万本电子书0元读

万本电子书0元读

顶部广告

基于图像分析的植物及其病虫害识别方法研究电子书

◆图像分析技术在农业领域的应用

售       价:¥

纸质售价:¥49.30购买纸书

88人正在读 | 1人评论 6.2

作       者:张善文,李建荣,张传雷

出  版  社:中国经济出版社

出版时间:2018-10-09

字       数:16.2万

所属分类: 科技 > 农业/林业 > 林业

温馨提示:数字商品不支持退换货,不提供源文件,不支持导出打印

为你推荐

  • 读书简介
  • 目录
  • 累计评论(1条)
  • 读书简介
  • 目录
  • 累计评论(1条)
利用植物叶片图像对植物分类和病害识别是目前较为有效的方式之一,也是未来数字化植物研究的发展趋势。这一方法对植物物种的智能化分类,有效预防农作物病害发生,提高农作物产量,有效控制农药对农产品和生态环境的污染等方面,都具有非常重要的现实意义。 本书在总结国内外现有研究成果的基础上,以提高植物及其病害识别的准确率和效率为目标,对植物叶片及其叶部病害的图像分割、特征提取等关键技术展了系统研究。<br/>【推荐语】<br/>◆图像分析技术在农业领域的应用<br/>【作者】<br/>张传雷,副教授、加拿大瑞尔森大学(Ryerson University)博士后、IEEE会员、ACM会员、CCF会员和中国电子学会高级会员。2000—2010年,任摩托罗拉(中国)研发经理、高级工程师等职,有多年的移动与互联网产品的研发经验。主要从事模式识别、信息处理、图像处理、物联网和大数据挖掘等方面的基础应用研究。 近5年来主持天津市自然科学基金(重项目)、天津市留学回国人员科技活动启动项目(优秀类)、天津市应用基础与前沿技术研究计划(一般项目)、天津市科技特派员项目、天津市津南区科技计划项目、天津市高等学校科技发展基金计划项目和天津市2015年度高校聘请外专特色项目各1项,参与国家自然科学基金1项,相应成果发表在国际SCI、EI检索期刊上,有30余篇。 目前担任学术期刊IEEE Trans. on Industrial Informatics、IEEE Access、Computers in Biology and Medicine、KSII Trans. on Internet and Information Systems、Computers and Electronics in Agriculture、Soft Computing、Applied Soft Computing,以及《中国矿业大学学报》《煤炭学报》《北京理工大学学报》和多个国际学术会议论文的审稿人。<br/>
目录展开

封面页

书名页

版权页

作者简介

内容简介

第1章 绪论

1.1 研究背景及意义

1.2 研究现状概述

1.3 主要植物叶片数据集介绍

参考文献

第2章 叶片图像分类特征及图像预处理

2.1 叶片图像识别步骤

2.2 植物叶片图像的分类特征

2.3 植物叶片图像预处理技术

参考文献

第3章 植物叶片图像常用的分割方法

3.1 图像分割定义

3.2 基于边缘检测的图像分割方法

3.3 基于灰度阈值的图像分割方法

3.4 基于区域的图像分割方法

3.5 分水岭算法

3.6 基于小波的图像分割方法

3.7 基于聚类分析的图像分割方法

3.8 基于水平集的图像分割方法

3.9 基于图论的图像分割方法

参考文献

第4章 最大最小判别映射植物叶片图像分类方法研究

4.1 最大最小判别映射方法

4.2 实验结果与分析

4.3 小结

参考文献

第5章 基于叶片图像和监督正交最大差异伸展的植物识别方法研究

5.1 监督正交最大差异投影算法

5.2 实验结果与分析

5.3 小结

参考文献

第6章 采用局部判别映射算法的玉米病害识别方法研究

6.1 局部判别映射算法

6.2 实验结果与分析

6.3 小结

参考文献

第7章 监督正交局部保持映射的植物叶片分类方法研究

7.1 监督正交局部保持映射

7.2 实验结果与分析

7.3 小结

参考文献

第8章 基于叶片图像处理和稀疏表示的植物识别方法

8.1 稀疏表示和植物识别

8.2 实验结果与分析

8.3 小结

参考文献

第9章 基于稀疏表示字典学习的植物分类方法

9.1 基于稀疏表示的植物分类方法

9.2 实验结果与分析

9.3 小结

参考文献

第10章 环境信息在黄瓜病害识别方法中的应用研究

10.1 叶片图像获取

10.2 实验结果与分析

10.3 小结

参考文献

第11章 基于判别映射分析的植物叶片分类方法

11.1 最大边缘准则(MMC)

11.2 判别映射分析算法(DPA)

11.3 实验结果

11.4 小结

参考文献

第12章 基于卷积神经网络的植物病害识别方法

12.1 植物病害识别方法的简介

12.2 卷积神经网络

12.3 基于三通道CNNs的植物病害识别方法

12.4 实验结果与分析

12.5 小结

参考文献

第13章 基于环境信息和深度自编码网络的农作物病害预测模型

13.1 农作物的致病因素及病害预测模型简介

13.2 材料与方法

13.3 实验结果与分析

13.4 小结

参考文献

第14章 基于改进深度置信网络的大棚冬枣病虫害预测模型

14.1 冬枣病虫害及预测模型简介

14.2 植物病虫害环境信息获取

14.3 深度置信网络

14.4 冬枣病虫害预测模型

14.5 实验方法

14.6 小结

参考文献

后记

累计评论(1条) 1个书友正在讨论这本书 发表评论

发表评论

发表评论,分享你的想法吧!

买过这本书的人还买过

读了这本书的人还在读

回顶部