|
|||||
|
|
| 从红蜘蛛为害叶片的高光谱图像中识别受害区域 | |
| 引用本文： | 王建,李震,洪添胜,倪慧娜,邓小玲,郑建宝.从红蜘蛛为害叶片的高光谱图像中识别受害区域[J].农机化研究,2015(7):18-22. |
| 作者姓名： | 王建 李震 洪添胜 倪慧娜 邓小玲 郑建宝 |
| 作者单位： | 1. 南方农业机械与装备关键技术教育部重点实验室，广州 510642; 华南农业大学 工程学院，广州510642 2. 南方农业机械与装备关键技术教育部重点实验室，广州 510642; 华南农业大学 工程学院，广州510642; 国家柑橘产业技术体系机械研究室，广州 510642 3. 华南农业大学 工程学院,广州,510642 |
| 基金项目： | 国家自然科学基金项目(31101077)；现代农业产业技术体系建设专项(CARS-27)；广东省科技计划项目 |
| 摘 要： | 探索从红蜘蛛为害叶片的高光谱图像中识别受害区域的方法,内容包括:1采集20片受害区域色素差异较明显的柑橘叶片的高光谱序列图像,从各叶片的高光谱序列图像中选取522、647和667nm等3个与叶片色素含量具有较高相关性的特征波段的高光谱图像,计算667/522、667/647和647/522等3个特征波段的高光谱图像的比值图像及其二值图像,识别叶片中的受害区域;2计算自动识别和人工识别间的误差,检验算法的识别效果。结果表明:从柑橘红蜘蛛为害叶片的RGB图像或单一波段的高光谱图像中无法直接和自动识别叶片的受害区域;667/647和667/522两个特征波段反射率比值的比值图像均能够有效地抑制高光谱图像中叶片周围的光噪声,进而还原叶片的外形轮廓;从667/522特征波段反射率比值的比值图像中识别叶片受害区域的平均准确率达92.84%,在3个比值图像中识别效果最好;识别算法能够通过计算机编程自动实现,可作为深入研究红蜘蛛的发生和为害规律的技术手段。 |
| 关 键 词： | 柑橘 红蜘蛛 高光谱图像 特征波段 机器视觉 |
In-leaf Affected Area Identification from Hyper-spectral Image of Citrus Red Mite Infected Leaf |
|
| Wang Jian,Li Zhen,Hong Tiansheng,Ni Huina,Deng Xiaoling,Zheng Jianbao.In-leaf Affected Area Identification from Hyper-spectral Image of Citrus Red Mite Infected Leaf[J].Journal of Agricultural Mechanization Research,2015(7):18-22. | |
| Authors: | Wang Jian Li Zhen Hong Tiansheng Ni Huina Deng Xiaoling Zheng Jianbao |
| Institution: | Wang Jian;Li Zhen;Hong Tiansheng;Ni Huina;Deng Xiaoling;Zheng Jianbao;Key Laboratory of Key Technology on Agricultural Machine and Equipment,Ministry of Education;College of Engineering,South China Agricultural University;Division of Citrus Machinery,China Agriculture Research System; |
| Abstract: | |
| Keywords: | citrus red mite hyper-spectral image characteristic band machine vision |
| 本文献已被 CNKI 万方数据 等数据库收录！ | |