检索结果-维普期刊中文期刊服务平台

基于GA-BP神经网络和特征向量优化组合的黄瓜叶片病斑识别被引量：8: 1; 作者李颀赵洁 +2 位作者杨柳王俊高一星《浙江农业学报》 CSCD 北大核心 2019年第3期487-495,共9页; 针对家庭种植水培黄瓜中用户难以准确识别病害的问题,设计了一种基于图像处理的黄瓜叶片病斑识别系统。应用自适应小波对原始图像进行降噪处理,在HSV空间通过阈值分割结合形态学操作获得理想的黄瓜叶片图像,并通过自适应阈值分离病斑,... 展开更多; 关键词黄瓜叶片病斑 GA-BP神经网络灵敏度特征向量优化组合支持向量机病斑识别; 在线阅读下载PDF 职称材料

基于机器视觉的三七叶片病斑识别被引量：4: 2; 作者罗匡男彭琳齐伟恒《江苏农业科学》北大核心 2017年第24期209-212,共4页; 黑斑病和圆斑病是三七发病率较高的2种病,传统的识别方法是通过人工来进行的,该识别方法效率低并且需要依赖有经验的工作人员,因此不能大规模推广。利用图像识别技术来进行病害的分类,并运用投影主要边缘分布(projected prcipal-edge di... 展开更多; 关键词三七病斑识别特征提取聚类算法机器视觉; 在线阅读下载PDF 职称材料

基于改进卷积神经网络的寒地水稻常见叶部病害识别: 3; 作者崔佳鹏徐宏扬付亚萍《农机化研究》北大核心 2025年第10期233-242,共10页; 传统卷积神经网络对于水稻病害识别存在局限性,特别是在寒地水稻病斑位置识别方面。为此,提出了一种改进型轻量级深度学习网络模型,建立了一个包含5种常见寒地水稻叶部病害图像的数据集,并构建了病害分类和病斑目标检测网络模型;将图像... 展开更多; 关键词寒地水稻病斑识别卷积神经网络目标检测图像分类; 在线阅读下载PDF 职称材料

利用特征分割和病斑增强的杨树叶部病害识别被引量：11: 4; 作者明浩苏喜友《浙江农林大学学报》 CAS CSCD 北大核心 2020年第6期1159-1166,共8页; 【目的】针对杨树Populus黑星病早期特征和杨树花叶病病斑不明显的特点,提出通过对图像集进行预处理的方法以提高识别精度的方案。【方法】为去除图像背景的影响,采用基于改进的Canny算子边缘检测法并结合霍斯变换提取叶片轮廓;借助限... 展开更多; 关键词森林保护学杨树病害卷积神经网络图像分割病斑识别; 在线阅读下载PDF 职称材料

基于边界样本分位数的葡萄霜霉病自适应识别方法: 5; 作者高芮武琼 +3 位作者韩玮杨涛卢晨媛张黎《中国农机化学报》北大核心 2024年第10期247-253,共7页; 针对葡萄霜霉病病斑组织图像阈值难以确定的问题,提出一种基于边界样本分位数的自适应阈值确定方法,通过高斯滤波识别病斑边界,并采用边界样本的50%分位数确定为病斑阈值。之后采用蒙特卡洛方法,通过随机采样方法估算病斑比例。结果表明... 展开更多; 关键词葡萄霜霉病边界识别样本分位数病斑识别高斯滤波; 在线阅读下载PDF 职称材料

基于SVM的小麦叶部病害识别方法研究被引量：20: 6; 作者余秀丽徐超 +3 位作者王丹丹张卫园屈卫锋宋怀波《农机化研究》北大核心 2014年第11期151-155,159,共6页; 为了准确识别小麦叶部常见病害,为小麦病情诊断和发展状况判断提供科学依据,设计并实现了一种基于SVM(Support Vector Machine)的小麦叶部常见病害识别方法。该方法可以实现对小麦白粉病、条锈病和叶锈病的准确识别。首先,基于中值滤波... 展开更多; 关键词小麦叶片病斑识别特征提取支持向量机; 在线阅读下载PDF 职称材料

基于方向一致性特征的小麦条锈病与白粉病识别方法被引量：9: 7; 作者郭青王骊雯 +3 位作者董方敏聂臣巍孙水发王纪华《农业机械学报》 EI CAS CSCD 北大核心 2015年第1期26-34,共9页; 针对小麦条锈病、白粉病这2种病斑颜色特征相近、形状特征不明显,但在方向分布的一致性上却存在较大差别这一特点,提出了一种方向一致性描述方法。通过不同的方向核与图像卷积得到多个方向图和边缘,对每个方向图依据边缘图进行统计得到... 展开更多; 关键词小麦条锈病白粉病病斑识别特征提取方向一致性特征; 在线阅读下载PDF 职称材料

基于自适应模糊阈值的茶炭疽病斑面积计算被引量：3: 8; 作者陈冬梅袁琳 +4 位作者颜鹏范姗慧周贤锋张竞成吴开华《茶叶通讯》北大核心 2019年第2期185-191,共7页; 茶炭疽病是一种发病比较普遍的茶叶病害,它侵蚀茶树叶部,造成茶叶减产和品质下降。利用计算机图像处理技术对茶炭疽病图像进行分割和分析,可以实现病斑面积的自动识别计算,为病害识别提供新的手段。本文提出一种基于自适应模糊阈值方法... 展开更多; 关键词茶炭疽病病斑自动识别自适应阈值模糊理论; 在线阅读下载PDF 职称材料

题名基于GA-BP神经网络和特征向量优化组合的黄瓜叶片病斑识别被引量：8: 1; 作者李颀赵洁杨柳王俊高一星; 机构陕西科技大学电气与信息工程学院; 出处《浙江农业学报》 CSCD 北大核心 2019年第3期487-495,共9页; 基金陕西省科技厅农业科技攻关计划(2015NY028) 西安市未央区科技计划(201305) 陕西科技大学博士科研启动基金(BJ13-15); 文摘针对家庭种植水培黄瓜中用户难以准确识别病害的问题,设计了一种基于图像处理的黄瓜叶片病斑识别系统。应用自适应小波对原始图像进行降噪处理,在HSV空间通过阈值分割结合形态学操作获得理想的黄瓜叶片图像,并通过自适应阈值分离病斑,提取病斑形态学、颜色和纹理原始特征参数。利用GA-BP神经网络定义原始特征参数对分类结果的灵敏度,递归剔除灵敏度较低的若干特征,降低特征参数的维数。根据优化后的特征参数组合,利用支持向量机对黄瓜炭疽病和白粉病进行识别。实验结果表明,本方法对黄瓜炭疽病和白粉病的综合分类正确率在96%以上。设计的方法有效提高了黄瓜病害的识别率,并为其他作物病害的智能识别提供了借鉴。; 关键词黄瓜叶片病斑 GA-BP神经网络灵敏度特征向量优化组合支持向量机病斑识别; Keywords leaf spot of cucumber GA-BP neural network sensitivity feature vector optimization combination support vector machine disease spot recognition; 分类号 S126 [农业科学—农业基础科学]; 在线阅读下载PDF 职称材料

题名基于机器视觉的三七叶片病斑识别被引量：4: 2; 作者罗匡男彭琳齐伟恒; 机构云南农业大学云南省高校农业信息化重点实验室; 出处《江苏农业科学》北大核心 2017年第24期209-212,共4页; 基金云南省科技创新强省计划(编号:2014AB026) 云南高原特色农业产业物联网示范工程建设项目(编号:2014AB026) +1 种基金国家自然科学基金(编号:31260292); 文摘黑斑病和圆斑病是三七发病率较高的2种病,传统的识别方法是通过人工来进行的,该识别方法效率低并且需要依赖有经验的工作人员,因此不能大规模推广。利用图像识别技术来进行病害的分类,并运用投影主要边缘分布(projected prcipal-edge distribution,简称PPED)算法结合机器学习中的聚类算法k-means++进行图像特征提取。该方法具有速度快、识别率高等优点,能够协助农耕人员进行有效的三七病害识别。; 关键词三七病斑识别特征提取聚类算法机器视觉; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于改进卷积神经网络的寒地水稻常见叶部病害识别: 3; 作者崔佳鹏徐宏扬付亚萍; 机构黑龙江省农业机械工程科学研究院绥化分院黑龙江省农业科学院大豆研究所; 出处《农机化研究》北大核心 2025年第10期233-242,共10页; 基金黑龙江省农业科技创新跨越工程项目(CX22YQ17)。; 文摘传统卷积神经网络对于水稻病害识别存在局限性,特别是在寒地水稻病斑位置识别方面。为此,提出了一种改进型轻量级深度学习网络模型,建立了一个包含5种常见寒地水稻叶部病害图像的数据集,并构建了病害分类和病斑目标检测网络模型;将图像分类网络嵌入YOLOv3目标检测网络中,并对模型的特征提取部分进行了优化,采用转置卷积和空洞卷积进行上采样和下采样;最后,对比了改进后的YOLOv3模型与传统的卷积神经网络模型。试验结果表明,病害分类模型在各项指标上均表现出色,平均召回率、平均精度、平均F1-Score和总体准确率分别为93.64%、93.74%、93.77%和93.64%。改进后的YOLOv3模型在病斑检测方面也表现出色,平均检测精度(mAP)达到89.79%,检测率(DR)达到94.94%,检测速度达到64.9 f/s,综合性能明显优于传统的YOLOv3算法,为水稻病害的准确快速识别提供了新途径,对水稻病害的监测和防治具有重要意义。; 关键词寒地水稻病斑识别卷积神经网络目标检测图像分类; Keywords cold-tolerant rice disease lesion recognition convolutional neural networks object detection image classification; 分类号 S225.93 [农业科学—农业机械化工程]; 在线阅读下载PDF 职称材料

题名利用特征分割和病斑增强的杨树叶部病害识别被引量：11: 4; 作者明浩苏喜友; 机构北京林业大学信息学院; 出处《浙江农林大学学报》 CAS CSCD 北大核心 2020年第6期1159-1166,共8页; 基金 “十三五”国家重点研发计划项目(2017YFD0600906)。; 文摘【目的】针对杨树Populus黑星病早期特征和杨树花叶病病斑不明显的特点,提出通过对图像集进行预处理的方法以提高识别精度的方案。【方法】为去除图像背景的影响,采用基于改进的Canny算子边缘检测法并结合霍斯变换提取叶片轮廓;借助限制对比度自适应直方图均衡化算法降低局部光照不均带来的影响并增强病斑的特征;使用自适应阈值的OTSU分割算法提取病斑图像。最后将预处理得到的病斑特征二值化图像和病斑图像,分别输入由5个卷积层、3个全连接层、650 000个神经元及超过6 000万个学习参数的Alexnet神经网络进行训练并验证准确率。【结果】研究最终分别获得93.56%和98.07%的验证集识别精度,较原图像实验组88.77%的识别精度有显著提升。提出的提取叶片轮廓的结合方法能够完整提取不同背景下的叶片主体图像,有效避免目标叶片的背景干扰;限制对比度自适应直方图均衡化算法对自然环境下拍摄产生的不均匀光照有较好的处理效果,有效降低反光等因素的干扰。【结论】几种病害图像预处理对提高识别精度效果明显,识别能力远超过未经处理的原始病害图像识别,有助于提高杨树叶部病害的智能识别能力。; 关键词森林保护学杨树病害卷积神经网络图像分割病斑识别; Keywords forest protection poplar disease convolutional neural network image segmentation lesion recognition; 分类号 S763.1 [农业科学—森林保护学]; 在线阅读下载PDF 职称材料

题名基于边界样本分位数的葡萄霜霉病自适应识别方法: 5; 作者高芮武琼韩玮杨涛卢晨媛张黎; 机构南京信息工程大学应用气象学院旬邑县气象局永寿县气象局陕西省气象台; 出处《中国农机化学报》北大核心 2024年第10期247-253,共7页; 基金国家自然科学基金青年科学基金(42005140)。; 文摘针对葡萄霜霉病病斑组织图像阈值难以确定的问题,提出一种基于边界样本分位数的自适应阈值确定方法,通过高斯滤波识别病斑边界,并采用边界样本的50%分位数确定为病斑阈值。之后采用蒙特卡洛方法,通过随机采样方法估算病斑比例。结果表明,与其他阈值确定方法对比,所提方法能够自适应获取病斑灰度阈值,识别精度达到92.2%,明显高于其他阈值确定方法;与传统的机器学习方法对比,在识别精度上高于BP神经网络、卷积神经网络、支持向量机,略低于VGG16模型的94.3%与ResNet50模型的96.26%,但计算时间为1.410 s,远快于VGG16模型与ResNet50模型的5.588 s与20.317 s,说明方法能够在较短的运行时间内实现较高的精度。; 关键词葡萄霜霉病边界识别样本分位数病斑识别高斯滤波; Keywords grape downy mildew boundary recognition sample quantile plaque recognition Gaussian filter; 分类号 S436.631.1 [农业科学—农业昆虫与害虫防治]; 在线阅读下载PDF 职称材料

题名基于SVM的小麦叶部病害识别方法研究被引量：20: 6; 作者余秀丽徐超王丹丹张卫园屈卫锋宋怀波; 机构西北农林科技大学机械与电子工程学院; 出处《农机化研究》北大核心 2014年第11期151-155,159,共6页; 基金国家"863"计划项目(2013AA10230402) 国家自然科学基金项目(31000670) 中央高校基本科研业务经费资助项目(QN2011031); 文摘为了准确识别小麦叶部常见病害,为小麦病情诊断和发展状况判断提供科学依据,设计并实现了一种基于SVM(Support Vector Machine)的小麦叶部常见病害识别方法。该方法可以实现对小麦白粉病、条锈病和叶锈病的准确识别。首先,基于中值滤波法和K均值聚类算法,实现了图像的去噪及病斑分割;然后,提取了病斑区域形状特征和纹理特征;最后,利用SVM算法对小麦叶部病害进行了分类识别。随机试验结果表明,利用所提取的特征可以有效地实现小麦叶部常见病害的识别,基于形状特征的综合识别率可达99.33%;利用SVM算法进行小麦病害叶片识别是有效的、可行的。该方法对于农作物病害智能识别的推广具有较好的借鉴意义。; 关键词小麦叶片病斑识别特征提取支持向量机; Keywords wheat blade disease spot recognition feature extraction SVM; 分类号 TP391.4 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于方向一致性特征的小麦条锈病与白粉病识别方法被引量：9: 7; 作者郭青王骊雯董方敏聂臣巍孙水发王纪华; 机构三峡大学水电工程智能视觉监测湖北省重点实验室北京农业信息技术研究中心北京市农林科学院北京农业质量标准与检测技术研究中心; 出处《农业机械学报》 EI CAS CSCD 北大核心 2015年第1期26-34,共9页; 基金国家高技术研究发展计划(863计划)资助项目(2013AA10230207) 国家自然科学基金资助项目(41301476 +1 种基金 61272237) 2014年度北京市留学人员科技活动择优资助项目; 文摘针对小麦条锈病、白粉病这2种病斑颜色特征相近、形状特征不明显,但在方向分布的一致性上却存在较大差别这一特点,提出了一种方向一致性描述方法。通过不同的方向核与图像卷积得到多个方向图和边缘,对每个方向图依据边缘图进行统计得到图像的方向分布直方图;并计算方向分布直方图的标准差,作为图像方向分布的一致性特征。该方法能够较好地抑制噪声影响,得到的结果符合图像的实际分布情况。利用该方法对小麦病斑进行特征提取,并应用于小麦条锈病与白粉病的病斑识别实验中。实验结果表明,所提出的方向一致性特征使条锈病与白粉病的区别度较大,准确识别率达到99%。; 关键词小麦条锈病白粉病病斑识别特征提取方向一致性特征; Keywords Wheat Stripe rust Powdery mildew Lesion identification Feature extraction Orientation coherence feature; 分类号 S435.121.4 [农业科学—农业昆虫与害虫防治] TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于自适应模糊阈值的茶炭疽病斑面积计算被引量：3: 8; 作者陈冬梅袁琳颜鹏范姗慧周贤锋张竞成吴开华; 机构杭州电子科技大学生命信息与仪器工程学院浙江水利水电学院信息工程与艺术设计学院中国农业科学院茶叶研究所; 出处《茶叶通讯》北大核心 2019年第2期185-191,共7页; 基金国家自然科学基金项目(41601461) 国家自然科学基金项目(41671415); 文摘茶炭疽病是一种发病比较普遍的茶叶病害,它侵蚀茶树叶部,造成茶叶减产和品质下降。利用计算机图像处理技术对茶炭疽病图像进行分割和分析,可以实现病斑面积的自动识别计算,为病害识别提供新的手段。本文提出一种基于自适应模糊阈值方法计算茶炭疽病病斑面积,通过从不同颜色空间模型中使用模糊阈值方法分离目标叶片和病变区域,采用中值滤波和最大连通域技术消除部分边缘噪声干扰,最后根据像素转换的病斑区域和叶片面积计算相对病斑面积。实验通过对不同等级的病斑图像进行实验,以手动分割结果作为标准计算相对准确率和绝对准确率。结果表明自适应模糊阈值方法能够有效计算茶炭疽病病斑面积,准确率达到90%以上,效果稳定,具有较高的准确度和鲁棒性。; 关键词茶炭疽病病斑自动识别自适应阈值模糊理论; Keywords Tea anthracnose Automatic identification of lesions Adaptive threshold Fuzzy theory; 分类号 TN401 [电子电信—微电子学与固体电子学] S571.1 [农业科学—茶叶生产加工]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于GA-BP神经网络和特征向量优化组合的黄瓜叶片病斑识别	李颀赵洁杨柳王俊高一星	《浙江农业学报》 CSCD 北大核心	2019	8	在线阅读下载PDF 职称材料
2	基于机器视觉的三七叶片病斑识别	罗匡男彭琳齐伟恒	《江苏农业科学》北大核心	2017	4	在线阅读下载PDF 职称材料
3	基于改进卷积神经网络的寒地水稻常见叶部病害识别	崔佳鹏徐宏扬付亚萍	《农机化研究》北大核心	2025	0	在线阅读下载PDF 职称材料
4	利用特征分割和病斑增强的杨树叶部病害识别	明浩苏喜友	《浙江农林大学学报》 CAS CSCD 北大核心	2020	11	在线阅读下载PDF 职称材料
5	基于边界样本分位数的葡萄霜霉病自适应识别方法	高芮武琼韩玮杨涛卢晨媛张黎	《中国农机化学报》北大核心	2024	0	在线阅读下载PDF 职称材料
6	基于SVM的小麦叶部病害识别方法研究	余秀丽徐超王丹丹张卫园屈卫锋宋怀波	《农机化研究》北大核心	2014	20	在线阅读下载PDF 职称材料
7	基于方向一致性特征的小麦条锈病与白粉病识别方法	郭青王骊雯董方敏聂臣巍孙水发王纪华	《农业机械学报》 EI CAS CSCD 北大核心	2015	9	在线阅读下载PDF 职称材料
8	基于自适应模糊阈值的茶炭疽病斑面积计算	陈冬梅袁琳颜鹏范姗慧周贤锋张竞成吴开华	《茶叶通讯》北大核心	2019	3	在线阅读下载PDF 职称材料