河南省高校青年骨干教师资助项目(2010GGJS-114)
- 作品数：7 被引量：41H指数：4
- 相关作者：夏永泉李耀斌李晨曾莎黄海鹏更多>>
- 相关机构：郑州轻工业学院更多>>
- 发文基金：河南省高校青年骨干教师资助项目国家自然科学基金更多>>
- 相关领域：自动化与计算机技术农业科学更多>>
- 一种基于改进的无监督深度学习自编码方法被引量：3
- 2018年
- 针对传统的Auto Encoder方法在全局特征提取上的高性能以及在图像识别上的重要性,本文提出了一种基于无监督局部深度特征学习的改进方法。首先对训练图像进行局部分块处理,其次采用Auto Encoder方法设计自编码网络进行深度训练,并使用费舍尔向量结合空间金字塔匹配算法进行特征提取,最后通过线性SVM分类器来提高图像识别的准确率。实验结果表明:在MNIST数据集上,本文改进方法运算速度更快,更节约内存,同时具有更低的错误率。与传统方法相比,本文改进方法具有更好的准确性,鲁棒性。
- 夏永泉黄海鹏王兵支俊
- 关键词：图像识别
- 基于Android的植物叶片图像病害检测被引量：7
- 2014年
- 针对目前农业智能系统开发平台多基于Windows Mobile操作系统,开源性、免费性和人机交互性等方面较差等问题,提出了基于Android平台的一种最大类间差法和Canny算子结合的植物叶片图像病害检测方法.该方法首先用自适应中值滤波对叶片图像进行平滑处理,再对图像进行灰度变换,然后用最大类间差法对图像进行二值化,最后基于Canny算子对图像进行边缘检测.实验结果表明,该方法实现了Android平台下的图像检测,能有效减少边缘噪声,并且能够有效提取叶片图像病害部分的边缘,具有很好的鲁棒性、有效性和准确性.
- 夏永泉王会敏曾莎
- 关键词：病害检测CANNY算子自适应中值滤波
- 基于HSI颜色空间的植物叶片病斑提取方法被引量：10
- 2015年
- 为了提高病斑图像的分割精度,提出了1种在色调-饱和度-强度(hue-saturation-intensity,HIS)颜色空间中植物叶片病斑提取的方法。使用高精度光学设备采集样本图片,用中值滤波对图像进行平滑处理,去除干扰;将图像由红绿蓝(RGB)颜色空间转换到HSI颜色空间,对色调(hue,H)、饱和度(saturation,S)分量阈值分割去除绿色像素,提取植物叶片病斑区域。结果表明,基于HIS颜色空间的植物叶片病斑提取方法是有效可行的。
- 夏永泉李耀斌曾莎
- 关键词：图像处理中值滤波HSI颜色空间阈值分割
- 基于多神经网络的小麦病害在线诊断系统被引量：1
- 2016年
- 为了快速准确地诊断小麦病害,及时采取防治措施,提高小麦产量和质量,构建了基于多神经网络的小麦病害在线诊断系统。用户通过Android手机采集病害图像,在具备网络覆盖的地方将病害图片发送至诊断平台。诊断平台采用多神经网络模型对病害诊断,将多个神经网络预测值平均作为病害诊断结果,并根据多个神经网络预测值的方差计算出诊断结果的可信度。测试结果表明,该系统实现了病害的及时准确诊断,可信度参数具有提示作用,满足农田小麦病害诊断的实际需要。
- 夏永泉李耀斌李晨
- 关键词：ANDROID手机小麦病害病害诊断多神经网络
- 基于图像处理技术与Android手机的小麦病害诊断系统被引量：11
- 2016年
- 为了智能化农业的发展,提高农作物病害诊断水平,及时采取防治措施,提出一种基于图像处理技术与Android手机的病害智能诊断系统的设计方法.系统不受时间和地域限制,用户可以在具备网络覆盖的地方将采集到的病害图片发送至服务器端.服务器端接收到病害图片后,在HSI(horizintal situtation indicator)颜色空间对病害图像分割,利用颜色矩和灰度共生矩阵来提取病害颜色和纹理特征参数,并将优选的特征参数输入支持向量机识别,识别结果反馈给客户端.实验结果表明:该系统可以准确高效地识别出病害种类,有较强的实用性和推广应用前景.
- 夏永泉李耀斌李晨
- 关键词：小麦病害ANDROID系统病害诊断
- 基于Android平台的植物叶片病害区域提取系统设计与实现
- 2016年
- 为了促进智能化农业的发展,提出1种基于Android的植物叶片病害区域提取系统。针对传统边缘检测分割时容易丢失边缘细节的缺陷,添加对2个斜方向梯度信息的提取,从而得到更完整的病害区域边缘。在此基础上构建了基于移动终端的植物叶片病害区域提取系统。测试效果显示,该系统具有便携、实用、界面友好等特点,能有效地提取出病害区域,为后续的识别提供有效、可靠的病害数据。
- 夏永泉曾莎李耀斌黄海鹏
- 关键词：ANDROID系统边缘检测
- 基于图像处理技术的小麦叶部病害识别研究被引量：9
- 2016年
- 植物病害会导致农作物在产量和质量上都显著降低。为了快速准确的诊断识别小麦病害,及时采取防治措施,利用图像处理技术对小麦常见病害进行识别。以小麦病害纹理特征参数和颜色特征参数作为特征向量,采用基于径向基核函数的支持向量机对小麦白粉病、条锈病、叶锈病和秆锈病图像进行识别,整体识别准确率达95%。实验结果表明,所选取的特征参数对4种小麦叶部常见病害的识别是有效可行的,为小麦病害诊断提供了有效分析手段。
- 夏永泉李耀斌李晨
- 关键词：小麦病害纹理特征颜色矩病害识别
