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:
以小麦、玉米、大豆等农作物作为研究对象,分别提取每个农作物叶部病害的颜色、形状及纹理特征参数,组成多特征参数,采用可拓神经网络对农作物叶部病害进行分类诊断识别.通过实验表明,该系统对小麦、玉米、大豆等农作物叶部病害的识别率可达到90%以上.
推荐文章
基于量子神经网络和组合特征参数的玉米叶部病害识别
玉米病害
组合特征参数
量子神经网络
病害识别率
识别
基于卷积神经网络的农作物种类自动识别算法研究
农作物图像
卷积神经网络
图像识别
识别率
智能决策
基于卷积神经网络的典型农作物叶病害识别算法
卷积神经网络
农作物
叶病害识别
AlexNet
迁移学习
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 基于可拓神经网络的农作物叶部病害图像识别
来源期刊 电子世界 学科
关键词 农作物病害 可拓神经网络 模糊熵 多阈值图像分割 图像识别
年,卷(期) 2017,(12) 所属期刊栏目 技术交流
研究方向 页码范围 123-124,127
页数 3页 分类号
字数 2915字 语种 中文
DOI
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 陈静 26 81 6.0 7.0
2 张飞云 28 93 4.0 8.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (73)
共引文献  (61)
参考文献  (9)
节点文献
引证文献  (3)
同被引文献  (11)
二级引证文献  (4)
1948(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(3)
  • 参考文献(0)
  • 二级参考文献(3)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(3)
  • 参考文献(0)
  • 二级参考文献(3)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(3)
  • 参考文献(0)
  • 二级参考文献(3)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(5)
  • 参考文献(0)
  • 二级参考文献(5)
2005(9)
  • 参考文献(0)
  • 二级参考文献(9)
2006(5)
  • 参考文献(1)
  • 二级参考文献(4)
2007(4)
  • 参考文献(0)
  • 二级参考文献(4)
2008(9)
  • 参考文献(0)
  • 二级参考文献(9)
2009(5)
  • 参考文献(1)
  • 二级参考文献(4)
2010(6)
  • 参考文献(0)
  • 二级参考文献(6)
2011(4)
  • 参考文献(1)
  • 二级参考文献(3)
2012(5)
  • 参考文献(1)
  • 二级参考文献(4)
2013(3)
  • 参考文献(0)
  • 二级参考文献(3)
2014(2)
  • 参考文献(2)
  • 二级参考文献(0)
2015(1)
  • 参考文献(0)
  • 二级参考文献(1)
2016(2)
  • 参考文献(2)
  • 二级参考文献(0)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2018(3)
  • 引证文献(3)
  • 二级引证文献(0)
2019(2)
  • 引证文献(0)
  • 二级引证文献(2)
2020(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
农作物病害
可拓神经网络
模糊熵
多阈值图像分割
图像识别
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
电子世界
半月刊
1003-0522
11-2086/TN
大16开
北京市
2-892
1979
chi
出版文献量(篇)
36164
总下载数(次)
96
论文1v1指导