科研院所社会公益研究专项(2004DIB4J53)
- 作品数：2 被引量：65H指数：2
- 相关作者：石延霞柴阿丽李宝聚王倩黄海洋更多>>
- 相关机构：中国农业科学院蔬菜花卉研究所北京师范大学北京理工大学更多>>
- 发文基金：科研院所社会公益研究专项国家自然科学基金国家基础科学人才培养基金更多>>
- 相关领域：农业科学自动化与计算机技术更多>>
- 基于计算机视觉技术的番茄叶片叶绿素含量的检测被引量：37
- 2009年
- 利用计算机视觉技术快速测定叶绿素含量的方法,建立了根据番茄叶片颜色特征确定其叶绿素含量的一元二次拟合模型。在计算机视觉图像采集系统中采集番茄叶片图像,利用MATLAB图像处理工具提取图像的颜色特征参数,对颜色特征参数和番茄功能叶叶绿素含量做相关分析,建立回归模型。结果表明:RGB颜色系统的R/G、(G-R)/(G+R)、G-R、色度坐标r、r-g及HIS颜色系统的H值均与叶绿素含量呈极显著非线性相关,可用于测定番茄叶片叶绿素含量。从建立的6组模型中筛选出拟合度较高的3组模型进行检验,预测误差在0～22.22%之间。用预测精度最高的G-R颜色特征预测叶绿素含量的模型为Chl.a=0.0926+0.1208(G-R)-0.0009(G-R)2,Chl.b=-0.0252+0.0397(G-R)-0.0003(G-R)2和Chl.(a+b)=0.1271+0.1600(G-R)-0.0011(G-R)2。
- 柴阿丽李宝聚王倩石延霞黄海洋
- 关键词：番茄计算机视觉叶绿素含量
- 基于高光谱成像和判别分析的黄瓜病害识别被引量：28
- 2010年
- 利用光谱成像技术(400～720nm)识别黄瓜白粉病、角斑病、霜霉病、褐斑病和无病区域。构建高光谱图像采集系统进行样本图像的采集,预处理和光谱信息的提取。由于获得的原始光谱数据量很大,为了减少后续运算量,提高准确率,采用逐步判别分析和典型判别分析两种方法进行降维。逐步判别从55个波段中选择12个波段,典型判别从55个波段中提取2个典型变量。利用选择的光谱特征参数建立病害识别模型。逐步判别构建的模型对训练样本和测试样本的判别准确率分别为100%和94%,典型判别构建的模型对训练样本和测试样本的判别准确率均为100%。说明利用高光谱成像技术可以进行黄瓜病害的快速、准确识别,并为实现可见光谱范围内黄瓜病害的田间实时在线检测提供了可能。
- 柴阿丽廖宁放田立勋石延霞李宝聚
- 关键词：黄瓜病害
