排序方式: 共有5条查询结果,搜索用时 0 毫秒
1
1.
2.
3.
基于计算机视觉技术的番茄叶部病害识别 总被引:13,自引:0,他引:13
以计算机视觉技术为手段,结合图像处理和模式识别技术,研究了番茄早疫病、晚疫病、叶霉病和棒孢叶斑病等4种叶部病害的自动识别方法。建立了一套适用于室内操作的图像采集处理系统,可进行病害样本图像的采集、预处理和病斑区域的分割。提取了每个病斑区域的9个颜色参数、5个纹理参数和4个形状参数,同时采用逐步判别与贝叶斯判别相结合和主成分分析与费歇尔判别相结合的两种方法实现特征参数的提取和判别模型的构建。逐步判别从提取的18个特征参数中选择了12个参数用于构建贝叶斯判别模型,结果对训练样本和测试样本的识别准确率分别达到100%和94.71%。主成分分析则将18个特征参数综合成2个新变量,构建的费歇尔判别函数对样本的总体识别准确率为98.32%。两种方法均获得了较好的分类效果,说明利用计算机视觉技术可以实现对番茄叶部病害的快速、准确识别,为实现番茄病害的田间实时在线检测提供了可能。 相似文献
4.
基于彩色图像颜色统计特征的黄瓜炭疽病和褐斑病的识别研究 总被引:7,自引:0,他引:7
为了进行数字化、标准化、无损伤定量识别植物病害,运用数字图像分析技术,对生产中两种常见的黄瓜病害(黄瓜炭疽病和黄瓜褐斑病)进行研究。利用图像的颜色统计特征对来自不同时期的病害样本图像进行分类和识别。采用逐步判别分析,选取显著性较大的特征参量,建立起黄瓜炭疽病、黄瓜褐斑病和无病区域的分类器模型。结果表明,对黄瓜炭疽病、黄瓜褐斑病和无病区域的正确回判率分别达到96.67%、93.33%和100%。测试集中, 黄瓜炭疽病、黄瓜褐斑病和无病区域的正确识别率分别达到83.33%、80.00%和100%,说明利用彩色图像颜色统计特征对植物病害进行识别有可行性。 相似文献
5.
1