共查询到20条相似文献，搜索用时 171 毫秒
1.
通过研究小麦叶部病害的症状特点及图像特点,应用K_means硬聚类算法对小麦叶部病害图像进行彩色图像分割,得到二值化分割和彩色分割,利用多重分形分析从二值化分割图像中提取病害形状特征参数,分别利用提升小波变换和脉冲耦合神经网络从彩色分割图像中提取颜色特征参数和纹理特征参数.根据提取的组合特征参数,利用学习向量量化神经网络进行小麦病害分类识别.结果表明,该算法对小麦病害的识别率可达到95％以上. 相似文献
2.
基于量子神经网络和组合特征参数的玉米叶部病害识别 总被引：1，自引：0，他引：1
【目的】探索一种基于量子神经网络和组合特征参数的玉米叶部病害识别方法,以提高玉米叶部病害识别的准确率和效率。【方法】应用K_means硬聚类算法对玉米叶部病害图像进行彩色图像分割,得到彩色分割图像,分别利用提升小波变换和灰度共生矩阵从彩色分割图像中提取颜色和纹理特征参数,利用多重分形分析从灰度图像中提取病害的形状特征参数。【结果】根据提取的组合特征参数,利用量子神经网络进行玉米病害分类识别,对玉米灰斑病、玉米普通锈病和玉米小斑病的识别率分别达到92．5％、97．5％和92．5％,高于误差反向传播神经网络法的识别率（分别为90．0％、90．0％和92．5％）。【结论】设计的方法可用于玉米叶部病害识别,并为其他农作物病害的智能识别提供借鉴。 相似文献
3.
农作物病害是严重影响农业生产的关键因素之一。近年来,深度学习技术迅速发展,其在农作物叶部病害检测和识别领域的应用逐渐受到关注。本文对基于深度学习的农作物病害识别方法进行总结,分析了该技术在农作物病害识别中的应用,从田间环境、成本和数据量等方面入手探讨其需要解决的一些问题,并对其发展进行了展望,为今后农作物病害识别的深入研究与发展提供参考。 相似文献
4.
【目的】利用卷积神经网络构建作物病害识别模型,提高识别性能,解决作物病害识别性能低、泛化效果差等问题。【方法】通过数据增广技术增加样本多样性,引入聚焦损失改进模型学习目标,解决样本非均衡问题,分析比较不同卷积神经网络结构的识别性能,并用类激活图生成技术度量模型的可靠性。在番茄叶部病害数据集上验证方法的有效性。【结果】应用数据增广技术后,模型在简单背景样本上的识别准确率提高了1.0%,在复杂背景样本上提高了12.5%;聚焦损失使模型的准确率提高了0.1%;该模型的识别准确率为99.8%,对各类病害的召回率在97.3%以上;应用类激活图技术生成的显著性图可有效标识模型在识别过程中的重点关注区域。【结论】该方法能够有效解决病害图像样本非均衡问题,提高了病害识别模型的泛化性能,同时类激活图可以用于分析模型的可靠性,从而为番茄叶部病害防治提供参考。 相似文献
5.
6.
通过维数约简实现特征提取是图像识别的一个重要步骤.由于同一种作物病害叶片和病斑图像的高度复杂性,在各种不同拍摄角度、位置和光照等条件下得到的图像之间差异较大,使得很多经典的维数约简和特征提取算法不能有效地用于作物叶部病害识别.本文在判别局部保持投影(Discriminant Locality Preserving Projections,DLPP)的基础上,提出一种基于DLPP的苹果叶部病害识别方法.首先利用GrabCut算法对采集的病害叶部图像进行背景分割,然后利用分水岭算法对去背景图像进行分割,得到病斑图像;再利用DLPP将病斑图像投影到低维判别空间,得到分类特征;最后利用K-最近邻分类器进行病害类别识别.在实际苹果病害叶片图像数据库上的实验结果表明,该方法是有效可行的. 相似文献
7.
8.
针对传统卷积神经网络在马铃薯叶部病害识别中结构复杂、参数庞大,难以实现在移动设备上的良好应用的问题,提出一种基于轻量级卷积神经网络和迁移学习的马铃薯叶部病害识别方法。首先,采集马铃薯叶部病害图像样本,再运用GrabCut算法进行图像分割;再基于MobileNetV3构建病害识别基础模型,并通过调整模型结构及宽度系数α等方式对模型进行优化,最后运用迁移学习的方式将预训练参数迁移至优化模型进行训练。结果表明,该方法对马铃薯健康、晚疫病、早疫病、炭疽病及其他病害叶部图像识别准确率为98.00%,模型权重仅为0.68 MB,识别速率为0.014 s/幅。本研究结果可为马铃薯叶部病害识别在移动设备上应用的实现提供理论支持。 相似文献
9.
[目的]介绍一种根据小麦病害图像的颜色特征进行病害识别的方法。[方法]首先对小麦叶部图像进行预处理,利用小波变换进行病害部位增强和去噪;然后基于病害部位的非绿特征进行图像分割,得到只包含病害像素的图像;对病害图像颜色进行统计,得到R、G、B分量的均值,并用相对于绿色分量的均值比作为颜色特征值;最后通过分析样本图像得到每种病害的特征值范围,利用颜色特征值对未知样本进行病害识别。[结果]采用该方法对小麦叶锈病、条锈病、白粉病进行识别,平均准确率达到98%。[结论]为小麦病害的诊断与诊治提供了理论依据。 相似文献
10.
基于图像处理技术的黄瓜叶片病害识别诊断系统研究 总被引：4，自引：0，他引：4
为了提高黄瓜叶部病害检测与染病程度的分级的准确率和效率,综合运用图像处理技术、人工神经网络技术,实现黄瓜叶部病害检测与染病程度分级,并主要对发病率高且危害严重的黄瓜霜霉病、白粉病和病毒病进行试验研究.首先,通过接种方法获得了纯正的黄瓜病害样本,并采集染病植株的样本图像.利用基本图像处理的方法对黄瓜叶部病害图像进行处理,综合运用二次分割、形态学滤波得到病斑区域.其次,提取三种特征包括22个特征参数,采用BP算法训练的多层前向人工神经网络对黄瓜病害进行分类.实验证明,检测系统的黄瓜叶部病害平均识别精度为95.31%,并能够快速准确地对黄瓜叶片病害的染病程度进行分级 相似文献
11.
基于多进制小波的森林遥感影像融合 总被引：1，自引：0，他引：1
唐彦 《东北林业大学学报》2010,38(8)
为监测森林资源动态变化信息,探讨了基于多进制小波变换与RGB特征融合相结合的遥感影像融合方法。在融合过程中,首先对高分辨率全色影像和多光谱影像进行M进制小波分解,再将高分辨率影像的高频分量分别与多光谱影像的R、G、B波段高频分量以区域能量为融合准则进行特征融合,形成新的高频分量;然后与多光谱影像的低频分量进行多进制小波逆变换,最后经RGB合成为彩色影像。结果表明,该方法既改善了影像的清晰度和分辨率,同时也保留了原影像的光谱信息,利用融合后的影像进行森林资源动态监测,效果明显提高。 相似文献
12.
图像变换是从排种图像中精确提取种子对象的一项关键措施,由于线性变换、中值滤波尚不能达到理想要求,故尝试应用二雏小波对排种图像进行小波变换,并依据种子对象的提取效果对其进行了评价。研究结果表明,小波变换对排种图像处理而言是一种优良变换算法,种子对象提取的匹配系数均大于0．85,最高达0．935 7,优于线性变换算法的0．6709。 相似文献
13.
[目的]在秦巴山区油菜作物监控系统中,为使得图像在保证质量的前提下以较小的空间存储和较小的比特率传输,提出了一种新的图像压缩技术方案。[方法]方案首先将彩色图像分解为3基色亮度图,并分别进行子块划分和DCT变换处理,再对变换域系数进行量化处理和采用Huffman算法进行编码压缩,最后采用逆过程进行解压并匹配出解压后的彩色图像。[结果]仿真试验表明:油菜作物的彩色图像在压缩比为11.972 3∶1时,人眼无法分辨出解压缩图像与源图像之间的差异;当压缩比为高压缩比53.565 6∶1时,PSNR仍能达到30 dB以上,且编码效率能达到0.78以上,冗余度在0.22以下。[结论]该研究表明提出的彩色图像压缩技术方案在保证图像质量的前提下能够实现较高的压缩比,且编码质量和解压缩图像均可达到较理想的效果,完全能满足秦巴山区油菜作物监控系统中的图像存储和传输。 相似文献
14.
[目的]在秦巴山区油菜作物监控系统中,为了使得图像在保证质量的前提下以较小的空间存储和较小的比特率传输,提出了一种图像压缩技术方案,[方法]方案首先将彩色图像分解为三基色亮度图,并分别进行子块划分和DCT变换处理,再对变换域系数进行量化处理和采用Huffman算法进行编码压缩,最后采用逆过程进行解压并匹配出解压后的彩色图像。[结果]通过仿真实验结果表明:油菜作物的彩色图像在压缩比为11.9723∶1时,人眼无法分辨出解压缩图像与源图像之间的差异;当压缩比为高压缩比53.5656∶1时,PSNR仍能达到30dB以上,且编码效率能达到0.78以上,冗余度在0.22以下。[结论]表明提出的彩色图像的压缩技术方案在保证图像质量的前提下能够实现较高的压缩比,且编码质量和解压缩图像均达到较理想的效果,完全可以满足秦巴山区油菜作物监控系统中的图像存储和传输。 相似文献
15.
稻米图像边界是阶梯型边界,在稻米图像的边缘检测中,利用模角分离的小波变换,结合尺度独立的算法提取了阶梯型边界,但得到的边缘图像存在边界不连续和边缘响应次数不唯一的问题。而小波变换的模极大值法检测出了所有类型的边界,其中包括不需要的边界。本文提出一种边缘检测方法,将尺度独立法与模极大值法的优点结合,在稻米图像的边缘检测中取得了理想的结果。 相似文献
16.
为了实现温室植物病害的智能化防治,采用数字图像处理技术对植物病害进行诊断已成为主要技术之一。就黄瓜侵染性病害的图象处理及特征值提取方法进行了研究。研究在图像预处理中,由于病变叶片形状大小不一、背景的存在和病状的不同,必然套对图像处理造成影响。本研究以选择图像的背景为切入点,分离了叶片与背景；利用边框裁减算法进行了图像处理窗口的确定,从而有效地提高了处理速度；比较了两种滤波的效果：选择邻域均值法作为颜色特征提取前的预处理,选择中值滤波作为纹理特征提取前的预处理；根据RGB三体对人眼的刺激程度的不同对图像进行了灰度化处理,从而简化了图像的处理难度．并提高了处理速度；利用双峰法从背景中分割出有效分析叶片部分,利用OSTU法将叶片正常部位与病态部位分割出来。从而为后续提取有效的病害诊断特征参数和建立模式识剐系统奠定了基础。 相似文献
17.
18.
Digital image analysis and chlorophyll metering for phenotyping the effects of nodulation in soybean 总被引：2，自引：0，他引：2
J. Vollmann H. WalterT. Sato P. Schweiger 《Computers and Electronics in Agriculture》2011,75(1):190-195
Leaf photosynthesis and rhizobial nitrogen fixation are the two metabolic processes of utmost importance to legume growth and development. As these processes are closely related to each other, measuring of leaf chlorophyll content can provide information on the nodulation and nitrogen fixation status of crop plants. In the present investigation, a number of soybean breeding lines consisting of near-isogenic families which are genetically segregating for the nodulation trait were utilized in field experiments carried out across three growing seasons at Vienna, Austria. For phenotyping leaf chlorophyll content, the Minolta SPAD spectrometer was applied in parallel to a simple leaf digital image analysis procedure based on a commercial digital still camera. The main objectives of the research included the comparison of SPAD metering and image analysis for determination of chlorophyll content, phenotyping of the soybean nodulation vs. non-nodulation characteristic with respect to leaf, agronomic and seed traits, and relating both chlorophyll and image analysis data to seed quality characteristics. Nodulating and non-nodulating soybean lines significantly differed in chlorophyll content from the V5 (five leaves fully developed) soybean developmental stage onwards. Apart from chlorophyll content, leaf size, plant height, number of pods per plant, 1000-seed weight, and seed protein and oil content were also affected by nodulation type. The chlorophyll content of soybean leaves as determined by SPAD metering was significantly correlated (r = −0.937) to the green color value (RGB color model) of leaf image analysis at the R3 (beginning of pod growth) soybean developmental stage. Both chlorophyll content and leaf image analysis parameters were correlated to 1000-seed weight, seed protein and seed oil content. Thus, it appears that these leaf parameters related to photosynthesis and nitrogen fixation could be utilized to determine the nitrogen status of a soybean crop and subsequently in forecasting seed quality parameters of the harvest product. 相似文献
19.
[目的]采用傅里叶变换红外光谱对葱蒜锈病叶进行了研究,探讨中红外光谱在作物病害诊断中的应用潜力。[方法]用傅里叶变换红外光谱测试了葱蒜正常绿叶及锈病叶,分析其光谱差异。[结果]葱、蒜绿叶的红外光谱主要显示了多糖类物质、蛋白质、酯类振动;正常绿葱蒜叶和锈病葱蒜叶光谱在1 800～1 000 cm-1指纹范围显示了差异,与正常绿叶相比,锈病葱叶在1 640 cm-1的酰胺Ⅰ振动峰变强,在1 103 cm-1处的肩峰不明显;锈病叶的吸收强度比A1640/A1063、A1640/A1736、A1640/A2924和A1063/A2924较正常叶相应比值A1638/A1059、A1 638/A1 738、A1 638/A2 922和A1 059/A2 922变大。正常蒜叶的多糖振动峰1 056 cm-1为指纹区的最强峰,而锈病叶在1 634 cm-1处峰为指纹区的最强峰;锈病蒜叶的吸收强度比A1634/A1069、A1634/A1099、A1409/A2923和A1634/A1737较正常叶的相应比值A1627/A1056、A1627/A1104、A1411/A2920和A1 627/A1 740变大,锈病叶的A1 634/A2 923、A1 069/A2 923和A1 737/A2 923较相应正常叶的A1 627/A2 920,A1 056/A2 920,A1 740/A2 920变小。[结论]根据红外光谱差异可以区分绣病叶与正常叶,红外光谱可望发展成为作物病害检测的方法。 相似文献
20.
在排种器试验及视觉检测过程中,排种器机器视觉图像的滤波是消除信号污染并可靠提取有用信息的必要步骤。采用比较法研究了中值滤波、线性滤波、维纳滤波、小波去噪、中值小波组合滤波等方法在不同滤波器参数下的滤波效果。结果表明,中值滤波效果较好,根据成像状况合理调节滤波器参数,在模板7×7时信噪比可达29.063 1,正确处理率则达0.996 9;中值小波组合滤波法略优于单纯使用中值滤波或小波去噪,其信噪比达到29.165 2,正确处理率则达0.997 1;处理较低光照条件下采集的排种图像,三种方法均达到较理想效果。 相似文献