2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩59頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、作物水分檢測是農(nóng)業(yè)“四情”監(jiān)測的內(nèi)容之一,對(duì)作物旱情預(yù)警、灌溉管理以及產(chǎn)量預(yù)測等方面具有重要意義。隨著圖像技術(shù)和互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展,以作物葉片或冠層圖像為對(duì)象、采用機(jī)器視覺技術(shù)對(duì)作物含水量進(jìn)行快速、無損檢測是一個(gè)重要研究課題。
  為了提高作物含水量圖像檢測方法的精度和實(shí)用性,本文以玉米葉片圖像和小麥冠層圖像為對(duì)象,研究光照增強(qiáng)、圖像分割、特征選取和檢測模型構(gòu)建等方法,并以此為基礎(chǔ)開展應(yīng)用試驗(yàn)。
  主要研究內(nèi)容和結(jié)果如下

2、所述:
  (1)作物圖像的光照增強(qiáng)和分割研究。針對(duì)野外獲取的作物圖像受自然光照影響嚴(yán)重的問題,提出同態(tài)濾波-Retinex組合算法進(jìn)行光照增強(qiáng)預(yù)處理,較好地消除了光照不均勻和顏色失真影響,并改善了圖像的整體亮度;比較了k-means聚類分割、二維最大信息熵分割和顏色特征分割的性能,并采用顏色特征分割法對(duì)小麥冠層圖像進(jìn)行分割,最大限度保留了作物信息,有效去除背景中土壤及枯葉敗葉。
 ?。?)特征提取、篩選和模型檢測研究。在現(xiàn)

3、有研究基礎(chǔ)上提取與作物水分相關(guān)的眾多顏色特征、紋理特征和形態(tài)特征,研究運(yùn)用相關(guān)分析和假設(shè)檢驗(yàn)等方法進(jìn)行特征篩選,獲得表征含水量的顯著特征,并通過主成分分析、偏最小二乘法構(gòu)建精度較高的水分檢測模型。
 ?。?)玉米葉片含水量檢測應(yīng)用。提出并實(shí)現(xiàn)基于智能手機(jī)—服務(wù)器模式的作物葉片含水量檢測系統(tǒng),并以玉米為對(duì)象進(jìn)行試驗(yàn)。結(jié)果表明,該系統(tǒng)可以便捷獲取作物葉片圖像,實(shí)時(shí)獲取檢測結(jié)果,其檢測誤差在可接受范圍之內(nèi),后臺(tái)算法的更新與擴(kuò)展對(duì)用戶透明

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論