版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、利用計算機視覺技術快速、準確的識別農作物病害,是保證農產品豐收,推進農業(yè)現代化的重要手段。本文以油菜、黃瓜、水稻、玉米、大豆等常見農作物的病害圖像作為研究對象,分別在小樣本和大樣本不同條件下對農作物病害的識別進行了相關研究,主要的工作如下:
(1)在病斑分割上,本文根據農作物葉部呈現的顏色特點,在傳統閾值分割的基礎上,首先利用HSI顏色空間過濾葉片正常區(qū)域的信息,在Lab顏色空間下使用最大類間方差法(OTSU)設置閾值對原始圖
2、像進行分割,然后將兩種不同顏色空間下得到的分割圖像進行相與合并,得出最終的病斑分割圖像。與其它幾種常用方法分割的效果圖相比,該方法能更好地將病斑從葉片分割出來,是一種有效的病斑分割方法。
(2)在小樣本農作物的病害識別上,本文以油菜為研究對象,首先提取其顏色特征和紋理特征,然后通過歐氏距離來構建D-S證據理論所必需的基本概率分配(Basic Probability Assignment,BPA),最后運用D-S證據組合規(guī)則進行
3、決策級融合,依據決策條件輸出最終分類識別結果。針對分類過程中出現識別結果為不確定的問題,本文通過引入方差來對融合方法進行改進,避免了這一問題的產生。利用該方法在采集到的油菜樣本上進行實驗,取得了97.09%的識別率。研究結果也為其他農作物病害識別提供了參考。
(3)大樣本農作物的病害識別上,本文以水稻、玉米、大豆三種農作物為研究對象,借助Caffe構建連續(xù)卷積層的卷積神經網絡(Convolutional Neural Netw
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 稀疏表示框架下的農作物病害圖像識別方法研究.pdf
- 典型農作物葉部病害計算機圖象識別方法的研究.pdf
- 基于實例和參數遷移的農作物病害圖像識別研究.pdf
- 農作物病害圖像識別及其危害程度自動分級方法研究.pdf
- 基于時序MODIS影像的農作物遙感識別方法研究.pdf
- 農作物病害非線性測報方法研究.pdf
- 基于葉片圖像的植物識別方法研究.pdf
- 基于多分類器選擇集成的農作物葉部病害識別研究.pdf
- 基于多維圖像特征的農作物長勢評價方法.pdf
- 基于圖像處理的大豆病害識別方法研究.pdf
- 基于農作物圖像序列的拼接算法研究.pdf
- 農作物施肥方法
- 基于圖像處理的草莓病害識別方法研究.pdf
- 基于計算機視覺的農作物病害檢測系統的研究.pdf
- 基于圖像識別的農作物害蟲診斷技術研究與應用.pdf
- 作物病害葉片圖像分割及識別中的關鍵問題研究.pdf
- 基于圖像處理的茄子葉部病害識別方法研究.pdf
- 基于集成學習的農作物遙感分類方法的研究.pdf
- 會澤農作物
- 農作物分類
評論
0/150
提交評論