钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
首页
论文降重
免费查重
学术期刊
学术导航
任务中心
论文润色
登录
文献导航
学科分类
>
综合
工业技术
科教文艺
医药卫生
基础科学
经济财经
社会科学
农业科学
哲学政法
社会科学II
哲学与人文科学
社会科学I
经济与管理科学
工程科技I
工程科技II
医药卫生科技
信息科技
农业科技
数据库索引
>
中国科学引文数据库
工程索引(美)
日本科学技术振兴机构数据库(日)
文摘杂志(俄)
科学文摘(英)
化学文摘(美)
中国科技论文统计与引文分析数据库
中文社会科学引文索引
科学引文索引(美)
中文核心期刊
中国科学引文数据库
工程索引(美)
日本科学技术振兴机构数据库(日)
文摘杂志(俄)
科学文摘(英)
化学文摘(美)
中国科技论文统计与引文分析数据库
中文社会科学引文索引
科学引文索引(美)
中文核心期刊
cscd
ei
jst
aj
sa
ca
cstpcd
cssci
sci
cpku
cscd
ei
jst
aj
sa
ca
cstpcd
cssci
sci
cpku
默认
篇关摘
篇名
关键词
摘要
全文
作者
作者单位
基金
分类号
搜索文章
搜索思路
钛学术文献服务平台
\
学术期刊
\
农业科学期刊
\
园艺期刊
\
北方园艺期刊
\
融合CNN多卷积特征与HOG的番茄叶部病害检测算法
融合CNN多卷积特征与HOG的番茄叶部病害检测算法
作者:
刘君
王学伟
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
番茄叶部病害检测
卷积神经网络
多卷积特征
HOG
摘要:
传统的番茄叶部病害检测依赖于耗时费力的人工特征设计,必须针对病害的不同分类精心设计相关特征.番茄叶部病害症状复杂,人工设计特征较难.卷积神经网络(convolutional neural network,CNN)可以自动挖掘出隐藏在病害图像内部的抽象特征,在图像识别领域性能优越.该研究提出采用CNN与传统的HOG+ SVM算法相结合的方法,抽取番茄叶部病害的浅层特征,将其输入到HOG生成HOG特征并合并,最后输入SVM分类器得到病害检测结果.该研究方法能够改进番茄叶部病害的检测精度.
暂无资源
收藏
引用
分享
推荐文章
基于SVM-LeNet模型融合的行人检测算法
行人检测
权重模板
支持向量机
非极大值抑制算法
卷积神经网络
特征金字塔融合的多模态行人检测算法
行人检测
多模态
特征金字塔
特征融合
基于图像融合特征的番茄叶部病害的识别
番茄叶部病害
识别
H分量
灰度差分统计
粒子群算法
支持向量机
基于融合FPN和Faster R-CNN的行人检测算法
特征金字塔网络
区域建议网络
Faster R-CNN
多尺度行人检测
内容分析
文献信息
引文网络
相关学者/机构
相关基金
期刊文献
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
融合CNN多卷积特征与HOG的番茄叶部病害检测算法
来源期刊
北方园艺
学科
农学
关键词
番茄叶部病害检测
卷积神经网络
多卷积特征
HOG
年,卷(期)
2020,(4)
所属期刊栏目
农业信息技术
研究方向
页码范围
147-152
页数
6页
分类号
TP391.4|S431.9
字数
语种
中文
DOI
10.11937/bfyy.20193405
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
刘君
潍坊科技学院山东省高校设施园艺实验室
30
120
6.0
10.0
2
王学伟
潍坊科技学院山东省高校设施园艺实验室
5
0
0.0
0.0
传播情况
被引次数趋势
(/次)
(/年)
引文网络
引文网络
二级参考文献
(45)
共引文献
(50)
参考文献
(12)
节点文献
引证文献
(0)
同被引文献
(0)
二级引证文献
(0)
1991(1)
参考文献(1)
二级参考文献(0)
1996(1)
参考文献(1)
二级参考文献(0)
1998(1)
参考文献(1)
二级参考文献(0)
2001(2)
参考文献(1)
二级参考文献(1)
2005(1)
参考文献(0)
二级参考文献(1)
2007(2)
参考文献(0)
二级参考文献(2)
2008(3)
参考文献(0)
二级参考文献(3)
2010(4)
参考文献(0)
二级参考文献(4)
2012(7)
参考文献(0)
二级参考文献(7)
2013(1)
参考文献(0)
二级参考文献(1)
2014(5)
参考文献(0)
二级参考文献(5)
2015(6)
参考文献(1)
二级参考文献(5)
2016(7)
参考文献(0)
二级参考文献(7)
2017(9)
参考文献(0)
二级参考文献(9)
2018(7)
参考文献(7)
二级参考文献(0)
2020(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)
研究主题发展历程
节点文献
番茄叶部病害检测
卷积神经网络
多卷积特征
HOG
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
北方园艺
主办单位:
黑龙江省农业科学院
黑龙江省园艺学会
黑龙江省农业科学院编辑出版中心
出版周期:
半月刊
ISSN:
1001-0009
CN:
23-1247/S
开本:
大16开
出版地:
黑龙江省哈尔滨市南岗区学府路368号省农科院
邮发代号:
14-150
创刊时间:
1977
语种:
chi
出版文献量(篇)
21038
总下载数(次)
74
总被引数(次)
103850
期刊文献
相关文献
1.
基于SVM-LeNet模型融合的行人检测算法
2.
特征金字塔融合的多模态行人检测算法
3.
基于图像融合特征的番茄叶部病害的识别
4.
基于融合FPN和Faster R-CNN的行人检测算法
5.
改进Faster R-CNN的田间苦瓜叶部病害检测
6.
应用于番茄病虫害检测的HOG特征与LBP特征的结合
7.
基于多尺度融合SSD的小目标检测算法
8.
基于混合结构卷积神经网络的目标快速检测算法
9.
基于改进Multi-Scale AlexNet的番茄叶部病害图像识别
10.
基于CNN和HOG双路特征融合的人脸表情识别
11.
基于改进HOG特征的瓶口缺陷检测算法
12.
基于俯仰角修正的HOG特征快速行人检测算法
13.
基于卷积神经网络的多尺度Logo检测算法
14.
应用卷积神经网络的人脸活体检测算法研究
15.
基于反卷积和特征融合的SSD小目标检测算法
推荐文献
钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
首页
论文降重
免费查重
学术期刊
学术导航
任务中心
论文润色
登录
根据相关规定,获取原文需跳转至原文服务方进行注册认证身份信息
完成下面三个步骤操作后即可获取文献,阅读后请
点击下方页面【继续获取】按钮
钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
原文合作方
继续获取
获取文献流程
1.访问原文合作方请等待几秒系统会自动跳转至登录页,首次访问请先注册账号,填写基本信息后,点击【注册】
2.注册后进行实名认证,实名认证成功后点击【返回】
3.检查邮箱地址是否正确,若错误或未填写请填写正确邮箱地址,点击【确认支付】完成获取,文献将在1小时内发送至您的邮箱
*若已注册过原文合作方账号的用户,可跳过上述操作,直接登录后获取原文即可
点击
【获取原文】
按钮,跳转至合作网站。
首次获取需要在合作网站
进行注册。
注册并实名认证,认证后点击
【返回】按钮。
确认邮箱信息,点击
【确认支付】
, 订单将在一小时内发送至您的邮箱。
*
若已经注册过合作网站账号,请忽略第二、三步,直接登录即可。
期刊分类
期刊(年)
期刊(期)
期刊推荐
农业基础科学
农业工程
农业科学总论
农作物
农学
园艺
大学学报
林业
植物保护
水产渔业
畜牧兽医
北方园艺2022
北方园艺2021
北方园艺2020
北方园艺2019
北方园艺2018
北方园艺2017
北方园艺2016
北方园艺2015
北方园艺2014
北方园艺2013
北方园艺2012
北方园艺2011
北方园艺2010
北方园艺2009
北方园艺2008
北方园艺2007
北方园艺2006
北方园艺2005
北方园艺2004
北方园艺2003
北方园艺2002
北方园艺2001
北方园艺2000
北方园艺2020年第9期
北方园艺2020年第8期
北方园艺2020年第7期
北方园艺2020年第6期
北方园艺2020年第5期
北方园艺2020年第4期
北方园艺2020年第3期
北方园艺2020年第24期
北方园艺2020年第23期
北方园艺2020年第22期
北方园艺2020年第21期
北方园艺2020年第20期
北方园艺2020年第2期
北方园艺2020年第19期
北方园艺2020年第18期
北方园艺2020年第17期
北方园艺2020年第16期
北方园艺2020年第15期
北方园艺2020年第14期
北方园艺2020年第13期
北方园艺2020年第12期
北方园艺2020年第11期
北方园艺2020年第10期
北方园艺2020年第1期
关于我们
用户协议
隐私政策
知识产权保护
期刊导航
免费查重
论文知识
钛学术官网
按字母查找期刊:
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
T
U
V
W
X
Y
Z
其他
联系合作 广告推广: shenyukuan@paperpass.com
京ICP备2021016839号
营业执照
版物经营许可证:新出发 京零 字第 朝220126号