基于LXF模型水平集的玉米叶部病斑图像分割

农作物病害的发生对我国农业生产危害较大,运用机器识别技术对农作物病害图像进行自动识别有着重要的意义。主要介绍传统水平集和基于LXF模型水平集的分割算法原理,并且运用两种方法分别对玉米叶部病斑进行图像分割。实验表明基于LXF模型水平集的分割算法缩短了玉米病斑图像分割时间的同时病斑分割效果良好,为以后的特征提取、病斑种类的识别打下了良好的基础。     

多尺度各向异性小波收缩图像分割算法在玉米病斑特征提取时的应用

通过选取基于LXF模型的水平集图像分割算法和快速FCM聚类图像分割算法进行对比研究,并将结合小波收缩与各向异性扩散优点的多尺度各向异性小波收缩图像分割算法应用于玉米病斑图像分割与特征提取中,该算法的分割效果明显优于前两种分割算法。     

基于改进遗传脉冲耦合神经网络的玉米病害图像分割方法

作物病害图像分割是利用数字图像处理技术进行病害识别的关键性技术环节之一,现有病害分割方法存在病害区域外部形态特征细节保留程度差和颜色纹理信息丢失等问题.针对上述问题,提出一种基于改进遗传算法的脉冲耦合神经网络分割方法.首先改进遗传算法,以信息熵的加权线性组合作为优化适应度函数用以在每次迭代过程中评价脉冲耦合神经网络对于病害区域的分割效果,通过计算种群适应度方差和适应度均值自适应调整遗传算法的交叉概率和变异概率;然后将改进遗传算法与脉冲耦合神经网络相结合,实现网络连接系数、衰减系数和幅值系数的自动优化调节;最后利用改进遗传脉冲耦合神经网络分割算法,在RGB子空间分别对病害图像进行病害区域分割,将分割结果利用RGB颜色空间子图合并策略实施合并,从而得到最终的图像分割结果.将此算法、最小交叉熵阈值化算法和GA-PCNN算法用于玉米黑瘤粉病彩色图像病害区域分割.结果表明:从主观视觉评测角度,此算法分割效果较好,能够较为细致的呈现病害区域的外部形态特征和较为完好的保留病害区域的颜色纹理特征;从客观量化评测角度,此分割算法在目标区域分割匹配率、错分率和正确率上明显优于最小交叉熵阈值化算法和GA-PCNN算法.     

玉米病害图像分割系统开发

为了提高玉米病害叶片图像分割的准确性和设计相应的图像分割系统,采用迭代阈值分割算法和形态学中的开闭运算相结合的方法对玉米病害图像进行分割,使用VB和MATLAB的混合编程设计开发玉米病害图像分割系统.运行结果表明,该分割方法对玉米病害图像有很好的分割效果.     

如何防治玉米大斑病

1叶部为害症状：此病最明显的特征是在叶片上形成大形的梭状病斑.病斑初期为绿色小斑点,几天之后病斑沿叶脉迅速扩大.     

玉米叶斑病及其防治

玉米大斑病、小斑病和圆斑病统称为叶斑病。目前,玉米大斑病有扩展的趋势,并危害高粱。病害症状小斑病自幼苗到成株期均可发病。叶上病斑小而多,一般1—3毫米长,初期水渍状,略透明,菱形或椭圆形,轮廓清楚;以后病斑边缘出现紫色或红褐色,中间颜色变淡,呈棕色或枯白色,有时有2—3层轮纹圈,有时两三个愈合,成不规则形,表面生有黑色霉层即分生孢子。大斑病在叶上的病斑大,长菱形,一般4—5厘米长,宽0.4—0.5厘米,有时长达10厘米,     

基于MATLAB的玉米株型图像分割技术

计算机视觉技术的发展使MATLAB越来越广泛的应用于农业的各个领域,在处理数字玉米图片中,为了更好的将物体与背景分割开,用对MAT-LAB对玉米成株株型进行分割。成功将自然光下图像中的物体与背景分割开。     

基于云模型的图像分割

数字图像处理中图像分割有着非常重要的地位,分割结果直接影响图像处理的效果。常用的图像分割算法几乎都是基于确定性方法的,但是在图像信息处理过程中存在着不确定性。因而,降低提取信息的不确定性的研究成为图像分割中重要的研究方向。采用云模型来描述论域空间中不确定的数据元素。实验表明,由于云模型能对概念的不确定性很好地表达和降低概念分层的不确定性,这使得图像分割中存在的不确定性问题能得到很好地、有效地处理。     

玉米自动化考种过程的粘连籽粒图像分割

针对玉米自动化考种过程籽粒粘连导致穗粒数统计准确率低的问题,提出一种遗传算法(GA)与改进脉冲耦合神经网络(PCNN)相结合的分割方法(GA+改进PCNN),对粘连玉米籽粒图像的分割问题进行研究。采用数学形态学和wiener滤波对待分割图像去噪,基于小波变换进行多图像融合得到新图像;利用遗传算法寻找改进PCNN模型中参数β、αE和VE的最优解并进行图像分割。结果表明:1)本研究方法对粘连玉米籽粒的分割准确率为98%;2)本研究方法的交叉熵、区域内部均匀性、形状测度维和区域对比度指标依次为0.079 4、0.975 4、0.878 5和0.869 2,总体优于OTSU、改进分水岭、迭代法全局阈值和未改进PCNN分割算法;3)本研究方法的单幅图像处理时间为22.07s,用时长于各比较算法,但分割效果最理想。     

玉米弯孢菌叶斑病的防治

玉米弯孢菌叶斑病俗称黄斑病,是永胜县继玉米大小斑病及灰斑病之后又一严重危害玉米的叶斑病,近年来呈发展蔓延趋势,一般减产20%~30%,个别地块减产达50%以上,严重影响玉米的产量。     

基于Fisher判别分析的玉米叶部病害图像识别

 【目的】利用计算机视觉技术实现玉米叶部病害的自动识别诊断。【方法】在大田开放环境下采集病害图像样本,综合应用基于H阈值分割、迭代二值化、图像形态学运算、轮廓提取等算法处理病害图像,抽取病斑,提取病害图像的纹理、颜色、形状等特征向量,采用遗传算法优化选择出分类特征,并利用费歇尔判别法识别普通锈病、大斑病和褐斑病3种玉米叶部病害。【结果】研究中提取了墒、相关信息测度、分形维数、H值、Cb值、颜色矩、病斑面积、圆度、形状因子等28个特征向量,利用遗传算法优选出H值、颜色矩、病斑面积、形状因子等4个独立、稳定性好、分类能力强的特征向量,应用费歇尔判别分析法识别病害,准确率达到90%以上。【结论】综合运用数字图像处理技术、图像纹理、颜色、形状特征分析方法、遗传算法、费歇尔判别分析方法可以有效识别基于田间条件下采集的病害图像,为田间开放环境下实现大田作物病虫害的快速智能诊断提供借鉴。     

基于图像识别的玉米叶部病害诊断研究

【目的】探讨利用图像技术实现玉米叶部病害自动识别的方法。【方法】根据玉米叶部病害特点，综合应用阈值法、区域标记方法与Freeman链码法，对玉米叶部病害图片进行图像分割、统计病斑个数、去除冗余斑点、计算病斑形状特征，最后根据二叉检索法推断病害。【结果】研究提取了五种玉米叶部主要病斑的识别特征，确定了诊断流程，并开发了识别系统。经检验，该系统对玉米叶部的锈病斑、弯孢菌病斑、灰斑、褐斑、小斑等五种主要病害的诊断准确率达80%以上。【结论】研究结果表明，用图像技术进行玉米叶部病害诊断是可行的，本研究开发的诊断系统为玉米病害自动识别与诊断奠定了基础。     

基于局部阈值的植物叶片图像分割算法研究

提供了采用数字图像处理方法快速分割含边框植物叶片的方法,分别采用局部阈值分割和最佳阈值分割获取二值图像,得到局部阈值分割效果较好的结论,最终得到了比较清晰的边框图像和叶片二值图像,为后续图像处理打下良好基础。     

玉米叶斑病流行动态及管理综合模拟模型研究Ⅰ.玉米叶片生长子模型

用不同的生长模型拟合玉米的生长发育数据.结果表明,Gompertz模型能较好地描述玉米总叶片数随有效积温变化的动态;Locistic模型能较好地描述玉米总面积和玉米株高的发展变化动态.根据上述模型得到玉米叶面积相对日增量随有效积温发展变化的三参数高斯模型:y=3.505 4EXP{-0.5[(x-1111.4854)/256.095 2]2}(R2=0.9944).     

基于颜色分量与直方图的玉米苗期背景分割方法研究

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。     

玉米弯孢菌叶斑病发病规律及影响因子研究

2000～2003年对玉米弯孢菌叶斑病的田间发生消长规律及其主要影响因子进行了研究,明确了田间病残体是玉米弯孢菌叶斑病初侵染来源;播种期、施氮肥量、前茬作物和气象因子都会对该病害的发生程度产生影响;提出了以清除病残体为主,化学防治为辅的综合防治措施。     

不同杀菌剂对玉米弯孢叶斑病菌的抑菌效果

在实验室内,用生长速率法和孢子萌发法观测杀菌剂扑海因、百菌清、速克灵、烯唑醇、新万生、多菌灵、腈菌净、春雷霉素、甲基托布津对新月弯孢菌的抑菌作用。结果表明,扑海因和新万生对新月弯孢菌的菌落生长和孢子萌发均有强的抑制作用,速克灵次之。     

河北杨叶斑病研究初报

本文简要描述了11个地区不同种源的河北杨9种叶斑病的症状、病原、分布和感病情况。结果表明:陕西佳县的种源感染灰斑病最重,青海民和的种源最轻;而陕西吴旗的种源感染锈病、黑斑病和其他叶斑病最重,甘肃皋兰的种源最轻。