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   6篇
  完全免费   2篇
  综合类   8篇
  2017年   1篇
  2016年   3篇
  2012年   1篇
  2011年   1篇
  2010年   1篇
  2007年   1篇
排序方式: 共有8条查询结果,搜索用时 124 毫秒
1
1.
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
2.
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
3.
对土壤背景进行有效分割是玉米苗期田间杂草识别的前提和基础。本研究利用颜色分量G-R和G-B与灰度直方图来实现玉米苗期图像与背景图像的分割,解决了玉米苗期田间杂草识别中受影响及环境适应性差等问题。通过对不同环境下苗期玉米图像的植被颜色和背景颜色分量的统计分析表明,采用G-R和G-B双阈值颜色特征分割,进行土壤背景分离取得了很好的效果。  相似文献
4.
针对近年来我国内陆水体富营养化程度日益严重,导致蓝藻水华大规模爆发的情况,为了简单快速识别蓝藻,结合当前数码摄像技术不断提高的实际,提出并实现了利用高分辨率、高质量的图片对蓝藻的关键特征进行识别的方法.该方法从空间域和频域这两个领域对蓝藻图片进行分析,首先引入色彩空间原理,根据预先所设的蓝藻特征值门限处理图片,提取蓝藻在空间域上的颜色特征:然后利用傅里叶变换把空间域信号变换到频域,并通过带通滤波及高通滤波技术分析蓝藻图片,得到蓝藻在频域上的纹理特征;最后结合这两个不同领域各自的结果交叉识别图片中的蓝藻.试验结果表明,该方法能够正确得到蓝藻图片的颜色特征和纹理特征,通过两个特征能很好地识别蓝藻,取得了较好的效果.  相似文献
5.
为了提高烟叶的烘烤质量,以红花大金元上部叶为材料,研究不同时期采收对烟叶在烘烤过程中颜色特征值、叶片组织含水率及烘烤效果的影响.结果表明:烘烤过程中不同成熟度烟叶颜色的亮度值、红度值、黄度值及饱和度差异较大,尤其是提前采收与推迟采收之间的差异较大,而正常采收与推迟采收之间的差异较小,但烟叶的色相角差异较小;随着成熟度的提高,烟叶叶片的失水速率以正常采收和推迟7d采收的较快,主脉的失水速率以推迟7d采收最快;烤后烟叶的外观质量总体上以推迟7d采收的表现最好,但烟叶的经济效益以正常采收的最高.在烟叶生产过程中可以适当推迟采收时间,以提高红花大金元的成熟度,进而提高烤后烟叶的外观质量与经济效益.  相似文献
6.
利用数码相机获取加工番茄地上部分彩色图像,通过图像处理软件提取RGB及其组合的颜色特征值,同时与氮素指标叶片叶绿素含量、SPAD值、叶片含氮量及单株吸氮量作回归分析,根据统计性检验,有相当数量的颜色特征与4个氮素指标呈较高的相关性,相关系数达到r=0.7以上.综合筛选出的颜色特征指标,结合地面覆盖度与氮素营养指标建立以叶片含氮量为应变量的估算模型.经模型校验,其预测值与实测值在n=15,P<0.01水平上达r=0.8以上的极显著相关.因此,可依据颜色特征参数通过建立相应的统计模型进行加工番茄叶片氮素含量的评价,进而为加工番茄氮素营养诊断提供依据.  相似文献
7.
研究田间试验条件下不同施肥处理棉花不同叶位图像色彩参数(G、NRI、NGI、NBI、G/R和G/B)与硝态氮含量、叶绿素测量值(SPAD)、叶绿素含量等营养指标间的相关性,确立棉花氮素营养诊断的最佳色彩参数和曲线方程,以期为新型数码图像技术在棉花氮素营养诊断的应用研究提供理论基础.于2012-2013年在安徽省农业科学院棉花研究所安庆试验基地进行不同施肥处理的田间试验,供试品种为‘湘杂棉8号’F1.设置8个施肥处理.分别在棉花蕾期、花铃期用Nikon D80数码相机获取棉花不同叶位图像并取样分析,研究数码相机进行棉花氮素营养诊断的最佳色彩参数,确定棉花氮素营养诊断的曲线方程.结果表明:(1)倒3叶硝态氮含量与红光标准化值NRI的相关性最好,R2=0.8754.功能叶倒4叶次之,R2=0.8013.(2)除倒1叶外,各叶位的SPAD值与数字化指标之间均有着良好的相关性.倒2叶与绿光标准化值NGI的相关性最好,相关系数为0.9591.(3)对于叶绿素含量,倒1叶与蓝光值B值相关性最好,为曲线正相关,R2=0.9444.其次为倒3叶、倒4叶,相关系数分别为0.9294、0.931.因此,在进行棉花不同叶位氮素营养诊断时,应选择上部叶位倒1叶、倒2叶、倒3叶、倒4叶,并选择色彩参数B值、蓝光标准化值NBI、NRI进行相关性分析与诊断.  相似文献
8.
【目的】针对寒地大豆发生缺素症状时冠层颜色变化复杂性,建立基于冠层图像颜色特征的大豆缺素症状识别新方法。【方法】采用无土盆栽试验,以垦农18为供试大豆品种,设计缺氮、缺磷、缺钾3种营养状况,采集大豆缺素症状的冠层图像样本,利用图像灰度直方图结合主成分分析方法,提取大豆冠层图像的红光值R、绿光值G、蓝光值B,计算最佳颜色特征蓝光标准化值B/(R+G+B)和绿光标准化值G/(R+G+B),将其作为正则化模糊神经网络输入向量,并利用实数编码的遗传算法改进传统梯度下降学习算法,将其作为模糊神经网络的学习方法,同时应用传统梯度下降算法和改进梯度下降算法训练神经网络参数并比较。【结果】应用遗传计算改进的梯度下降学习算法计算时,迭代次数为277次,其各项计算指标均明显优于传统梯度下降算法,大豆缺素症状识别准确率达100%;而采用传统的多元线性回归方程和BP神经网络算法计算时,识别准确率分别为52.50%,68.33%。【结论】以大豆冠层图像颜色特征为基础,利用改进学习算法的神经网络模型,能够快速有效地挖掘出大豆缺素症状与颜色特征向量之间的模糊逻辑映射关系,为大豆缺素症状识别提供了一种快速且准确的方法。  相似文献
1
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