7.输入安装密钥【39676-02743-14813-63132-22122-21739-42724-01237-08353-51560-41813-30272-46436-42021-53831-05395-21684-43572-58789-40638-42099-40160-19797-60670-44428-39867】（建议复制输入），点击【下一步】。9.选择解压后的【MATLABR20

类别名称:["marino","poll_dorset","suffolk","white_suffolk"]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分类存放。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。类型：图像分类用，不可用于目标检测无标注文件。white_suffolk 图片数：420。poll_dorset 图片数：420。图

第二：不可能做到100%识别，目前不存在100%识别情况，即使工业上也是不可能的，由于图像复杂性、多样性，光照、倾斜、模糊等，有的可能根本无法识别；（1）选择工具-取模板选择一个pdf文件划定自己需要识别的区域，如果你选择第2页指定区域则软件统一识别所有pdf第2页指定区域。（2）把含有pdf文件的文件夹拖拽到列表即可完成导入，之后点击开始命名就可以了，操作非常简单。第三：为了防止软件在做低效运转

（3）如果勾选去除特殊字符，则命名前会去掉非法文件名字符比如:/\>等，如果不勾选，则不会命名，因为识别结果里面特殊字符不能给文件命名。（1）点击工具-取模板，选择一个图片划定自己想要识别的区域，然后点击保存模板。（4）使用前请注意备份文件，以防命名后文件名无法恢复原来文件名。（2）如果OCR没有识别到，则文件名不会命名。使用步骤：导入文件夹或者文件，支持jpg,和png三种格式点击开始命名即可。

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)标注类别名称:["BacterialBlight","Blast","Brownspot"]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。重要说明：数据集1/3是原图,2/3是增强图片，请仔细查看斟酌下载

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)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。标注类别名称:["break","lack","scratch"]图片数量(jpg文件个数)：2978。标注数量(xml文件个数)：2978。标注数量(txt

SAST模型训练额外加入了icdar2013、icdar2017、COCO-Text、ArT等公开数据集进行调优。

¶表格单元格检测模块是表格识别任务的关键组成部分，负责在表格图像中定位和标记每个单元格区域，该模块的性能直接影响到整个表格识别过程的准确性和效率。表格单元格检测模块通常会输出各个单元格区域的边界框（Bounding Boxes），这些边界框将作为输入传递给表格识别相关产线进行后续处理。

¶文本检测模块是OCR（光学字符识别）系统中的关键组成部分，负责在图像中定位和标记出包含文本的区域。该模块的性能直接影响到整个OCR系统的准确性和效率。文本检测模块通常会输出文本区域的边界框（Bounding Boxes），这些边界框将作为输入传递给文本识别模块进行后续处理。

¶表格结构识别是表格识别系统中的重要组成部分，能够将不可编辑表格图片转换为可编辑的表格形式（例如html）。表格结构识别的目标是对表格的行、列和单元格位置进行识别，该模块的性能直接影响到整个表格识别系统的准确性和效率。表格结构识别模块会输出表格区域的html代码，这些代码将作为输入传递给表格识别产线进行后续处理。