-
公开(公告)号：CN109827957B
公开(公告)日：2021-04-06
申请号：CN201811540722.0
申请日：2018-12-17
Applicant: 南京邮电大学
IPC: G01N21/84
Abstract: 本发明公开了一种基于计算机视觉的水稻叶片SPAD值估测方法，该方法包括：(1)采集一定数量的水稻叶片样本，并将所述水稻样本放在18％灰板上，获取对应样本图像；(2)测定所有样本图像的SPAD值；(3)采用阈值分割法去除样本图像中的灰板部分，留下绿色叶片主体部分；(4)提取所述样本图像的颜色特征，获得样本图像中的RGB颜色空间中颜色特征和HSV颜色空间中的颜色特征；(5)以所述颜色分量为输入，采用逐步回归分析方法，建立基于颜色分量的SPAD值估测模型M'2。本发明提出的方法，可快速得到整片水稻叶片SPAD值数据，估测结果精度较高、误差小，不仅能减少人工检测水稻叶片SPAD值的工作效率，还能为水稻叶片可视化研究提供依据。
-
公开(公告)号：CN109325495A
公开(公告)日：2019-02-12
申请号：CN201811118636.0
申请日：2018-09-21
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于深度神经网络建模的作为图像分割系统，该系统包括：图像采集模块；像素分类模块，用于通过人工在所述作物图像中以点选方式手动获得两类像素：作物像素和背景像素，即分别对应类别标签正样本和负样本，选取同等数量的所述正样本和负样本作为深度卷积神经网络的训练样本；颜色空间转换模块，用于将所述训练样本由RGB颜色空间转换为标准化的rgb和Lab颜色空间，并将样本的Lab颜色值按ICC规范将其转换为无符号8bit整数形式，形成所述训练样本的颜色特征；神经网络训练模块；模型测试模块。本发明具有较高的作物图像分割处理速度及分割的精确性，且能够较好的适应户外复杂多变的光照环境，可在作物生长观测中对作物进行有效分割提取。
-
公开(公告)号：CN109827957A
公开(公告)日：2019-05-31
申请号：CN201811540722.0
申请日：2018-12-17
Applicant: 南京邮电大学
IPC: G01N21/84
Abstract: 本发明公开了一种基于计算机视觉的水稻叶片SPAD值估测方法，该方法包括：(1)采集一定数量的水稻叶片样本，并将所述水稻样本放在18％灰板上，获取对应样本图像；(2)测定所有样本图像的SPAD值；(3)采用阈值分割法去除样本图像中的灰板部分，留下绿色叶片主体部分；(4)提取所述样本图像的颜色特征，获得样本图像中的RGB颜色空间中颜色特征和HSV颜色空间中的颜色特征；(5)以所述颜色分量为输入，采用逐步回归分析方法，建立基于颜色分量的SPAD值估测模型M'2。本发明提出的方法，可快速得到整片水稻叶片SPAD值数据，估测结果精度较高、误差小，不仅能减少人工检测水稻叶片SPAD值的工作效率，还能为水稻叶片可视化研究提供依据。
-
公开(公告)号：CN109325495B
公开(公告)日：2022-04-26
申请号：CN201811118636.0
申请日：2018-09-21
Applicant: 南京邮电大学
IPC: G06V10/26 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/04
Abstract: 本发明公开了一种基于深度神经网络建模的作为图像分割系统，该系统包括：图像采集模块；像素分类模块，用于通过人工在所述作物图像中以点选方式手动获得两类像素：作物像素和背景像素，即分别对应类别标签正样本和负样本，选取同等数量的所述正样本和负样本作为深度卷积神经网络的训练样本；颜色空间转换模块，用于将所述训练样本由RGB颜色空间转换为标准化的rgb和Lab颜色空间，并将样本的Lab颜色值按ICC规范将其转换为无符号8bit整数形式，形成所述训练样本的颜色特征；神经网络训练模块；模型测试模块。本发明具有较高的作物图像分割处理速度及分割的精确性，且能够较好的适应户外复杂多变的光照环境，可在作物生长观测中对作物进行有效分割提取。
-
-
-
Search Results
4
records
(took 0.018 seconds)
