排序方式: 共有9条查询结果,搜索用时 15 毫秒
1
1.
2.
面向叶类蔬菜病害识别的温室监控视频采集系统 总被引:2,自引:0,他引:2
为满足温室叶类蔬菜病害准确识别的视频数据需求,结合温室叶类蔬菜病害发生的特点,采用物联网技术,基于传感器感知的环境信息与摄像机监控视频信息,构建了一种面向叶类蔬菜病害识别的温室监控视频采集系统。该系统将案例检索与模糊推理方法相结合,设计温室监控视频获取方法,将传感器实时采集的数据与知识库中的病害产生环境条件相匹配,以匹配结果作为视频采集的依据,实现了监控视频的智能采集;并利用模糊推理方法,弥补案例检索结果不够全面的问题,确保了数据的准确获取。同时,该系统还提供了实时数据显示、实时视频监控等功能。系统应用结果表明,该系统能够满足温室叶类蔬菜病害识别的视频数据需求。 相似文献
3.
以蔬菜病害知识视频为对象,研究了视频镜头分割、标注方法和聚类模型,构建了面向语义挖掘的语义场景检测模型。基于多模态融合的视频分割技术建立了蔬菜视频镜头库;结合蔬菜知识中文词典,基于多模态融合的视频内容识别方法对蔬菜视频镜头库进行文本标注;对识别结果进行基于知网的语义相似度度量,构建了蔬菜病害知识视频语义场景模型,通过度量相邻镜头的相似度对语义上相近的镜头进行再聚类,使聚类后的视频场景更适合基于内容的视频检索。实验结果表明,该方法检测蔬菜视频语义场景的查准率达到96.9%。 相似文献
4.
5.
基于语音识别的蔬菜病害视频语义标注与分割方法 总被引:1,自引:0,他引:1
为了向农民提供蔬菜病害知识,基于语音识别技术设计了一种蔬菜病害视频标注与分割方法,可将科研机构录制的蔬菜病害视频分割成适合手机播放的小视频段落。在前期设计的视频镜头切分方法基础上,进一步设计出基于语音识别技术的视频语义标注及视频镜头聚类方法,即首先采用成熟的语音识别技术,将视频镜头的语音讲解识别为文本形式;进而基于本体对识别文本进行相应的语义处理,从中提取出能起到指示作用的关键语义实体,并将其恰当的组织形式作为视频镜头的语义标注;最终根据用户提供的关键词并结合视频镜头的语义标注,对视频镜头进行聚类和重组,从而实现对于蔬菜病害视频的最终分割。所设计的视频镜头语义标注方法对2个测试视频的查全率分别达到96.08%、94.93%,查准率分别达到94.31%、95.98%,F-1测度也分别达到0.93和0.92;视频镜头聚类方法使得2个视频的分割查全率分别达到94.9%、98.7%,查准率分别达到92.1%、90.2%,查全率平均大于95%,查准率大于90%。证明所设计的蔬菜病害视频标注与分割方法具有理论和实用价值。 相似文献
6.
7.
8.
农业主要病害检测与预警技术研究进展分析 总被引:17,自引:0,他引:17
农作物病害一直以来是制约农业可持续发展的主要因素之一,农业病害预警逐渐成为国内外研究的热点问题。在总结和整理现有国内外研究文献的基础上,对物联网和传感器、3S、光谱、病原微生物检测等农业病害预警信息获取关键技术以及病害图像处理、病害预警专家系统、病害预测等农业病害预警信息处理技术进行了系统的分析与讨论。综述结果表明,多种技术的结合、集成及融合将使农业病害预警的覆盖面更广,预警准确性更高;农业病害预警信息获取方式在向精确化、广泛化方向发展;对农业病害的短期预警将成为一个研究重点;农业病害早期/初期检测、诊断与预警会成为新的发展方向;农业病害预警系统及装备将朝着低成本化方向发展;实时在线的农业病害自动预警方式具有更大的实际意义。 相似文献
9.
为进一步提高温室黄瓜霜霉病诊断的准确率,构建了一个基于图像处理的温室黄瓜霜霉病诊断系统。针对温室黄瓜栽培现场采集的病害图像,采用基于条件随机场(Conditional random fields,CRF)的图像分割方法进行病斑图像分割,并采用决策树模型扩展一元势函数,提高病斑图像分割的准确性;将分割后的病斑图像转换到HSV颜色空间并提取其颜色、纹理和形状等25个特征,利用粗糙集方法进行特征选择与优化;构建了基于径向基核函数的SVM分类器,准确地识别与诊断温室黄瓜霜霉病。系统试验验证结果表明,该系统采用的病斑分割方法,能够克服复杂背景和光照条件的影响,准确地提取病斑图像;采用粗糙集方法能够有效地选择分类特征,将25个初始特征减少到12个,提高了运行效率;黄瓜霜霉病识别准确率达到90%,能够满足设施蔬菜叶部病害诊断的需求。 相似文献
1