首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   29篇
  完全免费   5篇
  综合类   34篇
  2018年   1篇
  2017年   2篇
  2016年   5篇
  2015年   5篇
  2014年   2篇
  2013年   1篇
  2012年   2篇
  2011年   1篇
  2010年   2篇
  2009年   3篇
  2008年   4篇
  2007年   5篇
  2006年   1篇
排序方式: 共有34条查询结果,搜索用时 31 毫秒
1.
烤烟叶片叶绿素含量与颜色特征的关系   总被引:7,自引:0,他引:7  
利用图像处理技术提取不同成熟时期烟叶的叶绿素含量,采用线性拟合和回归分析方法,建立了烟叶成熟期叶绿素含量估算模型,并对其精度进行了评价和验证.结果表明,RGB颜色系统的B/(R G),色度坐标b可以作为叶绿素含量估算的主要颜色特征参数,叶绿素含量的模拟值与实测值均呈极显著正相关,相关系数均达到0.767以上.  相似文献
2.
基于图像识别的玉米叶部病害诊断研究   总被引:6,自引:0,他引:6       下载免费PDF全文
【目的】探讨利用图像技术实现玉米叶部病害自动识别的方法。【方法】根据玉米叶部病害特点,综合应用阈值法、区域标记方法与Freeman链码法,对玉米叶部病害图片进行图像分割、统计病斑个数、去除冗余斑点、计算病斑形状特征,最后根据二叉检索法推断病害。【结果】研究提取了五种玉米叶部主要病斑的识别特征,确定了诊断流程,并开发了识别系统。经检验,该系统对玉米叶部的锈病斑、弯孢菌病斑、灰斑、褐斑、小斑等五种主要病害的诊断准确率达80%以上。【结论】研究结果表明,用图像技术进行玉米叶部病害诊断是可行的,本研究开发的诊断系统为玉米病害自动识别与诊断奠定了基础。  相似文献
3.
基于机器视觉的大豆细菌斑点病粒检测   总被引:3,自引:1,他引:2  
文章基于机器视觉,通过图像获取系统得到大豆的表面颜色特征,应用SAS对大豆表面颜色特征进行LOGISTIC回归后,应用BP神经网络对大豆进行标准粒与细菌斑点病粒的分类。经过网络训练后,选用收敛效果好的网络对数据进行仿真预测,共计160粒,其中标准大豆80粒,细菌斑点病80粒。得到的测试识别率为:标准大豆96.3%、大豆菌斑粒98.8%。本研究为大豆菌斑粒的在线识别提供了一定的依据,有利于实现大豆的在线缺陷粒检测。  相似文献
4.
基于支持向量机的油菜缺素诊断研究   总被引:2,自引:0,他引:2       下载免费PDF全文
针对油菜常见的缺素现象,提出将支持向量机应用于油菜缺素种类识别。首先,确定支持向量机 分类过程中所用的特征值,选择RGB 和HSV 颜色空间中的分量作为颜色特征,选择能量、熵、对比度、相关 性的均值和方差作为纹理特征;其次,将支持向量机用于分类模式识别,并与神经网络分类识别进行比较,仿 真结果表明:支持向量机的分类精度高,性能更好;最后,通过遗传算法对支持向量机参数进行优化,可以看 到最终的分类准确率有所提升,起到了优化的效果。  相似文献
5.
基于颜色特征的茄子病害图像检索方法   总被引:1,自引:1,他引:0  
宋健 《安徽农业科学》2011,(19):11920-11921,11977
为克服当前蔬菜病害诊断专家系统依靠文字提供信息的不准确性,提出一种基于颜色特征的茄子病害图像检索方法。详细分析茄子病害图像的颜色特征,在符合人眼视觉特征的HIS颜色空间上进行图像预处理。提取图像的均值、方差、偏度、峰度、能量作为检索特征值,构建图像特征矩阵。利用高斯归一化方法进行归一化处理后,采用欧式距离进行相似性度量。在Visual C+ +6.0开发环境下,采用C++编程开发了基于颜色特征的茄子病图像检索系统。结果表明,基于颜色特征的茄子病害图像检索方法的查准率为65%,查全率为83%,识别效果较好。将该算法应用于茄子病害诊断专家系统,将大大提高系统的鲁棒性,能够满足病害诊断的要求。  相似文献
6.
机器视觉识别田间成熟番茄的研究   总被引:1,自引:1,他引:1  
为正确识别自然条件下田间成熟番茄,顺利完成其自动采摘,研究了基于颜色特征的田间番茄识别方法。对采集的100幅自然条件下田间番茄图片进行颜色特征提取和理解的基础上,建立了利用成熟番茄与背景(未成熟番茄、枝叶等)在I2颜色指标上的差异进行番茄识别的颜色模型,并利用Ostu法将成熟番茄从背景中分割出来。通过在顺光条件和逆光条件下进行试验,结果表明该模型可以较好地实现自然条件下田间成熟番茄的识别。  相似文献
7.
基于颜色特征的作物与背景分割的对比研究   总被引:1,自引:1,他引:1  
化学除草剂和杀虫剂的运用对环境造成很大的冲击,有选择地对准目标精确喷药能够有效地减少化学药剂的使用量,对准精确喷药的关键是运用机器视觉技术正确地识别目标,而作物与背景的快速并准确地分割是正确识别目标的基础。文章介绍几种图像的颜色模型和转换公式,运用VC++软件设计出图像背景分割的程序。选择南京农业大学江浦农场的玉米田、花生田和校园内的小麦田作为研究对象,运用自行设计的程序对图像进行分割并计算出分割图像所需的时间。用处理耗时与处理效果两个指标来评定用于背景分割的几种颜色特征。研究结果表明,过绿的2G-R-B是最好的背景分割因子,这个分割因子具有耗时少、分割效果好且不受光照强度影响的特点,能够满足农业智能生产中实时性的要求。  相似文献
8.
光照强度对烟叶颜色特征向量的影响   总被引:1,自引:0,他引:1       下载免费PDF全文
烟叶颜色特征是用于烟叶等级判别的重要因子,影响烟叶图像质量和等级判别的重要因素是光照强度(简称光强).为研究光强如何影响不同等级的烟叶颜色特征,设计烟叶图像采集系统,以人工分级所用光源光强为基准,在12个不同光强下分别采集不同等级烟叶图像,提取RGB、HIS及HSV模型的颜色分量,分析各等级的烟叶颜色分量在不同光强下的变化规律,研究不同等级各颜色分量对光强的敏感性,提出适合于烟叶等级判别的颜色分量和光强,为烟叶自动分级及光源选取提供科学依据.试验结果表明,对于R、V颜色分量,光强为2500 1x左右时,判别不同烟叶等级效果最佳.G、B、I和HSV模型中HHsv分量,光强为32001x左右时,判别不同烟叶等级效果最佳.  相似文献
9.
赵晶莹  郭海  孙兴滨 《安徽农业科学》2009,37(29):14191-14193
提出了一种小波分析与改进KNN相结合的红虫图像识别方法。该方法采用多辨识小波分解提取图像的小波能量特征,同时结合生物图像颜色特征构造特征向量,然后选择加权改进KNN分类器进行识别,分类器根据特征与分类相关度确定权重,修改距离函数,有效提高了分类精度。通过对红虫、剑水蚤、猛水蚤样本进行分类试验证明,平均识别准确率达到95.41%,验证了该方法的有效性。  相似文献
10.
谈蓉蓉 《安徽农业科学》2010,38(26):14756-14757
提出了利用支持向量机(SVM)分类的方法对采集图像进行识别。采用计算机图像处理技术针对棉花苗期杂草图像进行分割,提取棉花与杂草的形状特征参数;选取最有效的特征数据组合输入SVM进行分类学习训练,实现杂草的有效识别。结果表明,使用该方法获得的图像识别效率较高,在同等条件下,速度优于人工神经网络。  相似文献
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号