共查询到19条相似文献,搜索用时 187 毫秒
1.
2.
植物叶片特征提取及识别 总被引:3,自引:0,他引:3
随着计算机技术的飞速发展,对植物的分类研究已经突破了单纯从植物细胞及化学遗传成分的角度去鉴定植物种类的方法,可以综合应用图像处理技术和模式识别技术,辅以图像获取设备实现对植物的快速识别。为此,精心选取了植物叶片图像的典型形状特征,构成了叶片识别的特征向量,然后用概率神经网络(PNN)作为分类器,对样本进行训练。实验结果证明,针对少量常见的植物叶片图像,PNN与BP神经网络相比有更好的识别效率。 相似文献
3.
将计算机信息技术引入农业生产研究是目前农业生产研究的新发展方向,并伴随产生了农业信息化这样的新领域。植物叶片几何形状的识别是农业信息化结合数字图像处理技术的一个方面。为此,通过理论分析和仿真计算对研究植物叶片形状的传统图像边缘检测技术进行了分析比较,并创造性地提出了利用Laplace边缘检测算子来改进植物叶片几何形状的识别与检测系统。Laplace边缘检测算子的二维几何形态的建模具有数据的表达与复制的功能,通过生成的图像处理数据更加准确地识别与检测不同种类植物叶片的形态,为农业生产研究者提供更加有效、更加准确的研究数据。 相似文献
4.
基于多特征降维的植物叶片识别方法 总被引:1,自引:0,他引:1
植物种类识别方法主要是根据叶片低维特征进行自动化鉴定。针对低维特征不能全面描述叶片信息,识别准确率低的问题,提出一种基于多特征降维的植物叶片识别方法。首先通过数字图像处理技术对植物叶片彩色样本图像进行预处理,获得去除颜色、虫洞、叶柄和背景的叶片二值图像、灰度图像和纹理图像。然后对二值图像提取几何特征和结构特征,对灰度图像提取Hu不变矩特征、灰度共生矩阵特征、局部二值模式特征和Gabor特征,对纹理图像提取分形维数,共得到2 183维特征参数。再采用主成分分析与线性评判分析相结合的方法对叶片多特征进行特征降维,将叶片高维特征数据降到低维空间。降维后的训练样本特征数据使用支持向量机分类器进行训练。试验结果表明:使用训练后的支持向量机分类器对Flavia数据库和ICL数据库的测试叶片样本进行分类识别,平均正确识别率分别为92.52%、89.97%,有效提高了植物叶片识别的正确率。 相似文献
5.
针对目前棉花水分检测存在的缺陷和过量施肥的问题,提出了一种基于计算机视觉的棉花水分养分亏缺实时检测和水分养分自动供给系统。运用配置有近红外光发射器的CCD照相机采集得到棉花叶片图像信息,对图像进行去噪音等预处理得到植物叶片的图像,对叶片水分亏缺和缺素信息相关的颜色特征、纹理的时域特征、纹理的频域特征及缺素初期斑点的时频特征,分别运用相对差值百分率直方图、差分算子,以及傅里叶变换和小波包提取等新方法进行提取,并利用遗传算法对提取的众多特征项进行优化选择,建立棉花叶片图像信息与水分养分亏缺状况的对应关系,并通过物联网技术连接微喷灌终端实现水分养分定时定量自动供给。将系统于湖北进行试用试验,试验表明:本系统大幅度提高了棉花产量,降低了灌溉水消耗量、肥料消耗量和土壤肥料残留量,减轻了农业生产对环境的污染,有较好的应用前景,值得推广。 相似文献
6.
7.
8.
9.
基于Android手机的植物叶片面积快速无损测量系统 总被引:5,自引:0,他引:5
基于Android手机平台构建了一种植物叶片面积快速无损测量系统。获取包含被测植物叶片与已知面积的参照物图像,经图像灰度化、图像平滑、图像二值化、图像几何校正和连通区域标记等处理,根据参照物和被测植物叶片面积比得到植物叶片的面积。基于Android编程技术对系统的功能和界面进行了设计,对图像的几何失真问题提出了几何校正方法。以三叶草、木槿、腊梅、枫树、银杏、樱花等多种植物叶片为对象进行面积测量。试验结果表明,系统不受叶片形状的限制,面积测量的相对误差在-2.9%~2.7%,能够有效测量植物叶片面积。 相似文献
10.
11.
植株叶片中叶绿素浓度的高低与植株进行的光合作用效率、植株的整体生长状况息息相关,在农业生产过程中,常常根据叶片中叶绿素含量(SPAD)的多少来精确的判断植物的生长状态,也是控制植株长势的依据。传统的叶绿素含量检测方式分光光度法,存在耗时长、步骤多、操作要求高等问题,而采用计算机视觉技术处理图像的过程更加准确、高效,不会像人眼分析时受到主观因素的影响导致偏差。为此,基于计算机视觉技术来检测玉米叶片中叶绿素含量,利用扫描仪采集玉米叶片的图像,将图像输送至计算机,然后通过软件处理图像,分割出图像中有效像素的颜色特征值,将特征值转换就可以得到玉米叶片中叶绿素。试验结果显示:利用计算机视觉技术可以准确地测定玉米叶片中叶绿素含量,进而进行合理施肥,避免浪费,对增加玉米的产量具有极大的价值。 相似文献
12.
13.
通过对植物叶特征的分析,可以确定植物的种类和生长状态,对于植物研究、指导生产等具有重要意义.传统的叶特征提取方法都是通过人的手工操作完成的,效率较低,而当前可以借助于图像处理技术对叶特征进行自动提取.为此,对基于图像处理的叶特征提取研究现状进行了综述,并对其做了展望. 相似文献
14.
玉米长势是指玉米生长的状况与趋势,在生长期内实时掌握长势是玉米生产调控的关键,玉米长势可以通过叶面积、叶尖距、叶基角等特征参数来衡量。吉林省是我国主要的玉米种植区域,种植规模多为小地块,如果采用传统人工方式测量玉米长势,需要耗费大量人力、物力,而遥感技术适用于大面积种植,因此采用人工测量与遥感技术都具有明显的局限性。该研究采用数字图像处理技术,利用固定影像采集设备获取不同生长期玉米多尺度影像,首先利用灰度化和增强技术对影像进行前期预处理,然后使用迭代阈值分割算法提取影像中玉米植株区域,通过图像细化技术并结合参照物标定方法获取玉米植株的株高、叶尖距、叶基角和冠层面积等特征参数,最后对获取的特征参数使用回归分析建立玉米长势模型。试验结果证明,提出的方法有效可行,可以作为人工测量和遥感技术必要有益的补充。 相似文献
15.
16.
17.
随着计算机与图像处理技术的发展,计算机图像技术已经应用到农业工程领域,并在农机工程、农学研究及精确农业等许多方面取得了重大成果。为此,介绍了计算机图像技术与相关学科的相互关系及主要组成,讨论了其在农机工程领域、农学研究领域中的研究与应用情况,并分析了计算机图像技术在农业工程应用所存在的主要问题和发展趋势。 相似文献
18.