黄士凯
- 作品数：2 被引量：82H指数：2
- 供职机构：中国农业大学工学院更多>>
- 发文基金：中央高校基本科研业务费专项资金中国农业大学研究生科研创新专项基金国家公益性行业科研专项更多>>
- 相关领域：自动化与计算机技术农业科学更多>>
- 基于行宽的玉米行间杂草识别算法被引量：10
- 2013年
- 为精确识别和定位玉米行间杂草,满足基于机器视觉的变量施药系统喷施要求,提出了一种基于行宽的多行玉米行间杂草识别算法。该算法以垂直拍摄的3叶期3行玉米田间图像为研究对象,利用YIQ颜色空间中的Q分量灰度化田间彩色图像,以降低自然光源对图像的影响;通过建立实际田间玉米行宽与图像玉米行宽的映射关系,将3叶期玉米行的宽度映射到对应图像中,并确定基于识别率和运算速度的覆盖范围;以具有一定宽度的玉米行作为识别基准,减小未连通叶片区域的误识别率,提高对杂草识别的精度。从识别精度和速度2方面与基于作物行中心线识别算法进行了对比。研究结果表明,对于3叶期3行玉米田间图像,杂草正确识别率可达89.2%,速度为197ms。本算法有效地提高了行间杂草识别的精度和速度,能够初步满足基于机器视觉的变量施药系统对大田玉米多行喷施的工作要求。
- 黄士凯祁力钧张建华王俊
- 关键词：玉米杂草识别HOUGH变换
- 基于粗糙集和BP神经网络的棉花病害识别被引量：72
- 2012年
- 为了提高棉花病害的识别率,提出了一种在自然环境条件下基于粗糙集和BP神经网络的棉花病害识别方法。该方法以轮纹病、角斑病、褐斑病和盲椿象为研究对象,将病害棉花图像从RGB颜色空间转换到HSI和L*a*b*颜色空间,应用Otsu算法对H分量、a*分量和b*分量进行阈值分割,通过H+a*+b*分量与原始图像的交集提取棉花病斑区域,利用颜色矩和灰度共生矩阵分别提取病斑的颜色和纹理特征,并结合粗糙集理论和BP神经网络,实现特征向量的优选,和棉花病害的识别。通过比较试验发现,粗糙集理论能有效减少特征维数,使提取的全部特征向量16个减少到5个,使BP神经网络的训练时间缩短到原来的1/4,且棉花病害平均识别正确率达到92.72%。研究结果表明,该方法准确识别了4种棉花病害,为棉花病害的防治提供了有效的技术支持。
- 张建华祁力钧冀荣华王虎黄士凯王沛
- 关键词：棉花病害粗糙集BP神经网络
