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:
提出了一种基于计算机视觉技术和概率神经网络技术的玉米幼苗和杂草识别方法.首先利用类间方差最大自动阈值法对杂草图像的修正的超绿特征进行二值化处理;然后提取目标对象的形状特征参数作为输入向量,由概率神经网络(PNN)分类器识别出玉米幼苗.试验结果表明,该方法的有效性,对不同田间环境的玉米幼苗与杂草的准确识别率分别为92.5%和95%,效果优于使用BP网络.
推荐文章
一种基于概率神经网络的目标识别方法
概率神经网络
分类
目标识别
基于神经网络数字识别方法的研究
数字识别
神经网络
粗糙集
特征提取
基于改进概率神经网络的玉米与杂草识别
图像识别
杂草识别
概率神经网络
特征提取
不变矩特征
基于双概率神经网络的纹理图像识别
纹理识别
小波包变换
差异演化
双概率神经网络
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 基于概率神经网络的玉米苗期杂草识别方法的研究
来源期刊 农机化研究 学科 工学
关键词 玉米幼苗 杂草识别 图像处理 概率神经网络
年,卷(期) 2010,(11) 所属期刊栏目
研究方向 页码范围 41-43,47
页数 分类号 TP391.41
字数 2182字 语种 中文
DOI 10.3969/j.issn.1003-188X.2010.11.010
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 侯晨伟 河北农业大学机电工程学院 16 36 3.0 5.0
2 陈丽 河北农业大学机电工程学院 27 276 9.0 16.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (7)
共引文献  (55)
参考文献  (4)
节点文献
引证文献  (11)
同被引文献  (50)
二级引证文献  (54)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(2)
  • 参考文献(1)
  • 二级参考文献(1)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(3)
  • 参考文献(1)
  • 二级参考文献(2)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(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)
2011(2)
  • 引证文献(2)
  • 二级引证文献(0)
2014(2)
  • 引证文献(1)
  • 二级引证文献(1)
2015(4)
  • 引证文献(2)
  • 二级引证文献(2)
2016(3)
  • 引证文献(0)
  • 二级引证文献(3)
2017(7)
  • 引证文献(1)
  • 二级引证文献(6)
2018(18)
  • 引证文献(3)
  • 二级引证文献(15)
2019(21)
  • 引证文献(2)
  • 二级引证文献(19)
2020(8)
  • 引证文献(0)
  • 二级引证文献(8)
研究主题发展历程
节点文献
玉米幼苗
杂草识别
图像处理
概率神经网络
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
农机化研究
月刊
1003-188X
23-1233/S
大16开
黑龙江哈尔滨市哈平路156号
14-324
1979
chi
出版文献量(篇)
14318
总下载数(次)
39
总被引数(次)
94283
论文1v1指导