计算机视觉技术在植物病害识别上的研究进展

随着农业和现代化信息技术的交互、联结和碰撞,农业逐渐趋于现代化、智能化和数字化,近年来运用计算机视觉技术对植物病害进行诊断得到广泛应用,比传统方法更加迅捷、精确。分别从图像采集、图像预处理、图像分割、图像特征提取、病害识别和分类5个方面进行阐述,总结了植物病害图像识别技术的要点及存在问题,并对其未来发展进行了展望,为计算机视觉技术在植物病害识别上的应用和研究提供依据。     

计算机视觉在农业领域的研究探讨

随着国家大力发展智慧农业,计算机视觉技术在农业领域中的应用也得到快速发展,推进着农业生产向高质量、高产量的方向不断发展。本文分析了当前计算机视觉在农业领域中农作物病虫害识别、种子和果实分级检测、农作物生长环境监测和农田土壤特征分析等方面的研究现状,并进一步讨论了计算机视觉和深度学习结在农业领域中和应用,最后对计算机视觉技术在农业领域的研究中存在的问题进行了分析和展望。     

基于计算机视觉技术的水稻病害图像识别研究进展

从病害图像采集、图像处理、特征提取、分类识别4个方面对水稻常见病害的识别方法和技术进行了综述研究,分析了一些典型方法的基本原理、关键技术、实现方法和应用效果,总结了该领域现有研究存在的问题与不足,对未来的发展趋势和研究方向进行了展望。采用计算机视觉技术对农作物病虫害进行识别,具有无损、快速、实时、准确等特点,对于加速农业现代化建设、提高生产效率有重要影响。随着移动通信技术、大数据、物联网、人工智能、遥感技术的高速发展,通用性广、稳定性强、精确度高、实时性强的自然环境下大面积农作物病虫害图像智能识别与防治、病虫害海量数据标准化处理是农作物病虫害识别未来的重要研究方向。     

基于机器视觉的农田作物识别算法的研究

综合运用计算机数字图像处理技术与机器视觉技术,通过编程实现了以RGB颜色模型为基础的直方图双峰法、迭代法和最大类间方差法,并分析比较了它们在农作物与背景物识别应用中的优缺点。试验结果表明,最大类间方差法识别作物区域的准确率可达80%以上。     

基于机器视觉的柑橘表面缺陷检测

针对柑橘人工分类强度高、效率低、精度差的问题,为实现快而准确的柑橘缺陷检测,提出一种基于机器视觉技术的缺陷检测方法。在VS2013环境下利用开源计算机视觉库OpenCV进行开发,根据柑橘的颜色与形状特点,将图像颜色模型由RGB转换为HSV,利用HSV图像进行背景去除后,在HSV颜色模型下利用V分量灰度图边缘检测与形态学处理的方法以提取柑橘表面的缺陷特征。结果表明,柑橘表面缺陷检测的总体识别率为92%,所用方法能有效地识别柑橘表面的缺陷。     

中华绒螯蟹蟹壳颜色的识别量化研究

利用数字图像处理知识和计算机视觉技术，对中华绒螯蟹蟹壳的图像进行分析，编制相应的计算程序，对选取的区域内蟹壳颜色特征进行统计和处理，分别用RGB、HIS两种方法对图像进行均值量化，为人们对蟹壳颜色的辨别提供了一个客观的依据，这对进一步研究中华绒螯蟹的生长、发育和健康状况等，特别是对中华绒螯蟹苗种质量的量化鉴别具有重要的指导意义。     

基于颜色和形状的鲜茶叶图像特征提取及在茶树品种识别中的应用

对鲜茶叶颜色、形状特征进行提取,运用计算机视觉、图像处理技术识别茶叶品种.先用数码相机收集茶叶图像,然后对图像格式进行转换和预处理,再运用HSI模型提取茶叶颜色特征参数并采用二值化后图像提取茶叶形状特征参数,针对每一类特征,用6种分类器训练建模,并比较各模型的预测精度.结果表明,其中SVMKM和随机森林以2类特征建模,运用十折交叉验证,独立预测分类这2种方法的精确度达到89.5％.说明本研究运用的方法能成功识别出茶叶品种.     

YHS变换及其在遥感图像识别中的应用研究

对彩色遥感图像进行判读，主要是根据地物在图像上的亮度、对比度、颜色和纹理等特征来识别．为了将人工识别的经验定量地引入计算机图像识别中来，提出了一种基于遥感信息模式分类的YHS变换方法，并讨论了变换的物理意义和实际应用结果．     

基于计算机视觉的竹块颜色分类方法研究

为了实现计算机视觉对竹块的自动识别与颜色分类,研究了竹块图像的颜色特征、颜色分类方法。首先,将原始图像由RGB空间转换为HSI空间,用OTSU法确定阈值对原图灰度图像分割背景,用radon变换倾斜校正,提取竹块颜色判定有效区域,并计算其HSI的均值和标准偏差,作为特征参数输入BP网络进行训练。结果表明,该方法简捷有效,人工神经网络与人工分级的平均一致度为94.5%。     

基于图像的植物病变叶面特征值提取研究

[目的]运用计算机图像处理技术对生产中的角斑病与斑疹病进行区分研究。[方法]利用计算机视觉技术对植物病变特征进行色度学研究,以颜色及纹理作为植物病害图像特征参数进行病斑图像周长、面积和形状的提取,从而进行病害图像的分类判断。[结果]以CIE1976HIS色调百分率直方图法提取色度特征参数,过程简单、有效,运算速度快,消除了叶片形状大小的影响;利用色调直方图的统计特征参数分析,其色调偏度能够显著地将不同病状区分出来。[结论]该研究认为色调偏度可作为区分角斑病与斑疹病的特征参数。