共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
针对玉米病害图像采集困难,特别是灰斑病表现差异性较多问题,提出一种基于循环一致对抗网络(CycleGAN)的玉米灰斑病图像生成算法,通过病害图像迁移,使得健康的作物图像可以生成患病作物图像。此方法首先通过特征提取分别提取出健康玉米图像特征和灰斑病图像特征;然后把两种特征图像输入到CycleGAN的生成器Gs中,结合生成器中的残差网络提高图像传输时的准确性,利用两个判断器判断生成的图像是否一致;最后通过对健康玉米图像进行病害迁移得到所需的玉米灰斑病图像。试验结果表明:与VAE、GAN的图像进行迁移比较,结构相似SSIM值整体分别提升50.434%、18.762%,均方误差MSE值整体减少12.891%、9.558%;直观效果上CycleGAN迁移后的不同病害程度的玉米灰斑病效果更好,因此使用CycleGAN网络生成的玉米灰斑病图像更准确。 相似文献
3.
4.
系统研究了玉米灰斑病分生孢子的生物学特性。结果表明,尾孢菌分生孢子在10℃-30℃都能萌发,萌发的适宜温度为20℃~30℃,25℃时的萌发率达95.0%。分生孢子在pH值为4~10的条件下都能萌发,适宜pH值为6--8。孢子密度大时的萌发率要明显低于孢子密度小时的萌发率。致死温度为55℃,光暗交替有利于孢子萌发。尾孢菌在供试碳源营养液中均可萌发,其中在葡萄糖中的萌发率最高,麦芽糖中的萌发率最低;尾孢菌在供试的氮源营养液中的萌发率都很低,或者不萌发。〈br〉 玉米灰斑病病斑产孢的研究结果表明,病斑0.8 cm时的产孢量最少,病斑2.0 cm时的产孢量最多。尾孢菌在低于20℃时病斑不能产孢,20℃~30℃时病斑均能产孢,最适宜的病斑产孢温度为25℃。 相似文献
5.
基于GrabCut算法的玉米病害图像识别方法研究 总被引:1,自引:0,他引:1
GrabCut算法是一种交互式操作少、分割精度高的图像分割方法,但是对于前背景颜色相近或低对比度的区域时难以准确分割前景区域。鉴于此,在实现GrabCut算法的自动分割的基础上,融合基于显著性的SLIC算法来对玉米病害图像进行更好的目标识别和图像分割。以玉米小斑病、大斑病和灰斑病三种病害的图像作为样本,采用融合显著信息的GrabCut算法与相同样本数量和条件下的One-Cut算法和SLIC算法进行试验和对比分析。试验表明,同其他两种算法相比,本文算法对于试验中玉米的三种病害具有更好的分割精度,对于玉米的叶鞘、茎和叶片部分的图像丢失率能够保持在1%以下,分别为0.899%、0.229%和0.914%,对于玉米病害部分能够进行有效地提取,具有较好的分割效果,对于玉米小斑病、大斑病和灰斑病的识别率上能够达到91.67%、86.36%和72.00%,同时通过训练模式进行验证,识别率分别能够达到87.2%、82.4%和83.6%,拒识率分别为4.5%、6.7%和6.3%。 相似文献
6.
7.
玉米大斑病是由半知菌亚门,大斑凸脐蠕孢属病原引起的一种真菌性病害。大斑病菌主要危害玉米的叶片、叶鞘和苞叶,叶片染病会形成边缘暗褐色、中央青灰色的大斑,后期病斑常纵裂,叶片变黄枯死,所以又称条斑病、煤纹病、枯叶病、叶斑病等。该病在我国主要发生在东北、 相似文献
8.
9.
概率神经网络在玉米叶部病害识别中的应用 总被引:2,自引:0,他引:2
根据锈病、灰斑病、小斑病、褐斑病和弯孢菌叶斑病等5种主要玉米叶部病害的特点,提出了一种基于图像处理技术和概率神经网络技术的玉米叶部病害识别方法.首先,对田间采集的玉米叶部病害图像样本进行去噪处理、图像分割和特征提取;然后,利用遗传算法优化选择出4个独立、稳定性好、分类能力强的分类特征;最后,提取目标对象的特征向量作为输入向量,由概率神经网络(PNN)分类器识别病害类别,平均正确识别率为90.4%,高于BP神经网络.试验结果表明了该方法的有效性,可为田间作物病虫害的快速智能诊断提供借鉴. 相似文献
10.
《中国农机化学报》2020,(4)
针对玉米叶部病害图像的颜色、纹理、形状特征对病害影响的差异性,提出一种结合单特征下的SVM识别准确率和识别结果的融合多特征玉米病害识别方法。首先对预处理后的玉米病害图片提取颜色、纹理、形状3种特征,对应每一种特征构建一个SVM分类器,结合3个SVM分类器的平均准确率和识别结果作为证据理论的3个证据,构建D-S证据理论的基本概率分配函数(BPA),最后根据D-S证据理论决策规则进行决策级融合,依据决策条件输出最终识别结果。结果表明,结合SVM识别准确率和识别结果来对玉米的灰斑病、弯孢菌叶斑病、锈病三种病害进行识别,准确率分别为95%,85%,100%,平均准确率为93.33%,该方法对玉米叶部病害的识别更准确和稳定。 相似文献
11.
玉米小斑病病害程度图像检测 总被引:8,自引:1,他引:7
为了实时获取作物病害程度信息,研究了一种基于RGB彩色模型的玉米小斑病图像的分割方法,并利用分割结果求得的玉米冠层危害程度来计算整株玉米的发病程度.由于图像中背景复杂,将叶片与病斑同时分离出来的可能性小,故该方法分为两步:首先从获取的RGB图像中提取R、G、B分量,利用2G-R-B图像采用迭代法自动选取阈值将玉米叶片从背景中分割出来;然后根据R-G图像将病斑从叶片上分离出来.30幅图像中玉米叶片、病斑基本上能提取出来,但没有黄化的少量侵染点无法有效分割. 相似文献
12.
为解决传统的玉米病害识别方法中特征提取主观性强及误识率高的问题,提出利用卷积神经网络对玉米病害进行识别。以玉米病害图像和健康图像共5种类别的玉米图像为研究对象,并采用LeNet模型进行试验。首先,按照8∶2的比例为每种玉米病害图像选择训练集和测试集。然后,通过试验组合和对比分析的方法比较不同卷积神经网络结构设置对准确率的影响,选出最佳参数。另外,选用Adam算法代替SGD算法来优化模型,通过指数衰减法调整学习率,将L2正则项添加到交叉熵函数中,并选择Dropout策略和ReLU激励函数。最后,确定了一个10层CNN网络结构。试验结果显示,玉米花叶病、灰斑病、锈病、叶斑病和玉米健康识别率分别为95.83%、90.57%、100%、93.75%、100%,平均识别率达96%,平均计算时间为0.15 s。经试验结果比较,该模型识别效果明显高于传统方法,为玉米病害的防治提供技术支持。 相似文献
13.
大数据背景下产生了海量图像数据,传统的图像识别方法识别玉米植株病害准确率较低,已远远不能满足需求。卷积神经网络作为深度学习中的常用算法被广泛用于处理机器视觉问题,能自动识别和提取图像特征。因此,本研究提出一种基于数据增强与迁移学习相结合的卷积神经网络识别玉米植株病害模型。该算法首先通过数据增强方法增加数据,以提高模型的泛化性和准确率;再构建基于迁移学习的卷积神经网络模型,引入该模型的训练方式,提取病害图片特征,加速卷积神经网络的训练过程,降低网络的过拟合程度;最后将该模型运用到从农田采集的玉米病害图片,进行玉米病害的精确识别。识别试验结果表明:使用数据增强与迁移学习的卷积神经网络优化算法对玉米主要病害(玉米大斑病、小斑病、灰斑病、黑穗病及瘤黑粉病)的平均识别准确度达96.6%,和单一的卷积神经网络相比,精度提高了25.6%,处理每张图片时间为0.28s,比传统神经网络缩短了将近10倍。本算法的精确度和训练速度上比传统卷积神经网络有明显提高,为玉米等农作物植株病害的识别提供了新方法。 相似文献
14.
玉米是清徐县种植面积最大的粮食作物,随着玉米种植面积的扩大,近年清徐县玉米病虫发生种类逐年增多,2012年清徐县植保站预测,全县玉米螟、玉米叶螨、玉米蚜、双斑莹叶甲中等发生;地下害虫中等发生;玉米黑穗病、大小斑病偏轻发生;病毒病、顶腐病在部分品种上偏轻发生。 相似文献
15.
16.
玉米是山西省种植面积最大的粮食作物,玉米的安全生长对确保全省粮食生产安全和农民的增收都非常重要。播种期是玉米病虫防治的关键时期。通过这一时期的种子处理,对苗期根土蝽、蓟马、蚜虫、灰飞虱等害虫起到有效预防作用,并可降低由蚜虫、灰飞虱传播的粗缩病、矮花叶病的发病率。苗枯病、纹枯病等土传病害和丝黑穗病、疯顶病等系统性病害都应在这一时期进行药剂拌种防治。对于锈病、大斑病、小斑病、褐斑病发病严重的地区,应选用相应的抗病品种,可大大减少玉米生育期用药。具体预防措施主要包括三大项,一是结合播种和田间管理的农业预防措施;二是进行种子处理的化学措施;三是对田间杂草的防除措施。 相似文献
17.
18.
山西省玉米在整个生育期常遭受多种病虫的危害,造成不同程度的减产和品质降低。夏末秋初山西省玉米多处于抽雄至灌浆的关键阶段,此时常发生的病害主要有:玉米大(小)斑病、玉米纹枯病、玉米茎腐(青枯)病、以及玉米丝黑穗病和玉米黑粉病;虫害主要有:玉米螟和玉米红蜘蛛,以及部分地方的玉米蚜和棉铃虫等。 相似文献
19.
20.
作物病害图像中重叠病斑分离算法 总被引:4,自引:1,他引:4
针对传统的分水岭分割算法的不足,应用了一种基于标记测地重建的分水岭算法对棉花重叠病斑图像进行分离.首先对病斑二值图像利用多尺度距离变换获得病斑的距离图像,通过极限腐蚀操作检测出标记种子;然后以种子标记为基础.运用形态学测地重建运算获取测地影响区骨架SKIZ--分水岭线;最后利用分水岭线与原病斑图像进行交集运算.从而得到分离的图像.运用该算法对棉花重叠病斑图像进行分离,试验结果表明:该方法能较好地将图像中的重叠病斑分离,并较好地保存病斑边缘信息,对图像中的微小结构和噪声不敏感,具有良好的鲁棒性. 相似文献