共查询到18条相似文献，搜索用时 281 毫秒
1.
随着图像处理与分析技术的蓬勃发展,许多专家学者利用图像获取工具比人眼更精细的分辨能力,应用计算机视觉技术进行信息诊断研究。论文简要介绍了计算机视觉技术,着重分析了作物图像获取方法和作物图像信息的分析方法,指出基于计算机视觉的作物水分亏缺诊断在实际应用中存在的问题,并对该领域的未来发展进行展望,指出:多信息融合是图像信息描述的主流趋势,高效的图像识别与分析算法是关键;水分亏缺诊断与作物缺水临界点、作物灌水量研究有机结合是实现作物田间实时灌溉和精量灌溉的前提。 相似文献
2.
3.
4.
5.
《吉林农业科学》2015,(6):108-112
采用数字图像处理技术对作物进行氮素营养诊断已经成为主要技术之一。由于应用数字图像技术进行营养诊断需要前期数据支持,本文研究了基于MATLAB的图像预处理方法,图像分割方法,对原始RGB图像进行了有效的提取。使用MATLAB编程,首先对原RGB图像应用中值滤波法对原图像进行去噪处理,再进行后续图像分割工作,采用Otsu阈值分割方法去除阴影图像,利用HIS颜色模型中H通道图像选取特定阈值进行土壤分割,利用YCbYr颜色模型中Cb通道,选取Cb通道特定阈值进行白板阈值分割,最后得到只含有绿叶的RGB图像,再利用MATLAB编程统计得到绿叶所有像素点的R、G、B平均值,为后续甜菜营养诊断提供数据支持,创造了可行的前提条件。 相似文献
6.
7.
在国内外图像处理和机器视觉技术在苹果树图像分析应用相关研究的基础上,总结了专门针对苹果树图像分割技术的研究进展。按照图像分割的技术体系,分析了苹果树图像分割技术的主要研究进展,系统地总结了图像分割算法及其在苹果树图像应用上的特点,提出了苹果树图像分割算法的演进图,展望了苹果树图像分割算法研究发展的趋势,为基于图像处理及机器视觉技术的苹果信息化技术研究提供了参考。 相似文献
8.
分别从农作物的叶面积、叶面积指数和冠层参数的检测以及营养状况的评定等方面,阐述了图像处理技术在农学参数检测中的应用研究情况;总结了图像处理技术应用于农学参数检测的一般方法,并对比了国内外农学参数检测中的图像处理方法,得出了国外学者不但善于利用作物数字图像中的几何、色彩信息对农学参数进行预测,还有效利用了饱和度、亮度信息以及更深层次的图像特征来构建农学参数的预测模型的结论;最后分析了农学参数检测中图像处理技术的发展趋势。 相似文献
9.
10.
11.
基于光谱信息的作物氮素营养诊断研究进展 总被引：4，自引：0，他引：4
快速、准确地进行作物氮素营养诊断,有助于管理者及时、有效地采取相应的应对措施,既保障作物的高产量,又有效地管控、减少化肥施用量。由于作物氮素营养状况直接影响着作物的光谱信息,因此以作物光谱信息为依据进行作物氮素营养诊断极具潜力。对当前基于光谱信息进行作物氮素营养诊断的3种方法(便携式叶绿素仪法、高光谱遥感诊断法和数字图像分析诊断法)进行了综述,介绍了各个方法的原理、特点和研究进展,并对未来基于光谱信息的作物氮素营养诊断进行了展望。 相似文献
12.
农作物损害表症的快速识别对防止农作物受损、提高农作物的产量以及在农业生产中反应指示、预警潜在农作物污染损害行为，减低污染对农作物生长和农产品质量安全的威胁具有重要意义。随着图像处理技术的快速发展，基于图像处理技术的分析方法实现了对农作物损害快速、准确的无损检测与识别，本文对该方法在农作物病害、虫害、草害、污染胁迫、气象灾害和营养缺素6种逆境条件下的研究和应用进行综述，并对农业环境损害鉴定中污染损害识别研究现状进行总结，认为基于图像分析的农作物污染胁迫识别系统的研发在农业环境损害司法鉴定中有很好的应用前景，值得进一步深入探索和研究。 相似文献
13.
基于深度学习的农作物病害图像识别技术进展 总被引：5，自引：0，他引：5
农作物病害的无损检测和早期识别是精准农业和生态农业发展的关键。随着图像采集和图像处理技术的进步,高光谱成像等先进成像探测技术和基于深度学习的图像分析技术越来越多地应用于农作物病虫害的无损检测中。本文首先简单介绍了以深度学习为代表的图像识别技术的基本原理,然后系统地阐述了基于深度学习的先进成像技术和先进图像识别分析技术在农作物病害检测识别中的国内外研究现状,分析了其在农作物病害检测识别上存在的优缺点,如具有快速、准确率高等优点以及数据量过大处理不便等缺点,并进一步指出,利用高光谱成像和热红外成像与深度学习相结合,将成为今后研究农作物病虫害早期检测的主要发展方向。 相似文献
14.
为了提高农作物叶部病害识别的可靠性,本文提出基于小波变换算法的农作物叶部病害图像处理技术.在图像分解的基础上,应用二维离散小波变换,论述了二维小波变换在农作物叶部图像去噪和图像增强中的应用.仿真实验结果表明此方案能够有效改善图像质量,提高对象识别的可靠性. 相似文献
15.
基于Fisher判别分析的玉米叶部病害图像识别 总被引：9，自引：2，他引：7
【目的】利用计算机视觉技术实现玉米叶部病害的自动识别诊断。【方法】在大田开放环境下采集病害图像样本,综合应用基于H阈值分割、迭代二值化、图像形态学运算、轮廓提取等算法处理病害图像,抽取病斑,提取病害图像的纹理、颜色、形状等特征向量,采用遗传算法优化选择出分类特征,并利用费歇尔判别法识别普通锈病、大斑病和褐斑病3种玉米叶部病害。【结果】研究中提取了墒、相关信息测度、分形维数、H值、Cb值、颜色矩、病斑面积、圆度、形状因子等28个特征向量,利用遗传算法优选出H值、颜色矩、病斑面积、形状因子等4个独立、稳定性好、分类能力强的特征向量,应用费歇尔判别分析法识别病害,准确率达到90%以上。【结论】综合运用数字图像处理技术、图像纹理、颜色、形状特征分析方法、遗传算法、费歇尔判别分析方法可以有效识别基于田间条件下采集的病害图像,为田间开放环境下实现大田作物病虫害的快速智能诊断提供借鉴。 相似文献
16.
深度学习在作物病害图像识别方面应用的研究进展 总被引：2，自引：0，他引：2
在作物生产管理过程中,正确及时地诊断作物所患病害非常关键。基于深度学习的图像识别为作物病害自动快速诊断提供了新途径。相比传统图像识别所用的模式识别方法,深度学习网络模型能自行提取特征且能够由低维特征抽象出高维特征,取得更好的学习效果。系统梳理了深度学习在图像自动化识别方面的发展历程,介绍了浅层神经网络的相关概念,阐述了深度学习与之相比具有的优势,并简述了深度学习的重要图像识别算法——卷积神经网络。作物病害图像识别由单作物单病害、单作物多病害和多作物多病害的识别三部分组成,在分析讨论深度学习这三方面的研究现状以及目前该领域面临的困难与挑战的基础上,提出了未来可能突破的难点和研究重点。 相似文献
17.
随着光谱技术的发展,植物光谱分析方法已成为监测作物生长与营养信息的重要手段。通过概述利用光谱技术监测作物叶面积指数(LAI)、生物量、含水量、叶绿素及氮素五项指标的研究进展,对光谱技术在作物生长与营养信息监测方面的研究进行了展望。 相似文献
18.
基于遗传算法优化的BP神经网络进行水稻氮素营养诊断 总被引：2，自引：0，他引：2
应用遗传算法优化BP神经网络进行水稻氮素营养诊断,为水稻的合理施氮提供理论指导。水稻田间试验供试品种为‘两优培九’,设置4个施氮水平（0、210、300、390 kg·hm-2）。在水稻幼穗分化期,扫描获取水稻顶部第三完全展开叶图像,并通过图像处理技术获取19维水稻图像中的颜色和几何形态特征,采用归一化处理、离散小波变换及主成分分析对原始数据进行预处理,并应用遗传算法优化的BP神经网络进行水稻氮素营养诊断。该方法建立的水稻氮素营养诊断模型较单一BP神经网络模型和传统遗传算法优化BP神经网络模型好,模型测试所得4个施氮水平的平均识别率分别为100.000%、99.000%、97.000%、100.000%,测试集样本平均总识别率达到99.000%。基于遗传算法优化的BP神经网络所建立的水稻氮素营养诊断模型具有较强的学习能力和泛化能力,能够很好地识别出水稻氮素营养的缺失,表明运用该方法能够很好地进行水稻氮素营养诊断识别。 相似文献