共查询到15条相似文献，搜索用时 468 毫秒
1.
小麦全蚀病是检疫性的土传病害,对小麦生产危害极大,对其发生的监测是治理的根本。遥感技术可实时、宏观地监测病害发生发展,尤其是将光谱信息与高分辨率数字图像进行融合,可直观、精准地对病害识别和分类。本文基于计算机视觉技术,通过光谱数据与高分辨率数字图像结合的方法,对小麦全蚀病等级进行快速分类。首先,通过ASD非成像光谱仪获取小麦全蚀病的光谱信息,提取全蚀病特征光谱,建立光谱比。其次,利用无人机获取的实时田间数码图像,对其颜色特征进行重量化。最后,利用基于支持向量机的决策树分类对图像视场中的不同全蚀病等级进行分类。结果表明,4个全蚀病等级的分类精度均大于86%(Kappa0.81),平均运算时间小于30s。通过与实地调查的小麦全蚀病的白穗率等级做比对,验证分类结果的准确性,结果表明该方法基本可以实现对小麦全蚀病等级的实时监测。 相似文献
2.
传统的水果表面农药残留无损检测方法在精准分析农药残留数据量时，难以满足目前农药残留检测精度要求，设计一种基于最小二乘支持向量机和特征波长的水果表面农药残留无损检测方法。设计图像采集设备结构，获取低信噪比图像，利用黑白校正手段处理获得的高光谱图像，利用连续投影算法选择最优的特征波长，将特征波长与样本浓度和农药残留种类建立了非线性关系，设计最小二乘支持向量机预测模型检测流程，进行农药残留的浓度分类。在实际的测试中对设计方法的性能进行验证，并综合不同方法的检测结果进行分析。与传统检测方法相比，在不同的特征波长下，设计的农药残留无损检测方法得到的检测结果与实际情况更加相符，验证了方法的有效性。 相似文献
3.
采用子结构模式识别结合5种机器学习方法(包括支持向量机、C4.5决策树、k-最近邻法、随机森林法、和朴素贝叶斯法),分别构建了有机化合物对水生和陆地环境毒性评价的两个重要生物靶标——呆鲦鱼(Fathead minnow)和蜜蜂毒性的定性分类和定量回归预测模型。所有模型均通过独立测试集验证。其中,利用支持向量机分类算法得到的分类模型对呆鲦鱼和蜜蜂毒性测试集的整体预测准确度分别达到95.9%和95.0%。采用支持向量机回归算法得到的回归模型,对呆鲦鱼和蜜蜂毒性测试集的预测相关系数的平方(R2)分别达到0.878和0.663。最后,通过信息熵分析的方法,确定了一批能够代表性地表征呆鲦鱼和蜜蜂毒性的子结构模式,包括1,2-二酚、二烷基硫醚、二芳香醚和磷酸衍生物等。提出的方法为有毒化学品的生态风险评价提供了一种非常好的评价策略和可靠的工具。 相似文献
4.
基于黑河下游额济纳旗地区的Quickbird影像,采用决策树(Decision Tree)、人工神经网络(Artifi-cial neural net,ANN)及支持向量机(Support Vector Machine,SVM)方法对干旱区植被信息进行提取。对三种方法的精度进行评价,结果显示:决策树分类得到的结果零碎,总体分类精度为84.87%;ANN法较决策树方法适宜度高,总体分类精度为91.87%;纹理信息辅助的SVM法取得效果最好,总体分类精度可达96.53%。试验中发现使用高分辨率影像提取干旱区植被种类信息时,大窗口的纹理特征辅助效果较好,但是分类结果的边界出现失常,随着纹理窗口越大,失常的范围也越大。 相似文献
5.
为估算农田害鼠对作物的为害损失量,使用无人机拍摄甘肃鼢鼠Eospalax cansus为害的22块马铃薯样地正射影像图,首先目视解译标定各样地为害区域,计算为害率,并据此划分各样地鼠害为害等级;随后运用基于规则的特征提取法和监督分类法（支持向量机分类法和神经网络分类法）对各样地裸地和植被进行分类,结合对照区裸地率计算各样地的鼠害为害裸地率;通过构建鼠害为害裸地率与马铃薯产量的线性关系模型来评估不同分类法获得的鼠害为害裸地率的精确性;用拟合度最好的线性关系模型估算无鼠害及当前鼠害水平下的马铃薯产量,最终计算全部样地鼠害造成的马铃薯损失量。结果表明,基于规则的特征提取法、支持向量机分类法和神经网络分类法的地物分类精度分别为71.46%、99.33%和98.84%,3种分类方法获得的样地鼠害为害裸地率与马铃薯实际产量均呈显著线性相关,但神经网络分类获得的结果拟合度最好,R2为0.558。利用该方法估算的甘肃鼢鼠造成的马铃薯产量损失量为7 032.75 kg/hm2。 相似文献
6.
考虑图像投影鉴别分析问题,为提高特征抽取的速度和识别率,利用图像矩阵直接构造图像散布矩阵,在具有统计不相关的条件下将Foley-Sammon鉴别分析(FSLDA)转化为两目标约束优化问题,并给出了有效投影向量的概念;根据多目标优化的最优性条件可将求取有效投影向量的问题归结为求广义特征方程的最大特征值对应的特征向量,并据此进行特征抽取,进而提出了两目标最优图像投影鉴别分析方法。与其他鉴别投影分析方法相比,该方法具有以下特点:(1)可直接由图像矩阵构建散布矩阵;(2)有效投影向量具有统计不相关性;(3)训练样本的类内散布矩阵不必为可逆的,也不需要求某种形式矩阵的逆。在ORL标准人脸库和NUST603人脸库上的试验结果表明,上述图像投影鉴别分析方法在识别性能上较以往的方法有一定的提高,尤其是特征抽取的速度有明显的提高。 相似文献
7.
入侵生物适生区与种群动态中的数学方法 总被引：2，自引：0，他引：2
生物入侵会带来严重的环境问题与经济问题,近年来生物入侵问题正受到越来越多的关注,而且随着全球交流活动的频繁,生物入侵现象也日益严重。在生物入侵的研究中,建立数学模型尤其重要。本文首先对生物入侵中有关物种适生区预测的常见模型中的统计方法进行介绍,主要包括线性回归模型及广义线性回归模型、广义可加模型、多元自适应回归样条函数、分类回归树、助推树、极大化熵方法和支持向量机方法等,并对这些方法在生物入侵模型中的具体应用进行简要说明,然后对生物入侵中种群动态及物种扩散的常用数学方法进行了简要介绍,最后对入侵生物适生区分析与种群动态中的数学方法进行总结和展望。 相似文献
8.
基于支持向量机的石羊河流域径流模拟适用性评价 总被引：1，自引：0，他引：1
基于VC维和结构化风险最小理论的支持向量机方法因具有较好的学习和泛化能力而在预测预报领域得到广泛的应用。文中选取当月平均降水量、上月平均降水量以及当月平均相对湿度、平均最高气温和平均最低气温五个预报因子,采用Gridsearch算法优化参数,建立了基于支持向量机的月径流预报模型,并将其应用于石羊河流域八个子流域,定量分析其适用性。结果表明:模型在率定期和验证期模拟的平均Nash-Sutcliffe效率系数分别为0.831和0.806,相对误差分别在6%和5%以内;除个别峰值模拟较小之外,流量序列整体模拟效果较好;模型在丰水时段模拟值小于实测值,枯水时段模拟值大于实测值,在平水时段和枯水时段的模拟效果要优于丰水月份。因此,支持向量机模型在石羊河流域具有较好的适用性,可用于该流域的中长期水文预报。 相似文献
9.
为了更准确提取半干旱区的土地利用信息,以山西省定襄县为研究区,利用Landsat TM影像,在主成分分析(PCA)的基础上,结合归一化植被指数(NDVI)和纹理信息,构建支持向量机(SVM)分类模型,提取研究区的土地利用信息。结果表明:与最大似然法和单纯依靠纹理特征SVM分类方法相比较,基于NDVI和纹理特征的SVM分类法的分类精度有了显著提高,分类总精度达到了84.50%,Kappa系数为0.8113。研究表明,该方法对半干旱区的土地利用信息提取较为理想。 相似文献
10.
图像分割是指将一幅图像分解为若干互不交迭的区域的集合，是图像处理和计算机视觉的基本问题之一。为了提高图像分割的效率，提出了一种基于2维直方图加权的塔形模糊c均值（FCM）聚类图像快速分割算法。该方法先通过构造合理的2维直方图对噪声进行抑制；然后通过塔形分解来缩减聚类样本集；最后利用加权FCM聚类算法进行分类。仿真结果表明，该方法的效率明显优于标准的FCM算法。此外，为确定分割的最优类别数c，还引入了一种基于该快速算法的聚类有效性评价函数——修正划分模糊度，实现了最佳图像分割类别数c的自动确定。基于人造图像和实际图像的测试实验结果表明该方法是有效的。 相似文献
11.
L. Hallau M. Neumann B. Klatt B. Kleinhenz T. Klein C. Kuhn M. Röhrig C. Bauckhage K. Kersting A.‐K. Mahlein U. Steiner E.‐C. Oerke 《Plant pathology》2018,67(2):399-410
Cercospora leaf spot (CLS) poses a high economic risk to sugar beet production due to its potential to greatly reduce yield and quality. For successful integrated management of CLS, rapid and accurate identification of the disease is essential. Diagnosis on the basis of typical visual symptoms is often compromised by the inability to differentiate CLS symptoms from similar symptoms caused by other foliar pathogens of varying significance, or from abiotic stress. An automated detection and classification of CLS and other leaf diseases, enabling a reliable basis for decisions in disease control, would be an alternative to visual as well as molecular and serological methods. This paper presents an algorithm based on a RGB‐image database captured with smartphone cameras for the identification of sugar beet leaf diseases. This tool combines image acquisition and segmentation on the smartphone and advanced image data processing on a server, based on texture features using colour, intensity and gradient values. The diseases are classified using a support vector machine with radial basis function kernel. The algorithm is suitable for binary‐class and multi‐class classification approaches, i.e. the separation between diseased and non‐diseased, and the differentiation among leaf diseases and non‐infected tissue. The classification accuracy for the differentiation of CLS, ramularia leaf spot, phoma leaf spot, beet rust and bacterial blight was 82%, better than that of sugar beet experts classifying diseases from images. However, the technology has not been tested by practitioners. This tool can be adapted to other crops and their diseases and may contribute to improved decision‐making in integrated disease control. 相似文献
12.
MYB转录因子参与调控植物的生长发育及逆境应答过程。为预测MYB靶基因,本研究将Hex DIFF算法与支持向量机结合,根据已验证的MYB识别位点的核心序列及其侧翼序列构建分类模型,在玉米全基因组范围内预测MYB靶基因及其启动子。结果表明,共预测到435个MYB结合位点,其下游的424个基因判定为MYB靶基因,涉及众多生长发育过程。为验证预测结果,经凝胶迁移实验检测玉米MYB-IF25蛋白与30个预测位点的体外结合,结果有27个预测位点可以与MYB-IF25蛋白互作。GUS瞬时表达实验表明,渗透胁迫下,预测的MYB逆境相关靶基因启动子能够启动GUS基因表达,说明其具有启动活性。以上结果证明,此预测方法可靠性高,可为预测转录因子靶基因提供借鉴。 相似文献
13.
14.
基于多时相影像的棉花种植信息提取方法研究 总被引：1，自引：0，他引：1
为实现区域棉花种植面积信息的快速监测,利用2014年新疆奎屯市农七7师125团棉花不同生育期内2期关键期HJ-CCD数据影像,分别运用支持向量机(SVM)的分层监督分类法和专家知识决策树(CART)分类法,基于研究区棉花与其他作物物候和光谱差异提取棉花种植面积和位置,并对两种方法的分类结果进行分析。结果发现:1监督分类法与专家决策树分类法都能有效的提取棉花的面积,棉花总面积精度达96%以上,位置精度达82%以上,专家决策树分类更优一些。2相对而言,基于专家决策树法相对简单,分类精度高,分类位置精度较好。采用环境小卫星影像结合野外调查,在提取棉花种植面积方面有着覆盖面积大、观测周期短的综合优势,而决策树分类法提取棉花面积简单有效。由此可建立一种适用于棉花信息监测系统平台,方便快捷的提取作物种植面积,为棉花长势的研究和病虫害发生区域的确定提供了技术支持。 相似文献
15.
Assessment of leaf cover and crop soil cover in weed harrowing research using digital images 总被引：1，自引：0，他引：1
Objective assessment of crop soil cover, defined as the percentage of leaf cover that has been buried in soil because of weed harrowing, is crucial to further progress in post‐emergence weed harrowing research. Up to now, crop soil cover has been assessed by visual scores, which are biased and context‐dependent. The aim of this study was to investigate whether digital image analysis is a feasible method to estimate crop soil cover in the early growth stages of cereals. Two main questions were examined: (i) how to capture suitable digital images under field conditions with a standard high‐resolution digital camera and (ii) how to analyse the images with an automated digital image analysis procedure. The importance of light conditions, camera angle, size of recorded area, growth stage and direction of harrowing were investigated, in order to establish a standard for image capture and an automated image analysis procedure based on the excess green colour index was developed. The study shows that the automated digital image analysis procedure provided reliable estimations of leaf cover, defined as the proportion of pixels in digital images determined to be green, which were used to estimate crop soil cover. A standard for image capture is suggested and it is recommended that digital image analysis be used to estimate crop soil cover in future research. The prospects of using digital image analysis in future weed harrowing research are discussed. 相似文献