共查询到20条相似文献,搜索用时 15 毫秒
1.
基于神经网络的油菜成熟度等级视觉检测方法 总被引:1,自引:0,他引:1
《江苏农业科学》2015,(8)
蔬菜的成熟度可以通过作物的形态特征直观地体现出来,其标准可用积温比值来衡量。对LED智能植物生长柜中采集的油菜图像进行处理和分析,分割出叶冠投影图像和植株侧面图像轮廓,从而提取叶冠投影面积、株高等形态特征数据,然后根据BP神经网络的建模原理对采集的样本数据进行训练,实现了基于BP神经网络模型的蔬菜成熟度等级测定。结果表明,该方法能够在不破坏植株的情况下检测油菜的成熟度,准确率达到95%。 相似文献
2.
3.
营养元素是影响大豆品质和产量的重要因素,营养元素过量或缺乏均会对大豆产生严重影响。传统的营养元素诊断方法主要依靠人的主观经验,容易出现误诊、漏诊等情况,而传统的化学分析技术又会出现破坏植株、测试手段繁琐、周期长等缺点。文章通过分析大豆在营养元素过量或缺乏的不同情况下的植物特性,构建了基于模式识别的营养元素智能诊断系统,并提出了应用计算机视觉技术提取大豆形态特征,把拍摄的图像利用适当的方法进行图像分割、增强、平滑、滤波等处理,利用图像处理算法分割出叶脉、叶肉、叶缘,识别出颜色、纹理等形态特征,分析元素失衡时的颜色及纹理在叶片的不同部位表现,为今后进一步利用模式识别诊断大豆营养元素提供了发展方向。 相似文献
4.
5.
6.
针对大区域田间复杂背景下植物病害远程识别中的叶片病斑检测难问题,提出一种基于改进Bernsen二值化算法的植物病害远程检测方法。通过物联网采集不同区域的植物叶片图像,根据在RGB和HIS颜色空间中叶片病斑与正常叶片和背景的色调差异的特点,利用改进Bernsen二值化算法分别在图像的R、G、B、H 4个颜色通道上提取病斑,然后进行病斑图像融合,得到病斑图像。采用该方法对多幅物联网视频植物病害叶片图像进行病斑分割。实验结果表明,该算法在复杂背景环境下能够有效分割植物病斑图像,去除大量复杂背景,得到病斑图像。该方法能够为大区域植物病害远程智能监控系统提供技术指导。 相似文献
7.
8.
9.
10.
利用数码相机实现对植物叶片形态的无损测量,是掌握植物生长规律、科学指导生产以及实现植物生长柜智能化控制的关键技术之一.针对叶片弯曲以及拍照过程中容易出现的几何失真等问题,提出了利用两个相互垂直的数码相机来采集图像,从侧面图像分析叶片的弯曲角度,对正面图像进行失真校正;然后根据投影原理统计出叶片的像素数目,从而得到对应的形态数据.结果表明,该方法能够有效地解决图像的二维图像失真问题,降低叶片数据计算的误差,对于促进农业科技进步、加快现代化发展具有十分重要的意义. 相似文献
11.
为实现高粱叶片病斑的自动化无损监测,利用支持向量机(SVM)技术对高粱叶片病斑图像进行自动分割提取研究。结果表明,通过选取RGB、HIS和Lab 3种颜色空间的颜色特征值可以消除对作物病斑拍照时产生的光照、亮度等影响。在MATLAB软件环境下调用LIBSVM软件对病斑图片中的病斑图像像素点和背景图像像素点建立支持向量机分类模型,可以实现对病斑的高效分割和高质量提取。分割提取效果与人眼识别的病斑图像高度吻合。如果利用大量采集的病斑图像进行模型训练,就可以真正实现完全自动化的病斑分割、提取和判别。因此,该研究对建立完全自动化的作物病斑图像识别系统意义重大。 相似文献
12.
基于自适应中心对称局部二值模式的作物病害识别方法 总被引:1,自引:0,他引:1
基于局部二值模式(LBP)算子在模式识别中直方图维数高、判别能力差、具有冗余信息等缺点,针对作物病害叶片图像的特点,提出一种自适应中心对称局部二值模式(Adaptive Center-Symmetric Local Binary Patterns,ACSLBP)算法,并应用于作物病害识别。该算法能够得到光照和旋转不变性的纹理特征,利用模糊C均值聚类算法对病害叶片图像进行分割,再将分割后的病斑图像进行分块,然后采用自适应阈值提取每个子块的ACSLBP纹理直方图,结合作物病害叶片图像的颜色特征,利用最近邻分类器识别作物病害。在黄瓜4种常见病害叶片图像数据库上进行试验,平均识别率高达95%以上,表明该方法是有效可行的。 相似文献
13.
[目的]找寻一种适于行播作物农田图像边界提取的方法。[方法]依据农田图像的特点,通过试验对比确定适合于行播作物农田图像边界提取的方法。[结果]在分析农田图像特征的基础上,选择适宜的颜色特征2g-r-b作为彩色图像的分割特征。为了实时导航,应采用固定的分割阈值。选取0.11作为超绿特征的分割阈值效果比较理想。对分割后的图像进行了中值滤波和区域填充处理可去除噪声和孔洞的影响。[结论]处理后的图像效果基本能够满足要求。 相似文献
14.
15.
16.
针对作物病害叶片图像的复杂性和模糊性,提出一种基于引力核密度聚类算法的作物叶片病害区域快速检测方法:首先,在RGB颜色空间提取病害叶片图像的R通道值,根据R值的特征直方图特性,运用多项式拟合特征直方图曲线,根据导数性质确定拟合特征直方图曲线的峰值点和峰值区域,确定病害叶片图像聚类数和初始聚类中心;根据初步确定的病变叶片图像的聚类中心,运用引力核密度聚类算法快速完成对病害叶片病斑的分割。试验结果表明,基于引力核密度聚类算法的平均分割精度达80%以上,平均检测时间为4.912 s,优于已有病害区域分割算法K–means和Meanshift的性能。 相似文献
17.
《吉林农业科学》2015,(6):108-112
采用数字图像处理技术对作物进行氮素营养诊断已经成为主要技术之一。由于应用数字图像技术进行营养诊断需要前期数据支持,本文研究了基于MATLAB的图像预处理方法,图像分割方法,对原始RGB图像进行了有效的提取。使用MATLAB编程,首先对原RGB图像应用中值滤波法对原图像进行去噪处理,再进行后续图像分割工作,采用Otsu阈值分割方法去除阴影图像,利用HIS颜色模型中H通道图像选取特定阈值进行土壤分割,利用YCbYr颜色模型中Cb通道,选取Cb通道特定阈值进行白板阈值分割,最后得到只含有绿叶的RGB图像,再利用MATLAB编程统计得到绿叶所有像素点的R、G、B平均值,为后续甜菜营养诊断提供数据支持,创造了可行的前提条件。 相似文献
18.
19.
叶片形态是植物适应生存环境的重要表征之一,如何准确、高效地获取叶片形态资料是当前植物叶片形态学研究方法和研究技术发展的主要驱动力。由于传统方法大多存在费时费力、测量指标有限等弊端,研究者们希望能够利用计算机技术对叶片形态学特征进行全自动化提取。文章总结了当前叶片形态学特征研究的主要方法和计算机图像分析的原理和使用经验,并分析了现有叶片形态学特征自动化提取技术的主要问题和解决这些问题的难点,结果表明,最小外接矩形算法在叶片形态学特征自动化提取中局限性较大。未来对叶片形态学自动化提取软件的开发须全面考虑所提取叶片特征的整体效应和生物学意义,合理利用植物的真实形态学结构特征进行判别,以控制纯几何学和纯图形学运算结果的失真程度。 相似文献
20.
植物的叶脉包含着植物重要的生理特征,叶脉及其分布信息的提取是植物分类、识别和建模的基础和关键。利用去叶柄后叶缘的曲率参数函数提取特殊点并利用特殊点确定主叶脉区域,为了避免主叶脉的弯曲和图像局部光照的不均匀对提取效果的影响,对主叶脉区域进行分块,然后利用Hough变换、区域生长和Harris角点检测等算法提取主叶脉区域内主叶脉与次级叶脉之间的节点分布信息,最后汇集节点分布信息得到整片树叶的主叶脉节点分布信息。结果表明,所采用的提取算法可准确地获得节点和节点分布信息。 相似文献