期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
基于数字形态学特征的植物叶片识别技术综述
被引量:
1
下载PDF
职称材料
导出
摘要
对基于数字形态学特征的植物叶片识别技术进行了研究。首先阐述了相关文献的研究结果,然后介绍了几种特征提取技术并相互进行比较,之后介绍了几种分类方法,最后得出结论并指出一些方法的不足。
作者
熊世明
袁晓洲
樊光瑞
机构地区
湖北职业技术学院信息技术学院
上海交通大学电子信息与电气工程学院
出处
《软件导刊》
2016年第12期168-169,共2页
Software Guide
基金
湖北省自然科学基金项目(2014CFC1060)
湖北省教育科学"十二五"规划项目(2013B320)
关键词
数字形态学特征
植物叶片识别
特征提取
分类方法
分类号
TP319 [自动化与计算机技术—计算机软件与理论]
引文网络
相关文献
节点文献
二级参考文献
0
参考文献
0
共引文献
0
同被引文献
10
引证文献
1
二级引证文献
3
同被引文献
10
1
韩仲志,赵友刚.
利用花生荚果图像特征识别品种与检验种子[J]
.作物学报,2012,38(3):535-540.
被引量:9
2
邓立苗,韩仲志,于仁师.
基于机器视觉的花生品种识别系统研究[J]
.农机化研究,2013,35(8):166-169.
被引量:5
3
于仁师,孙华丽,宋欣欣,韩仲志.
基于支持向量机的花生荚果品种识别模型优化研究[J]
.河南农业科学,2016,45(6):157-160.
被引量:3
4
卢秋帆.
基于PC单片机和图像融合的智能花生采摘装置研究[J]
.农机化研究,2017,39(9):219-223.
被引量:2
5
白光远,唐晓燕.
花生收获机实时测产远程监测存储系统设计——基于智能路由器[J]
.农机化研究,2017,39(11):121-125.
被引量:3
6
赵志衡,宋欢,马涌,张懿夫.
基于DSP和FPGA的图像选别系统设计[J]
.计算机测量与控制,2017,25(8):123-126.
被引量:3
7
张亚萍,胡志超,游兆延,顾峰玮,吴峰.
4HCDS-100型花生收获机机架的模态分析与振动测试[J]
.江苏农业科学,2018,46(24):244-247.
被引量:3
8
黄云,唐林波,李震,龙腾.
采用深度学习的遥感图像花生种植区域分类技术研究[J]
.信号处理,2019,35(4):617-622.
被引量:19
9
张思雨,张秋菊,李可.
采用机器视觉与自适应卷积神经网络检测花生仁品质[J]
.农业工程学报,2020,36(4):269-277.
被引量:29
10
刘翠玲,林珑,于重重,吴静珠.
基于深度学习的花生高光谱图像分类方法研究[J]
.计算机仿真,2020,37(3):189-192.
被引量:13
引证文献
1
1
张晋芳,乔元华,潘志伟.
数学形态学应用于花生收获机的可行性研究[J]
.农机化研究,2022,44(10):198-201.
被引量:3
二级引证文献
3
1
毛盼娣,廖晓文.
形态学与光谱成像协同的割草机作业优化研究[J]
.农机化研究,2024,46(10):32-36.
2
陆海锋,梁卓明.
基于深度卷积网络的超宽带频谱信号识别[J]
.计算机仿真,2024,41(11):220-224.
3
刘悦.
基于形态学的采摘系统视觉控制研究[J]
.农机化研究,2025,47(3):197-201.
1
夏晶晶.
基于PCA和SOM神经网络的植物叶片分类方法[J]
.郑州牧业工程高等专科学校学报,2015,35(1):35-36.
被引量:1
2
张善文,张传雷,王旭启,周争光,张雅丽.
基于叶片图像和监督正交最大差异伸展的植物识别方法[J]
.林业科学,2013,49(6):184-188.
被引量:5
3
桂媛.
基于SVM的植物叶片类别识别研究[J]
.信息技术与信息化,2015(9):148-150.
被引量:4
4
熊世明,袁晓洲,樊光瑞.
用数学形态学修正叶片图像方向的算法[J]
.软件,2016,37(7):1-4.
5
杜吉祥,汪增福.
基于径向基概率神经网络的植物叶片自动识别方法[J]
.模式识别与人工智能,2008,21(2):206-213.
被引量:20
6
张宁,刘文萍.
基于克隆选择算法和K近邻的植物叶片识别方法[J]
.计算机应用,2013,33(7):2009-2013.
被引量:25
7
张宁,刘文萍.
基于图像分析的植物叶片识别技术综述[J]
.计算机应用研究,2011,28(11):4001-4007.
被引量:40
8
丁娇,梁栋,阎庆.
基于WLLE和SVM的植物叶片图像识别方法[J]
.安徽大学学报(自然科学版),2013,37(4):61-67.
被引量:5
9
刘念,阚江明.
基于多特征融合和深度信念网络的植物叶片识别[J]
.北京林业大学学报,2016,38(3):110-119.
被引量:24
10
董红霞,郭斯羽.
一种结合形状与纹理特征的植物叶片分类方法[J]
.计算机工程与应用,2014,50(23):185-188.
被引量:17
软件导刊
2016年 第12期
职称评审材料打包下载
相关作者
内容加载中请稍等...
相关机构
内容加载中请稍等...
相关主题
内容加载中请稍等...
浏览历史
内容加载中请稍等...
;
用户登录
登录
IP登录
使用帮助
返回顶部