黄海鹏
- 作品数：6 被引量：22H指数：3
- 供职机构：郑州轻工业学院计算机与通信工程学院更多>>
- 发文基金：国家自然科学基金河南省高校青年骨干教师资助项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于随机森林方法的小麦叶片病害识别研究被引量：15
- 2018年
- 为了提高小麦叶部病害的识别准确率,采用高斯混合模型结合EM算法对小麦叶片进行提取,获得较大目标,使得分割准确率比直接分割病害区域有所提高,同时降低了分割难度。并结合HSV主颜色直方图和通过Tamura纹理特征中的粗糙度、方向度和对比度作为特征进行筛选,采用随机森林方法对小麦健康叶片、白粉病、叶枯病和叶锈病图像进行了识别,整体识别准确率可达95%。通过实验验证,该方法是有效可行的,并优于同等条件下的支持向量机(SVM)方法。
- 夏永泉王兵支俊黄海鹏孙静茹
- 关键词：高斯混合模型EM算法纹理特征支持向量机
- 一种基于改进的无监督深度学习自编码方法被引量：3
- 2018年
- 针对传统的Auto Encoder方法在全局特征提取上的高性能以及在图像识别上的重要性,本文提出了一种基于无监督局部深度特征学习的改进方法。首先对训练图像进行局部分块处理,其次采用Auto Encoder方法设计自编码网络进行深度训练,并使用费舍尔向量结合空间金字塔匹配算法进行特征提取,最后通过线性SVM分类器来提高图像识别的准确率。实验结果表明:在MNIST数据集上,本文改进方法运算速度更快,更节约内存,同时具有更低的错误率。与传统方法相比,本文改进方法具有更好的准确性,鲁棒性。
- 夏永泉黄海鹏王兵支俊
- 关键词：图像识别
- 基于平均影响值和支持向量机的小麦病害识别被引量：3
- 2015年
- 为了提高小麦病害识别准确率,提出了一种基于平均影响值思想和支持向量机的小麦病害识别方法。首先,使用阈值分割方法对小麦叶片图像进行分割;其次,利用灰度共生矩阵和颜色矩提取病害的纹理和颜色特征;再次,将平均影响值思想应用于支持向量机回归进行特征变量优选;最后,将优选出的特征变量作为支持向量机的输入向量进行识别。实验结果表明,经过特征变量优选,特征变量个数由14个减少到7个,识别准确率达到96.25%,为农田小麦病害识别提供了有效方法。
- 夏永泉李耀斌黄海鹏
- 关键词：支持向量机纹理特征颜色矩
- 基于Android平台的植物叶片病害区域提取系统设计与实现
- 2016年
- 为了促进智能化农业的发展,提出1种基于Android的植物叶片病害区域提取系统。针对传统边缘检测分割时容易丢失边缘细节的缺陷,添加对2个斜方向梯度信息的提取,从而得到更完整的病害区域边缘。在此基础上构建了基于移动终端的植物叶片病害区域提取系统。测试效果显示,该系统具有便携、实用、界面友好等特点,能有效地提取出病害区域,为后续的识别提供有效、可靠的病害数据。
- 夏永泉曾莎李耀斌黄海鹏
- 关键词：ANDROID系统边缘检测
- 基于EM和K-means混合聚类方法的植物叶片病害区域自动提取
- 2017年
- 针对植物病害区域如何准确提取的问题,文中提出了一种基于EM和K-means混合聚类的方法。该方法在目标与背景具有较明显差异的情况下,可以有效地将叶片目标提取出来,并对较复杂背景也具有一定的甄别效果,优于其他经典方法。利用植物病害区域的褪绿特点,用K-means方法结合Lab颜色空间,利用Lab颜色空间颜色分布的均匀性,提取A分量作为参考分量,将病害区域从叶片目标中提取出来。通过Matlab仿真实验,结果表明,基于EM和K-means混合聚类方法的植物病害区域提取是可行的。
- 夏永泉王兵支俊黄海鹏孙静茹
- 关键词：EM算法K-MEANS算法混合聚类
- 一种基于改进非极大值抑制的农作物病斑检测方法被引量：1
- 2017年
- 针对传统边缘检测算子在植物病斑检测过程中抗噪性能差、自适应能力较弱、处理过程中采用的非极大值抑制方法容易导致伪噪声边缘出现等问题,提出了一种线性插值的非极大值抑制改进方法.该方法首先在预处理过程中使用改进的形态学滤波法替代高斯滤波,然后通过引入插值因子与邻域相关系数,将8个邻域简化为4个邻域,进行计算插值的梯度幅值与目标点的比较,替代传统方法中直接沿着梯度方向与邻域值相比较.实验结果表明:改进后的方法在抑制伪边缘点出现与适应性方面有了较好的提升,对病斑部分的分割具有非常好的有效性、准确性和鲁棒性.
- 夏永泉黄海鹏王兵
- 关键词：形态学滤波线性插值非极大值抑制
