共查询到20条相似文献,搜索用时 140 毫秒
1.
2.
3.
综合运用计算机数字图像处理技术与人工神经网络技术,建立了一个多层前馈神经网络,实现了大豆与杂草的识别.首先,通过计算机视觉技术采集大豆与杂草的叶片图像作为测试样本,之后应用遗传神经网络建立对杂草图像的识别模型.研究结果表明,这种图像处理技术与神经网络的结合的方法,识别作物区域的准确率可达90%以上. 相似文献
4.
5.
基于图像处理技术的大豆灰斑病的检测技术研究 总被引:3,自引:1,他引:2
选择了平滑滤波、阈值分割等算法,利用图像处理技术和神经网络技术,对大豆灰斑病进行了检测,在标准豆粒与灰斑病豆粒混合的条件下计算出病粒的百分比。同时,在暗箱条件下用照相设备采集图像,利用VC++开发平台,编写程序对图像进行去噪和分割后,通过实验设计和数据统计分析提取出豆粒的23个形态特征和颜色特征参数。采用BP神经网络对豆粒进行进一步的测评。实验取得了良好的结果,识别准确,为今后大豆其他缺陷检测打下良好的基础。 相似文献
6.
应用计算机视觉技术理论,通过图像处理获取正常、微裂、裂颖3种杂交水稻种子的特征,并根据这些特征设计神经网络进行杂交水稻裂颖种子识别。结果表明,该方法能准确识别正常、微裂、裂颖的种子,识别率达到96%、85%、95%。 相似文献
7.
树木参数是林业调查的重要指标。依据双目视觉原理和图像处理技术提出一种基于双目视觉的测树方法研究,利用经纬仪和CCD代替双CCD,减少计算误差,再经图像处理和识别提取出树木参数。 相似文献
8.
树木参数是林业调查的重要指标。依据双目视觉原理和图像处理技术提出一种基于双目视觉的测树方法研究,利用经纬仪和CCD代替双CCD,减少计算误差,再经图像处理和识别提取出树木参数。 相似文献
9.
【目的】建立BP(Back propagation)神经网络(BPNN)自动识别系统,以实现烤烟褐变标准化和量化。【方法】以云烟87上部烟叶为样本,通过扫描获取烟叶颜色等特征信息,建立BP神经网络烤烟褐变程度识别模型,输出判别结果,以人工判别烤烟褐变结果为参考,进行相似度比较。通过外观质量、常规化学成分、多酚含量、TSNAs含量和感官质量变化分析比对,验证BP神经网络自动识别系统和人工识别结果的精准度。【结果】建立的BP神经网络模型能够精准识别烟叶褐化等级,其识别准确率为98.75%,分级烟叶外观质量、常规化学成分、多酚含量、TSNAs含量和感官质量变化与人工识别基本一致,两种识别模式无显著性差异(P<0.05),为杂色烟分级提供了客观评价方法,能有效区分不同褐变程度烟叶的可用性。【结论】BP神经网络识别系统对烟叶褐变程度鉴别精准度与人工识别接近,可以利用BP神经网络自动识别系统替代人工识别。 相似文献
10.
11.
12.
13.
Joe-Air Jiang Hsiang-Yun Chang Ke-Han Wu Cheng-Shiou Ouyang Man-Miao Yang En-Cheng Yang Tse-Wei Chen Ta-Te Lin 《Computers and Electronics in Agriculture》2008,60(2):190-200
Although X-ray scanners are commonly used in airports or customs for security inspection, practical application of X-ray imaging in quarantine inspection to prevent propagation of alien insect pests in imported fruits is still unavailable. The first step to identify insect infestation in fruit by X-ray imaging technique is image acquisition. This is followed by the image segmentation procedure, which can locate sites of infestation. Since the grey level of X-ray images depends on the density and thickness of the test samples, the relative contrast of infestation site to the intact region inside a typical fruit varies with its position. To accurately determine whether a fruit has signs of insect infestation, we have developed an adaptive image segmentation algorithm based on the local pixels intensities and unsupervised thresholding algorithm. This paper presents the detailed image processing procedure including the grid formation, local thresholding, threshold value interpolation, background removal, and morphological filtering for the determination of infestation sites of a fruit in X-ray image. The real-time image processing procedure was tested with X-ray images of several types of fruit such as citrus, peach, guava, etc. Additional tests and analyses were also performed using the developed algorithm on the X-ray images obtained with different image acquisition parameters. 相似文献
14.
15.
威海市气象条件与农业病虫害发生规律的研究与实践 总被引:1,自引:0,他引:1
从建立威海市主要农作物和果树病、虫害的发生、发展及预测的气象要素相关联的数据库入手,通过建立主要农作物和果树病、虫害发生的空间分布图,结合历史资料,制作威海市主要农作物和果树病、虫害预报节目和手机短信等,在气象科技为地方经济服务方面提供了新的结合点。 相似文献
16.
针对传统病虫害预测过于繁琐、准确度低的现状,提出一种基于图像处理与SVM(支持向量机)结合的病虫害预测算法,并对未来几年病虫害可能发生的面积进行了有效预测.首先通过图像滤波、特征提取等图像处理技术得到昆虫数学形态学特征,然后结合往年病虫害数据对特征进行标签设定和科学分类,继而对未来病虫害的发生进行合理预测.通过构建动态预测模型进行有效的、科学的病虫害预测预报.最后,通过与实际值进行对比,预测精度达到了90%.实验结果表明,该方法具备较好的预测精度,是一种合理科学的预测方法. 相似文献
17.
频振式杀虫灯在烟草害虫防治中的应用研究 总被引:2,自引:0,他引:2
为了探索云南烟叶生产中害虫防治的有效方法,在火木龙现代烟草示范区利用频振式杀虫灯开展了烟草主要害虫防治示范试验,结果表明:该杀虫灯把杀虫工作日常化,能有效防止爆发大面积虫害;对蚜茧蜂、食蚜、蝇草蛉等天敌有一定的保护作用,对烟青虫、斜纹夜蛾、金龟子等害虫防效显著;投入成本低,控制面积大,操作简便;通过物理方法诱杀害虫,大大减少农药用量,同时不会使害虫产生抗药性,降低了烟叶农药残留,提高烟叶品质,减少对环境的污染,避免人畜中毒事件发生。这说明频振式杀虫灯具有较好的经济效益、社会效益和生态效益,可在烟草害虫防治中大面积推广使用。 相似文献
18.
为了增加棉花的产量,应该及时采取有效的防治病虫害措施。本文介绍棉花的叶面喷肥处理方法,及其如何应用于防治棉花的病虫害上。 相似文献
19.
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
20.
基于卷积神经网络的水稻虫害识别方法 总被引:1,自引:0,他引:1
为解决人工识别水稻虫害难度大、费时费力的问题,研究了一种自动识别水稻虫害的方法。选取2 500张红袖蜡蝉、稻绿蝽、稻螟蛉、点蜂缘蝽、大螟图片建立数据库,利用深度卷积神经网络提取水稻虫害数据集特征,采用随机梯度下降法训练,得到最优权重文件。测试训练好的模型,并对比Faster-RCNN、SSD和YOLOv3算法的效果。结果表明,YOLOv3算法的平均精度最高,其在红袖蜡蝉、稻绿蝽、稻螟蛉、点蜂缘蝽、大螟5种水稻虫害中分别为97.40%、88.76%、85.74%、92.96%、94.78%,五类水稻虫害mAP为91.93%。与Faster-RCNN算法相比,平均准确率高1.43个百分点,单张图像检测耗时减少853.68 ms;与SSD算法相比,平均准确率高5.56个百分点,单张图像检测耗时减少2.9 ms。选择5类比较具有代表性的水稻虫害图片进行测试,对于叶片遮挡目标和相似背景等情况,YOLOv3算法能够正确识别不会出现漏检错检,且识别准确率大于98%。将YOLOv3算法引入田间复杂情况下的水稻虫害识别是可行的,具有较高的平均准确率以及较快的检测速度,能够准确识别水稻虫害,这对于水稻虫害防治和田间喷药等方面具有重要意义。 相似文献