公共文化服务平台

共 7 条记录，以下是 1-7

全选清除导出

排序方式：

基于嵌入式的农作物叶部病害分级系统被引量：6: 2014年; 为了实时获取作物病害程度信息,设计了一种针对农作物叶部病害分级的嵌入式图像采集处理系统,该系统采用ARM9体系的处理器S3C2440A,移植了Linux操作系统,并利用USB外接的接触式扫描装置实现对农作物叶部图像的采集工作,利用嵌入式系统对农作物叶部图像进行相应算法的处理,最后将分级结果通过LCD显示器显示出来。验证结果表明:利用嵌入式技术与扫描装置的结合对作物病害进行分级处理,其方法准确、高效,能够真正实现作物田间的无损检测。; 田有文陈旭郑鹏辉; 关键词：嵌入式图像处理

高光谱成像技术无损检测水果缺陷的研究进展被引量：13: 2014年; 水果缺陷无损检测是水果分级的重要依据。随着图像技术与光谱信息的发展、高光谱成像系统硬件成本的下降和性能的提升,高光谱成像技术在水果缺陷无损检测方面获得了越来越多的应用。为了能充分利用最新研究成果,从高光谱成像技术在水果的缺陷无损检测方面,综述了水果损伤、病害、虫害等缺陷无损检测的研究进展,并对其发展方向进行了展望。; 田有文牟鑫程怡; 关键词：高光谱成像水果无损检测

基于Android平台的黄瓜叶部病害图像处理被引量：3: 2015年; 以Android系统为平台构建黄瓜叶部病害图像处理系统,为田间管理者对黄瓜的栽培及病害防治管理提供科学指导。介绍该技术系统的开发环境,阐述系统的软、硬件设计方案,为该系统的推广及应用提供技术支持。; 田有文王炜王泷郑鹏辉; 关键词：图像处理 ANDROID系统病害黄瓜

基于高光谱成像的苹果虫害检测特征向量的选取被引量：39: 2014年; 利用高光谱成像技术,明确苹果虫害无损检测的最优特征向量,以实现对苹果虫害的快速、准确、无损检测。本文首先对646 nm波长的特征图像进行阈值分割、膨胀与腐蚀运算获得掩膜图像,并利用掩模图像对高光谱图像进行掩模和主成分分析,对获得的PC1(the first principal component,第一主成分)图像进行最大熵阈值分割以有效提取虫害区域。然后对比分析虫害区域与正常区域图像的纹理特征,提取灰度共生矩阵的4个方向的4个纹理参数(能量、熵、惯性矩和相关性),并且采用基于高光谱图像的光谱差值获取了2个特征波长对应的光谱相对反射率作为光谱特征。优化组合纹理特征和光谱特征成4个特征向量组,采用BP(back propagation,反向传播)神经网络对正常苹果和虫害苹果进行检测。结果表明,融合0度方向的能量、熵、惯性矩和相关性的纹理特征和646、824 nm波段的相对光谱反射率的光谱特征进行检测识别效果最好,正常果的识别率为100%,虫害果的识别率为100%,并且速度快、误差小。该研究所获得的特征向量可为开发多光谱成像的苹果品质检测和分级系统提供参考。; 田有文程怡王小奇栗庆吉; 关键词：无损检测主成分分析光谱特征高光谱成像

基于高光谱成像的苹果虫伤缺陷与果梗/花萼识别方法被引量：33: 2015年; 为了快速、准确、无损检测在果梗/花萼的干扰下苹果虫伤缺陷,该文利用高光谱成像技术,首先选取正常果和虫伤果各80个,提取并分析了苹果表面感兴趣区域(虫伤区域、果梗区域、花萼区域、正常区域)的光谱曲线,结合824 nm波长特征图像的阈值分割和主成分分析,对获得的第一主成分图像提取160×120像素大小的感兴趣区域。然后提取感兴趣区域的能量、熵、惯性矩和相关性4个纹理特征,融合646、824 nm波段的相对光谱反射率的光谱特征,采用支持向量机对苹果虫伤区域和正常区域、果梗/花萼区域进行识别。试验结果表明:选取160×120像素大小的感兴趣区域图像、采用径向基核函数对正常果、果梗/花萼果与虫伤果的识别效果最好,总体识别率为97.8%。该研究为苹果质量等级在线评判提供理论依据。; 田有文程怡王小奇刘思伽; 关键词：无损检测主成分分析高光谱成像支持向量机

农产品病虫害高光谱成像无损检测的研究进展被引量：13: 2013年; 高光谱成像是一种新兴的无损快速检测技术,可以同时获取研究对象的图像和光谱信息,集成了光谱分析和图像处理的优势,已成为农产品病虫害信息快速、无损检测的重要手段之一,在农产品的溃疡病、褐斑病、白粉病、黑星病、腐烂、虫蛀等病虫害无损检测中的应用越来越广泛。本文简述了高光谱成像系统,总结分析了其在水果、蔬菜、肉类、谷物等农产品病虫害无损检测中的国内外最新研究进展,提出了农产品病虫害高光谱成像技术检测的未来研究发展方向,以期对相关研究人员的研究工作提供参考。; 田有文程怡吴琼牟鑫; 关键词：高光谱成像农产品病虫害无损检测

基于高光谱成像技术的苹果表面轻微损伤检测被引量：8: 2015年; 为了研究检测苹果表面轻微损伤的有效的方法,以红富士苹果为试验样本,通过高光谱成像采集系统采集苹果样本的高光谱图像,根据正常苹果表面区域和刚损伤、损伤后(3,10,24h)的损伤区域光谱反射率平均曲线得到有效光谱区域;用掩膜法对图像进行背景分割,并基于有效光谱区域做主成分分析,选取第四主成分(PC4)提取损伤区域,运用阈值分割的方法建立提取损伤区域的算法模型;应用该算法模型对正常苹果和损伤苹果进行检测。检测结果表明:正常苹果样本正确检测率达到100%,损伤苹果样本的正确检测率为97.5%,总体检测精确度高达98.75%,说明利用高光谱成像技术可以有效快速检测出苹果表面的轻微损伤。; 田有文牟鑫程怡胡博; 关键词：高光谱成像苹果

全选清除导出

共1页<1>

辽宁省教育厅高等学校科学研究项目(L2011114)