科研产出
基于SVM的家蚕中毒分类识别研究
《四川蚕业 》 2022
摘要：本文使用机器视觉和机器学习技术开展了家蚕中毒的自动识别研究，主要内容包括：首先选择健康和中毒家蚕图像为识别对象，构建了家蚕中毒识别图像数据集，其次对图像进行中值滤波、尺寸缩放和阈值分割等处理以增强图像特征差异，并利用RGB和HSV两种颜色模型求解图像样本的颜色矩，提取出基于灰度共生矩阵的纹理特征，使用机器学习中的经典算法支持向量机（SVM）创建出分类识别模型，在数据集上的平均识别率为93.54%。本文结果验证了使用机器视觉和机器学习技术开展家蚕中毒识别的可行性，为后续研究提供参考。
全文链接
请求原文
机器视觉在HSV颜色空间下稻瘟病病程分级判定研究
《农学学报 》 2020
摘要：该研究旨在开发基于机器视觉技术的稻瘟病病程分级系统,实现对稻瘟病病程分级准确、客观的判定.提出基于GrabCut、高斯滤波、OTSU二值化、颜色空间转换、阈值切割等处理的稻瘟病分级判定算法模型,该算法模型利用OpenCV与python语言实现,以反向阈值切割为核心策略分离叶片与病斑,再以循环遍历模式统计像素点得出病斑面积占比,实现对稻瘟病的快速、精确分级.试验结果表明,该算法模型与专业研究人员人工判定的结果匹配度达95.77%,相对于人工判定,具备更高的稳定性和客观性.目前对稻瘟病病程分级主要依赖研究人员通过经验判定,客观、准确的判定病程对防治稻瘟病具有重要意义.该系统以手机APP为图像采集端口,不依赖其他仪器和设备,通过手机拍照即可实时获得稻瘟病精确的分级结果,降低了研究门槛,提高了科研工作的效率.
关键词： 水稻病害 稻瘟病 图像处理 机器视觉 GrabCut 病程分级
全文链接
请求原文
首页上一页1下一页尾页
