【技术实现步骤摘要】
一种高精度农作物病虫害图像的识别方法
本专利技术涉及图像识别
，尤其涉及一种高精度的农作物病虫害图像识别的方法。
技术介绍
计算机视觉技术，在上世纪五十年代主要是用于对二维图像进行识别和分析，到了六十年代，科学家们开始利用计算机视觉技术来研究三维图像的识别。一直到上世纪八十年代，有更多学者提出了很多计算机视觉方面的新的理论和研究方法，这也为计算机视觉技术在农业方面的应用和研究奠定了基础。在早期人们并不会把计算机视觉技术很好地应用到智慧农业方面，尤其是农作物病虫害的识别方面。早期的农业病虫害识别主要是靠着人工记录和拍照技术，这样严重的影响了农作物病虫害的及时处理。在农业应用方面，早期的图像模式识别技术主要是应用在了农作物质量监控，农作物生长环境的控制，农作物分类等方面。但是在智慧农业中的农作物病虫害的识别和分类相关的技术和相关的科学研究都很少。在此基础之上，国外的一些科学家较早的开始对计算机视觉技术在农作物病虫害方面的识别和分类进行了研究和实验，而国内由于早期技术的不成熟，所以这方面的研究和应用都开始的比较晚，现...
【技术保护点】
1.一种高精度农作物病虫害图像的识别方法，其特征在于，具体是先对图像进行细化的特征提取，把这些提取到的特征构成一个特征集，再将该特征集里面的特征构造不同的图形，接着通过多维度神经节点依次对每个图形进行覆盖并把在该多维度神经节点覆盖范围里面的特征从特征集里面剥离出去，然后依前述过程通过多维度神经节点逐一对特征空间集里面构造的每个图形进行覆盖，直到将特征集里面的所有特征剥离空为止，此时根据得出的最终覆盖范围来推导出图像识别的不连续落差覆盖率即识别的精确度。/n
【技术特征摘要】
1.一种高精度农作物病虫害图像的识别方法，其特征在于，具体是先对图像进行细化的特征提取，把这些提取到的特征构成一个特征集，再将该特征集里面的特征构造不同的图形，接着通过多维度神经节点依次对每个图形进行覆盖并把在该多维度神经节点覆盖范围里面的特征从特征集里面剥离出去，然后依前述过程通过多维度神经节点逐一对特征空间集里面构造的每个图形进行覆盖，直到将特征集里面的所有特征剥离空为止，此时根据得出的最终覆盖范围来推导出图像识别的不连续落差覆盖率即识别的精确度。
2.如权利要求1所述的高精度农作物病虫害图像的识别方法，其特征在于，具体包括以下步骤：
(1)构造一个训练集H，H＝{H1，H2，…，HL}，其中训练集中包含了N个类，HK是第k个类，包含了N个采样点，HK＝{L1，L2，…，LN}；
(2)计算HK中任意两个采样点之间的距离，并从HK中找两个采样点M11和M12，令ρ(M11，M12)为最小的Hi，Hi∈SK{ρ(Hi，Hj)}，其中Hi≠Hj；
(3)找出第三个采样点M13，M13∈HK-{M11，M12}但不在采样M11和采样M12组成的直线上面，然后连接M13，M11和M12这三个采样点组成一个平面的三角形A1；
(4)再用神经元对三角形像素区域A1覆盖，覆盖的空间大小P1＝{Y|ρYF1＜Fh，Y∈Rn}，其中ρYF1表示Y和F1之间的距离；
(5)判断H里面的每个采样点是否都在P1的覆盖范围里面，如果在覆盖范围里面，就把这个采样点从H里面剥离，并让HK＝HK-{Li|Li∈P1}；
(6)从集合HK里面再找一个新采样点M21，并让该新采样点M21与M13、M11、M12这三个采样点的距离之和值最小；
(7)对{M13，M11，M12}这三个采样点里面的两个采样...
【专利技术属性】
技术研发人员：高燕，何瑞，唐聃，曾琼，岳希，
申请(专利权)人：成都信息工程大学，
类型：发明
国别省市：四川;51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。