公共文化服务平台

国家自然科学基金(31271618): 作品数：12 被引量：90H指数：5; 相关作者：张领先李鑫星傅泽田温皓杰苏叶更多>>; 相关机构：中国农业大学长治学院江西警察学院更多>>; 发文基金：国家自然科学基金天津市科技支撑计划中央高校基本科研业务费专项资金更多>>; 相关领域：农业科学理学机械工程自动化与计算机技术更多>>

基于U-net和可见光谱图像的黄瓜褐斑病分割被引量：3: 2021年; 褐斑病是黄瓜主要真菌性病害之一,适宜条件下,特别是在昼夜温差大及饱和湿度条件下发病迅速,病情加重,导致黄瓜减产,造成经济损失。对黄瓜褐斑病进行病斑分割与提取,可以为后续的病害识别与诊断提供有效依据,具有重要意义。结合黄瓜褐斑病可见光谱图像,利用U-net深度学习网络构建黄瓜褐斑病语义分割模型,实现了病斑分割。首先在采集到的黄瓜褐斑病可见光谱图像中截取病斑较为突出的区域作为样本,共在40幅图像中截取到135个像素区域,区域的像素分辨率为200×200,利用Matlab的Image Label er工具对样本进行像素标记,分别标记出感病区域和健康区域。然后构建U-net网络,该网络包含46层和48个连接,通过卷积层和线性整流层以及最大池化法来完成病斑特征提取,通过深度连接层以及上卷积层和上线性整流层完成上采样,通过跳层连接来完成复制和剪裁操作,并进行病斑特征融合。利用所构建的U-net网络进行学习训练得到语义分割模型,在135个样本中,随机选取其中96个作为训练样本,剩余的39个作为测试样本,设置迭代次数为240次,L2正则化系数为0.0001,初始学习率为0.05,动量参数为0.9,梯度阈值为0.05,进行样本训练和测试。经过10次重复训练和测试,结果表明,基于U-net和可见光谱图像的黄瓜褐斑病语义分割模型执行时间平均为46.4 s,内存占用平均为6665.8 MB,执行效率较高;模型准确率PA为96.23%~97.98%,MPA为97.28%~97.87%,MIoU为86.10%~91.59%,FWIoU为93.33%~96.19%,模型的稳定性较好、泛化能力较强。该研究方法利用较少的训练样本,获得了准确率较高的分割模型,为小样本机器学习提供了参考,同时为其他蔬菜的病斑分割、病害识别与诊断提供了方法依据。; 王翔宇李海生吕丽君韩丹枫王梓强; 关键词：可见光谱黄瓜褐斑病

基于自适应双阈值的蔬菜病害知识视频分割方法被引量：9: 2013年; 针对以3G手机为媒介的农业知识视频传输质量与传输时间、流量及费用冲突等问题,提出了一种基于自适应双阈值法的农业知识视频分割方法。利用双阈值自适应变化逼近视频镜头分割最佳阈值,通过比较镜头相似度确定因阈值偏差产生的误检镜头进而对分割结果修正。蔬菜病害知识视频分割试验表明,该文整体算法的设计能够实现快速分割,并使得镜头查全率大于95%、查准率大于98%,视频分割效果可满足农民用户的专业化、个性化的信息需求,同时为其他农业知识视频的分割提供了参考方案。; 傅泽田苏叶张领先李鑫星; 关键词：病害视频分割自适应双阈值

高校网络舆情决策支持管理平台的构建: 2016年; 高校网络舆情是影响大学生集体行动成效的风向标,基于热点事件的网络舆情结构特征的感知与判别将直接决定大学生集体行动发展态势,因此,为了防止舆情信息对社会造成的不良影响,对高校网络舆情进行有效监测,能够为管理人员提供决策依据,本研究拟通过构建高校网络舆情决策支持管理平台来实现保障高校正常的教学科研秩序,促进高校学生身心健康的成长。; 胡亮; 关键词：高校网络舆情决策支持管理平台

基于图像处理的温室黄瓜霜霉病诊断系统被引量：36: 2017年; 为进一步提高温室黄瓜霜霉病诊断的准确率,构建了一个基于图像处理的温室黄瓜霜霉病诊断系统。针对温室黄瓜栽培现场采集的病害图像,采用基于条件随机场(Conditional random fields,CRF)的图像分割方法进行病斑图像分割,并采用决策树模型扩展一元势函数,提高病斑图像分割的准确性;将分割后的病斑图像转换到HSV颜色空间并提取其颜色、纹理和形状等25个特征,利用粗糙集方法进行特征选择与优化;构建了基于径向基核函数的SVM分类器,准确地识别与诊断温室黄瓜霜霉病。系统试验验证结果表明,该系统采用的病斑分割方法,能够克服复杂背景和光照条件的影响,准确地提取病斑图像;采用粗糙集方法能够有效地选择分类特征,将25个初始特征减少到12个,提高了运行效率;黄瓜霜霉病识别准确率达到90%,能够满足设施蔬菜叶部病害诊断的需求。; 马浚诚温皓杰李鑫星傅泽田吕雄杰张领先; 关键词：温室黄瓜霜霉病图像处理条件随机场决策树

面向蔬菜病虫害视频移动获取的网络互通网关设计被引量：5: 2015年; 网络互通问题是限制移动视频获取的关键技术瓶颈,为解决此问题,在前期关于视频分割、压缩、标注、检索等一系列研究基础上,设计出面向移动视频获取的网络互通网关,最终实现蔬菜病虫害视频的移动获取。首先对视频电话网络和IP网络的网络协议3G-324M和H.323进行了详细分析。进而基于不同网络协议原理的分析,设计出3G-324M与H.323的互通网关,包括信令网关和媒体网关两部分:信令网关负责处理信令(信号),实现视频电话网与IP网络间呼叫层面和系统层面的控制和互通;媒体网关负责数据传输,实现视频电话网与IP网络间媒体和数据层面的控制和互通。最终基于前期的研究基础和本文设计的网络互通网关,构建了蔬菜病虫害知识视频移动获取模型,实现了蔬菜病虫害的视频移动获取。此外还对视频获取模型进行对比试验,通过与传统方法的比较,证明所设计的网络互通网关和移动视频获取模型具有理论和实用价值。; 李鑫星李辉马云飞刘春迪傅泽田张领先; 关键词：蔬菜病虫害视频网络互通网关

基于可见光谱和支持向量机的黄瓜叶部病害识别方法研究被引量：12: 2019年; 以黄瓜叶部病害作为研究对象,基于可见光谱反射率差异识别黄瓜叶部病害,研究基于SVM的黄瓜叶部病害识别预测模型。采用小波变换进行数据预处理;选取Otsu、边缘分割法和K均值聚类三类分割方法进行病斑分割,比较错分率和运行时间,K均值聚类方法更适合黄瓜叶部病斑分割;提取纹理、颜色和形状特征参数,共15个特征参数;通过交叉验证选择最优参数c和g,对核函数参数进行优化处理,并通过比较线性核、多项式核、RBF核等不同核函数情况下SVM的正确识别率,确定RBF核SVM模式识别方法能够更精准地识别黄瓜叶部病害。并将基于SVM与另外两种常见的黄瓜叶部病害识别方法,BP神经网络和模糊聚类进行比较,结果表明,基于SVM的识别模型对霜霉病的正确识别率为95%,白粉病和褐斑病的正确识别率均为90%,平均诊断正确率为92%;该模式识别方法识别效果最佳,运行时间最短,为基于可见光谱的黄瓜病害识别模型提供参考。; 李鑫星朱晨光白雪冰毛富焕傅泽田张领先; 关键词：可见光谱病害识别支持向量机 BP神经网络

基于语音识别的蔬菜病害视频语义标注与分割方法被引量：4: 2015年; 为了向农民提供蔬菜病害知识,基于语音识别技术设计了一种蔬菜病害视频标注与分割方法,可将科研机构录制的蔬菜病害视频分割成适合手机播放的小视频段落。在前期设计的视频镜头切分方法基础上,进一步设计出基于语音识别技术的视频语义标注及视频镜头聚类方法,即首先采用成熟的语音识别技术,将视频镜头的语音讲解识别为文本形式;进而基于本体对识别文本进行相应的语义处理,从中提取出能起到指示作用的关键语义实体,并将其恰当的组织形式作为视频镜头的语义标注;最终根据用户提供的关键词并结合视频镜头的语义标注,对视频镜头进行聚类和重组,从而实现对于蔬菜病害视频的最终分割。所设计的视频镜头语义标注方法对2个测试视频的查全率分别达到96.08%、94.93%,查准率分别达到94.31%、95.98%,F-1测度也分别达到0.93和0.92;视频镜头聚类方法使得2个视频的分割查全率分别达到94.9%、98.7%,查准率分别达到92.1%、90.2%,查全率平均大于95%,查准率大于90%。证明所设计的蔬菜病害视频标注与分割方法具有理论和实用价值。; 李鑫星刘春迪温皓杰苏叶傅泽田张领先; 关键词：蔬菜病害视频分割语音识别语义标注

面向叶类蔬菜病害识别的温室监控视频采集系统被引量：14: 2015年; 为满足温室叶类蔬菜病害准确识别的视频数据需求,结合温室叶类蔬菜病害发生的特点,采用物联网技术,基于传感器感知的环境信息与摄像机监控视频信息,构建了一种面向叶类蔬菜病害识别的温室监控视频采集系统。该系统将案例检索与模糊推理方法相结合,设计温室监控视频获取方法,将传感器实时采集的数据与知识库中的病害产生环境条件相匹配,以匹配结果作为视频采集的依据,实现了监控视频的智能采集;并利用模糊推理方法,弥补案例检索结果不够全面的问题,确保了数据的准确获取。同时,该系统还提供了实时数据显示、实时视频监控等功能。系统应用结果表明,该系统能够满足温室叶类蔬菜病害识别的视频数据需求。; 马浚诚李鑫星温皓杰陈英义傅泽田张领先; 关键词：叶类蔬菜病害识别模糊推理

可见光谱图像联合区间的黄瓜白粉病分割与检测被引量：5: 2019年; 黄瓜白粉病是黄瓜病害中爆发频率较高的一种,传播速度极快,常常导致产量降低,无法获得预期的经济效益。特别是在病害爆发严重的年份,黄瓜减产量高达20%。提出了一种基于可见光谱图像联合区间的偏最小二乘回归判别模型(SI-PLSR),用于黄瓜白粉病无损检测。采用Canon EOS 800D和Ocean Optics USB2000+光纤光谱仪采集了200个黄瓜白粉病感病叶片的可见光谱图像和反射率曲线。首先,采用基于小波降噪和H分割的分水岭分割算法从实时采集的黄瓜白粉病感病叶片可见光谱图像中提取目标叶片;其次,通过高斯拟合优化的Otsu算法分割目标叶片的可见光谱图像,获取白粉病病斑;然后,对350~1 100nm全波段光谱反射率曲线建立偏最小二乘回归模型并计算交叉验证均方根误差RMSECV,同时将全波段等分为20个子区间,分别建立偏最小二乘回归模型,选取RMSECV小于全波段反射率曲线建模RMSECV的子区间组成联合区间;最后,将光谱联合区间与白粉病病斑分割结果融合建立SI-PLSR模型。从实验结果可知,感病目标叶片的提取成功率高达94.00%,200幅感病叶片可见光谱图像中成功提取188幅,其中157幅目标叶片的完整性参数高于95%,31幅目标叶片完整性参数在90%~95%之间。188幅目标叶片的病斑分割结果显示,平均错分率为5.81%,其中平均False negative为1.55%,平均False positive为4.26%。对20个子区间分别建立偏最小二乘回归模型发现,第5,6,7,11,12,13和19子区间的RMSECV值小于全波段光谱反射率曲线建模的RMSECV值,说明这7个子区间的光谱信息对白粉病的判别有较大的贡献,这与呈现波峰的470~520,530~580和700~780nm波段相对应,因此选取这7个子区间的光谱反射率曲线建立联合区间。对联合区间建立SI-PLSR模型,其主成分数为7,校正集和验证集的相关系数和标准误差分别是0.975 2,0.907 3和0.919 5,1.091。与全波段PLSR模型相比,SI-PLSR; 白雪冰余建树傅泽田张领先李鑫星; 关键词：可见光谱计算机视觉

光谱成像技术在作物病害检测中的应用进展与趋势被引量：5: 2020年; 病害作为影响农作物生长的主要因素之一,平均每年造成农作物产量损失高达12%以上。病害不仅直接导致农作物产量减少,而且也严重降低了农产品的品质,甚至引发食品安全事故。光谱成像作为一种融合图像处理和光谱学的信息获取技术,能同时获取目标的图像信息和光谱信息,从而更直观表达目标的特征。光谱成像技术可以获得图像上每个点的光谱数据,从而实现对作物病害的颜色、形状和纹理特征及光谱特征的分析,具有快速、直观和无损等特点,近些年在作物病害检测领域的应用取得了较大研究进展。综述了近六年来国内外关于光谱成像技术在作物病害检测领域应用的相关文献,分析了光谱成像技术的优势和局限性,重点阐述了光谱成像作物病害检测中关键的第三个技术:(1)光谱图像分割技术,重点分析了四种常见分割算法的优点和适用范围;(2)光谱特征和空间特征提取技术,重点对比了空间特征、光谱特征和二者加权组合对病害信息表达的准确性;(3)检测模型,重点介绍了光谱植被指数和机器学习模型在作物病害检测中的稳定性和前景。最后,根据上述分析展望了光谱成像技术在作物病害检测领域中应用的研究趋势,为相关研究提供全面且系统的参考。; 白雪冰余建树傅泽田张领先李鑫星; 关键词：模式识别

国家自然科学基金(31271618)

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

国家自然科学基金(31271618)

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈