版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、針對玉米種植人員缺乏系統(tǒng)培訓,難以準確識別玉米害蟲的問題,本文以玉米害蟲為研究對象,研究基于SVM(Support Vector Machine,支持向量機)和DS(Dempster-Shafer)圖像數(shù)據(jù)融合的玉米害蟲識別算法。
本文對玉米種植過程中常見的三種害蟲——地老虎幼蟲、玉米螟幼蟲和斜紋夜蛾幼蟲的圖像識別方法進行研究。自然條件下圖像采集節(jié)點拍攝的圖像可能會出現(xiàn)光照不均勻的問題,首先需要對光照進行修正,降低光照對圖像的
2、影響。然后,用中值濾波為圖像去噪,再進行灰度化、二值化和開運算等操作,便于圖像特征的提取。
圖像預處理后,提取其特征值。特征值以數(shù)值化的形式衡量圖像,是害蟲識別韻依據(jù)。其中,提取害蟲圖像顏色的均值、標準方差和偏斜度作為其顏色特征,計算圖像在灰度空間的灰度共生矩陣并計算其對比度、相關(guān)性和能量作為紋理特征,以Hu矩為形狀特征。
玉米害蟲識別算法采用基于SVM和DS圖像數(shù)據(jù)融合算法,該算法充分結(jié)合了SVM在解決小樣本分類問
3、題上的優(yōu)勢和DS證據(jù)理論的多特征信息融合的能力。首先采用多分類SVM分別計算圖像三類特征在同一識別框架上的基本信度分配(BPA),再利用DS理論融合其結(jié)果,根據(jù)決策規(guī)則得出最終的結(jié)果。
為了方便玉米種植人員的使用,基于JavaWeb設(shè)計并實現(xiàn)了玉米害蟲識別平臺。平臺包括登錄、配置、組網(wǎng)、害蟲識別、環(huán)境監(jiān)測和歷史數(shù)據(jù)查詢等功能。圖像信息采用3G網(wǎng)絡(luò)傳輸,環(huán)境信息通過ZigBee進行傳輸,并設(shè)定相應(yīng)的數(shù)據(jù)傳輸協(xié)議。最后通過平臺針對
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(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)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(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)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
- 基于LCV和SVM的小麥害蟲圖像識別方法研究.pdf
- 基于支持向量機SVM的水稻害蟲圖像識別技術(shù)研究.pdf
- 基于SVM的油茶害蟲圖像模式分類方法研究.pdf
- 基于多特征融合SVM的古漢字圖像識別研究.pdf
- 基于特征融合和SVM的步態(tài)識別方法研究.pdf
- 基于數(shù)據(jù)挖掘和DS信息融合的評價模型研究.pdf
- 基于加權(quán)多特征融合和SVM的圖像分類研究.pdf
- 基于DS-SVM的手寫體數(shù)字識別的研究.pdf
- 基于圖像的水稻害蟲識別與計數(shù)研究.pdf
- 基于隨機森林和SVM的食物圖像識別的研究.pdf
- 基于紋理特征融合和SVM的人臉識別算法研究.pdf
- 基于多特征融合和SVM分類的圖像檢索技術(shù)研究.pdf
- 基于SVM反饋和多特征融合的圖像檢索技術(shù)研究.pdf
- 基于AdaBoost-SVM的圖像型火焰識別.pdf
- 基于圖像識別的農(nóng)田害蟲分類識別研究.pdf
- 基于多特征融合與SVM的圖像檢索研究.pdf
- 基于圖像識別的儲糧害蟲分類的研究.pdf
- 基于深度特征學習和多級SVM的玉米生長期識別研究.pdf
- 基于圖像識別的大田害蟲多目標識別研究.pdf
- 基于圖像處理及多傳感器數(shù)據(jù)融合的紙幣識別.pdf
評論
0/150
提交評論