基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
利用计算机视觉技术和人工神经网络技术对识别玉米苗期田间杂草进行了研究.首先利用类间方差最大自动阈值法二值化杂草图像的超绿特征,再进行连续腐蚀与膨胀,然后根据长宽比、圆度、第一不变矩3个形状特征由BP网络识别出玉米幼苗,最后利用种子填充法从阈值分割结果中擦除玉米目标,剩余的就是杂草目标.研究表明,基于BP网络的杂草识别算法对玉米幼苗与杂草的正确识别率分别为87.5%和93.0%,处理一幅640×480像素的杂草图像平均耗时约为58 ms.
推荐文章
计算机电磁兼容技术研究
计算机
电磁兼容
干扰
噪声
计算机人工智能识别技术的应用
计算机
人工智能识别技术
机器人
扫描设备
计算机系统的TEMPEST技术研究
TEMPEST
电磁泄漏
信息安全
电磁防护
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 玉米苗期杂草的计算机识别技术研究
来源期刊 农业工程学报 学科 工学
关键词 杂草识别 计算机视觉 人工神经网络 玉米幼苗
年,卷(期) 2007,(7) 所属期刊栏目 农业信息与电气技术
研究方向 页码范围 139-144
页数 6页 分类号 TP391.41
字数 3936字 语种 中文
DOI 10.3321/j.issn:1002-6819.2007.07.027
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 何东健 西北农林科技大学信息工程学院 188 3174 30.0 46.0
2 龙满生 西北农林科技大学信息工程学院 11 359 8.0 11.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (14)
节点文献
引证文献  (75)
同被引文献  (284)
二级引证文献  (840)
1962(1)
  • 参考文献(1)
  • 二级参考文献(0)
1990(1)
  • 参考文献(1)
  • 二级参考文献(0)
1991(1)
  • 参考文献(1)
  • 二级参考文献(0)
1998(2)
  • 参考文献(2)
  • 二级参考文献(0)
1999(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(6)
  • 参考文献(6)
  • 二级参考文献(0)
2002(2)
  • 参考文献(2)
  • 二级参考文献(0)
2007(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2008(6)
  • 引证文献(6)
  • 二级引证文献(0)
2009(16)
  • 引证文献(8)
  • 二级引证文献(8)
2010(17)
  • 引证文献(5)
  • 二级引证文献(12)
2011(30)
  • 引证文献(5)
  • 二级引证文献(25)
2012(40)
  • 引证文献(5)
  • 二级引证文献(35)
2013(55)
  • 引证文献(8)
  • 二级引证文献(47)
2014(42)
  • 引证文献(4)
  • 二级引证文献(38)
2015(64)
  • 引证文献(3)
  • 二级引证文献(61)
2016(76)
  • 引证文献(5)
  • 二级引证文献(71)
2017(136)
  • 引证文献(9)
  • 二级引证文献(127)
2018(155)
  • 引证文献(8)
  • 二级引证文献(147)
2019(188)
  • 引证文献(6)
  • 二级引证文献(182)
2020(90)
  • 引证文献(3)
  • 二级引证文献(87)
研究主题发展历程
节点文献
杂草识别
计算机视觉
人工神经网络
玉米幼苗
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
农业工程学报
半月刊
1002-6819
11-2047/S
大16开
北京朝阳区麦子店街41号
18-57
1985
chi
出版文献量(篇)
16403
总下载数(次)
36
总被引数(次)
395062
论文1v1指导