图片 图片数量(jpg文件个数)：10695 分类类别数：7 类别名称:["anthesis","booting","crown_root","heading","mid_vegetative_phase","milking","tillering"]
26900编辑于 2025-07-16- 来自专栏Lan小站
一个用爱发电的临时网盘——小麦云链
小麦云链，小麦云盘系列中的一个新产品，可以理解为简版的U-File。 无需注册，不限制上传数量和大小，文件上传以后，会获取HTTP和FTP两种直链模式并提供上传记录下载。
3.3K20编辑于 2022-07-14 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
GEE数据集：美国玉米、大豆和冬小麦 QDANN 30m 产量图数据集
QDANN 30m Yield Map for Corn, Soy, and Winter Wheat in the U.S美国玉米、大豆和冬小麦 QDANN 30m 产量图 简介 该数据集展示了一个新颖的规模转移框架 该数据集基于 Landsat 图像和 Gridmet 气象数据，重点关注美国的玉米、大豆和冬小麦田。该数据集利用约一百万个田间年观测数据中的产量监测记录进行验证。 主要结果包括 - 玉米、大豆和冬小麦的 R² 分数（RMSE）分别为 48%（2.29 吨/公顷）、32%（0.85 吨/公顷）和 39%（1.40 吨/公顷），与基准方法相比，显示出更高的准确性。 - 当产量汇总到县一级时，QDANN 的性能显著提高，玉米的 R² 分数（RMSE）达到 78%（0.98 吨/公顷），大豆达到 62%（0.37 吨/公顷），冬小麦达到 53%（1.00 吨/公顷）。 创建者：Ma,Yuchi et al： Ma,Yuchi et al： 关键词：玉米、大豆、冬小麦、产量 GEE 最后更新时间：2024-09-22
45310编辑于 2024-10-14 - 来自专栏生信宝典
鲁非研究组合作揭示小麦株型性状地理分化和育种选择的遗传基础
小麦是三大主要粮食作物之一，占世界粮食产量的30%和世界粮食贸易的50%，其产量直接影响我国粮食安全。因此，提高小麦产量仍是当前育种工作的主要目标之一。 小麦株型对于提高产量和环境适应性至关重要，系统研究小麦株型性状的地理分化和育种选择的遗传基础，对于小麦育种具有重要价值。 根据世界范围的小麦地理分化规律，可以看出欧洲小麦材料的穗下节长度单倍型占比较大，而亚洲材料的中等单倍型占比随育种过程逐渐增加。 该研究对小麦株型的遗传改良具有重要意义，为小麦株型的分子设计育种提供了重要的遗传信息资源。 该研究成果于5月12日在线发表于国际学术期刊Genome Biology（DOI:10.1186/s13059-023-02932-x）。
38820编辑于 2023-08-30 小麦穗检测数据集VOC+YOLO格式6508张1类别
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：6508 标注数量(xml文件个数)：6508 标注数量(txt文件个数)：6508 标注类别数：1 标注类别名称:["wheat"] 每个类别标注的框数： wheat 框数 = 275249 总框数：275249 使用标注工具：labelImg 标注规则：对类别进行画矩形框 重要说明：暂无 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注
9200编辑于 2025-07-20小麦病害检测数据集VOC+YOLO格式1882张4类别
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)
55400编辑于 2025-07-17- 来自专栏小麦苗的DB宝专栏
小麦苗数据库巡检脚本，支持Oracle、MySQL、SQL Server和PG等数据库
纯SQL文本 3、跨平台，只要有SQL*Plus、mysql、MSSQL客户端（SSMS、Navicat皆可）、psql环境即可运行脚本 4、脚本内容可视化，可以看到脚本内容，因此可供学习数据库使用 5、 4、PG数据库 [image-20210130153433186.png] 5、OS信息 [wps16.jpg] 四、脚本运行方式 1、Oracle数据库 只要有sqlplus的客户端即可。 5、OS信息 操作系统信息的收集是perl脚本，运行方式如下所示。 .wmv》或阅读《【DB健康巡检（Oracle+MySQL+MSSQL+OS）】小麦苗巡检脚本使用说明_LHR.pdf》，下载地址为：https://share.weiyun.com/5lb2U2M 。 相关证书见下图： [image-20210130151713465.png] About Me *** ● 本文作者：小麦苗，部分内容整理自网络，若有侵权请联系小麦苗删除
2.8K20发布于 2021-01-30 - 来自专栏Sentieon：文献解读
Sentieon项目文章：泛基因组揭示小麦结构变异与栖息地及育种的关联
关键词：小麦；分子育种；生信分析； 引言 普通小麦(AABBDD)源于7000-8000年前中东地区四倍体小麦与粗山羊草的自然杂交。约3500-4000年前传入中国，逐渐成为华北主要农作物。 自1950年以来，我国共育成审定约3500个小麦新品种。多样化的生态类型（如春性与冬性、雨养与灌溉、单季与双季）和复杂的饮食文化需求，共同驱动了中国小麦遗传多样性的形成与演变。 并进行PacBio Iso-seq测序，构建0-5 kb插入文库，在Sequel II上获得超过10 Gb的测序数据。 基因注释过程包括三个主要方面：重复序列注释、基因结构预测和功能注释。 在结果一致性高达99.7%的同时，速度提升5-10倍。能在处理30万个样本的同时进行joint Calling无需合并中间文件，能在CPU的计算系统上部署，无需依靠GPU等特殊硬件支持。 研究总结 研究发现结构变异SV通过抑制着丝粒区域的重组过程，成为驱动小麦演化的重要机制。阐明了VRN-A1复制和食物文化共同塑造了小麦品种生态适应性。
46210编辑于 2025-09-04 - 来自专栏编外气象人
农产品期货的气象服务产品设计【4】
（4）小麦主产区气候分析产品 在小麦生长期内近3年的气候分析，尤其是在出苗、拔节、抽穗、灌浆时期的往年天气对比及天气走势，给出分析报告，图文结合； （5）天气风险决策支持产品 针对灌浆期和收获期出现的大风 在气象服务产品的设计中要重点考虑： （1）长期的气候预测的有效性； （2）极端和灾害性天气的影响与评估； （3）往年相关天气影响下的棉花价格走势； （4）多雨、低温、霜冻以及突发的灾害性天气预警； （5） （5）天气风险决策支持产品 针对棉花生长周期内出现的出现的持续低温、持续高温、冰雹、连阴雨、霜冻等灾害性天气，对生产者和期货投资者给出相应建议； （6）棉花产量和质量评估产品 面向棉花主产区，依据卫星遥感技术和棉花产量 报告定制内容如下： （1）农产品期货标的物的主产区气候背景分析； （2）主产区农作物生长周期内常规的天气预测； （3）影响农产品生长的关键气象影响因子描述； （4）农作物生长关键周期的精细化天气预测； （5） ].孙志国，《农产品期货交易与气象信息》，吉林气象 [3].何平均、李菁菁，《“农产品期货+供应链金融”模式创新研究》，粮食经济 [4].黄亚林，《我国农产品期货市场发展方向及路径探讨》，经济论坛 [5]
80620发布于 2020-06-02 - 来自专栏气象学家
21世纪以来的历次“粮食危机”，发生了什么？
以2020年第一个交易日为基准，CRB食品现货指数在2022年5月达到最高点，最大涨幅75% , CBOT玉米价格在2022年4月达到最高点，最大涨幅109% , CBOT小麦价格在2022年3月达到最高点 当厄尔尼诺指数大于等于+0.5并且持续超过5个月，即可认定“厄尔尼诺事件出现”；当厄尔尼诺指数小于等于－0.5，即可认定“拉尼娜现象出现”。 干旱导致美国小麦产量和品质严重下滑。美国面临十年来最大干旱，小麦产量受到威胁。USDA数据显示，截至5月3日，美国约69％的作物生长区都遭遇旱灾。 虽然USDA预测2022/2023年美国小麦产量上升，但不利天气对小麦产量造成的影响可能高于预期，导致产量减少，影响出口量，小麦供应不足，驱动粮价上行。 热浪袭击印度，威胁小麦生产。 2022年5月16日，《求是》杂志刊发文章，要求完善国家储备体系，保障初级产品供给，体现了国家对粮食安全的的重视，有利于我国粮食价格稳定。
83020编辑于 2022-06-13 - 来自专栏技术汇总专栏
小麦田间叶片病害目标检测数据集（2000 张已标注）：面向目标检测的农业智能识别
小麦田间叶片病害目标检测数据集（2000张已标注）：面向目标检测的农业智能识别一、背景小麦作为全球最重要的粮食作物之一，其产量与品质直接关系到粮食安全与农业经济稳定。 数据集下载链接:https://pan.baidu.com/s/17R-kxYCn03O-5OUtHkqRSQ? ，是保障小麦产量稳定、提升小麦品质的核心要素。 基于各类复杂麦田环境图像与无人机巡检设备采集的小麦病害相关数据解析并标注构建的小麦病害目标识别数据集，能为YOLO等前沿目标检测模型提供贴近实际小麦病害场景的训练样本，助力模型更精准识别不同环境中小麦病害的感染程度与扩散范围 数据集核心特性数据规模：2000张高分辨率图像数据来源：无人机巡检+实地采样环境多样性：多气候、多地貌、多生育期任务类型：目标检测（ObjectDetection）适配模型：YOLO系列（YOLOv5/
49110编辑于 2025-12-24
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号