-
题名基于卷积神经网络的马铃薯叶片病害识别系统
被引量:17
- 1
-
-
作者
赵建敏
李艳
李琦
芦建文
-
机构
内蒙古科技大学信息工程学院
包钢集团公司信息服务中心
-
出处
《江苏农业科学》
2018年第24期251-255,共5页
-
基金
内蒙古自治区高等学校科学研究项目(编号:NJZY144)
-
文摘
深度学习是图像处理领域的研究热点,为实现马铃薯叶片病害识别,达到及时防治的目的,采用深度学习理论设计病害识别系统,系统包括分层卷积神经网络识别模型、WEB服务器和手机端APP。基于Tensor Flow框架,搭建8层CNN+softmax分层卷积神经网络模型,自动学习到256个病害图像特征,采用softmax分类器识别病害,简单背景单一病斑识别准确率达到87%。在ubuntu上搭建Nginx Web服务器,应用Flask框架开发后台服务,基于vue. js开发手机端APP,实现手机采集、上传病害图像、获取病害结果等功能,为相关应用提供完整全栈式解决方案。
-
关键词
深度学习
卷积神经网络
马铃薯
病害识别系统
-
分类号
S126
[农业科学—农业基础科学]
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于数字图像的高速公路路面病害识别系统研究
被引量:2
- 2
-
-
作者
胡璠
凌天清
-
机构
重庆交通大学
重庆通力高速公路工程有限公司
-
出处
《黑龙江科技信息》
2012年第33期275-276,共2页
-
文摘
基于图像的公路路面病害自动识别与分类,一直是图像处理和模式识别领域的一项挑战性工作,其对公路养护工程具有很大的指导作用。本文探索路面各类病害的数字图像特性,研究基于图像的路面病害自动识别分类方法。
-
关键词
数字图像
高速公路
病害识别系统
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名压缩感知在隧道病害识别中的应用研究
被引量:1
- 3
-
-
作者
贡力
余涛
-
机构
兰州交通大学土木工程学院
重庆市水利电力建筑勘测设计研究院
-
出处
《城市道桥与防洪》
2013年第10期111-114,122,共5页
-
基金
甘肃省高等学校硕士生导师基金项目(1204-10)
-
文摘
该文通过分析隧道病害识别的数据采集过程,提出关于压缩感知理论的隧道病害识别系统的数据采集方法。对采集的隧道病害识别图像进行小波变换,将隧道病害识别图像变换成易传输,数据量较小的图像数据,使用正交匹配追踪算法,以及小波逆变换对来自传输设备的隧道病害识别图像进行重建,并实现原始图像精确和近似重构。由仿真可知,压缩感知理论应用于隧道病害识别的数据采集传输过程,降低了传输数据量,并易于图像数据传输,且能以较小误差实现隧道病害识别的重构,同时有相应的硬件使用环境。从而为加快隧道的检测提供新方法。
-
关键词
隧道病害识别系统
压缩感知
裂缝识别
图像处理
高速铁路
-
Keywords
tunnel fault recognition system
compressed sensing
crack recognition
image treatment
express railway
-
分类号
TN911.73
[电子电信—通信与信息系统]
-