返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • 基于图像分析的植物及其病虫害识别方法研究 张传雷,张善文,李建荣 著 王建 编 专业科技 文轩网
  • 新华书店正版
    • 作者: 张传雷,张善文,李建荣著
    • 出版社: 中国经济出版社
    • 出版时间:2017-02-01 00:00:00
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    文轩网图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

         https://product.suning.com/0070067633/11555288247.html

     

    商品参数
    • 作者: 张传雷,张善文,李建荣著
    • 出版社:中国经济出版社
    • 出版时间:2017-02-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2017-02-01
    • 字数:214千字
    • 页数:240
    • 开本:16开
    • 装帧:平装
    • 国别/地区:中国
    • 版权提供:中国经济出版社

    基于图像分析的植物及其病虫害识别方法研究

    作  者:张传雷,张善文,李建荣 著 王建 编
    定  价:58
    出 版 社:中国经济出版社
    出版日期:2018年10月01日
    页  数:240
    装  帧:平装
    ISBN:9787513653275
    主编推荐

     

    内容简介

    利用植物叶片图像对植物分类和病害识别是目前较为有效的方式之一,也是未来数字化植物研究的发展趋势。这一方法对植物物种的智能化分类,有效预防农作物病害发生,提高农作物产量,有效控制农药对农产品和生态环境的污染等方面,都具有非常重要的现实意义。本书在总结国内外现有研究成果的基础上,以提高植物及其病害识别的准确率和效率为目标,对植物叶片及其叶部病害的图像分割、特征提取等关键技术开展了系统研究。

    作者简介

    张传雷,副教授、加拿大瑞尔森大学(Ryerson University)博士后、IEEE会员、ACM会员、CCF会员和中国电子学会高级会员。2000-2010年,任摩托罗拉(中国)研发经理、高级工程师等职,有多年的移动与互联网产品的研发经验。主要从事模式识别、信息处理、图像处理、物联网和大数据挖掘等方面的基础应用研究。近5年来主持天津市自然科学基金(重点项目)、天津市留学回国人员科技活动启动项目(优秀类)、天津市应用基础与前沿技术研究计划(一般项目)、天津市科技特派员项目、天津市津南区科技计划项目、天津市高等学校科技发展基金计划项目和天津市2015年度高校聘请外专特色项目各1项,参与国家自然科学基金1项,相应成果发表在国际SCI、EI检索期刊上,有30余篇。

    精彩内容

        

    目录
    第1章绪论1
    1.1研究背景及意义1
    1.2研究现状概述4
    1.3主要植物叶片数据集介绍11
    参考文献15
    第2章叶片图像分类特征及图像预处理20
    2.1叶片图像识别步骤20
    2.2植物叶片图像的分类特征21
    2.3植物叶片图像预处理技术33
    参考文献45
    第3章植物叶片图像常用的分割方法56
    3.1图像分割定义56
    3.2基于边缘检测的图像分割方法57
    3.3基于灰度阈值的图像分割方法64
    3.4基于区域的图像分割方法70
    3.5分水岭算法72
    3.6基于小波的图像分割方法74
    3.7基于聚类分析的图像分割方法75
    3.8基于水平集的图像分割方法79
    3.9基于图论的图像分割方法79
    参考文献81
    第4章优选最小判别映射植物叶片图像分类方法研究95
    4.1优选最小判别映射方法96
    4.2实验结果与分析102
    4.3小结105
    参考文献105
    第5章基于叶片图像和监督正交优选差异伸展的植物识别方法研究108
    5.1监督正交优选差异投影算法109
    5.2实验结果与分析112
    5.3小结115
    参考文献116
    第6章采用局部判别映射算法的玉米病害识别方法研究119
    6.1局部判别映射算法121
    6.2实验结果与分析124
    6.3小结126
    参考文献127
    第7章监督正交局部保持映射的植物叶片分类方法研究130
    7.1监督正交局部保持映射131
    7.2实验结果与分析137
    7.3小结141
    参考文献141
    第8章基于叶片图像处理和稀疏表示的植物识别方法146
    8.1稀疏表示和植物识别148
    8.2实验结果与分析156
    8.3小结159
    参考文献160
    第9章基于稀疏表示字典学习的植物分类方法162
    9.1基于稀疏表示的植物分类方法164
    9.2实验结果与分析168
    9.3小结174
    参考文献174
    第10章环境信息在黄瓜病害识别方法中的应用研究179
    10.1叶片图像获取179
    10.2实验结果与分析182
    10.3小结186
    参考文献187
    第11章基于判别映射分析的植物叶片分类方法191
    11.1优选边缘准则(MMC)192
    11.2判别映射分析算法(DPA)192
    11.3实验结果194
    11.4小结195
    参考文献196
    第12章基于卷积神经网络的植物病害识别方法198
    12.1植物病害识别方法的简介198
    12.2卷积神经网络200
    12.3基于三通道CNNs的植物病害识别方法204
    12.4实验结果与分析206
    12.5小结210
    参考文献211
    第13章基于环境信息和深度自编码网络的农作物病害预测模型214
    13.1农作物的致病因素及病害预测模型简介214
    13.2材料与方法215
    13.3实验结果与分析220
    13.4小结221
    参考文献222
    第14章基于改进深度置信网络的大棚冬枣病虫害预测模型225
    14.1冬枣病虫害及预测模型简介225
    14.2植物病虫害环境信息获取225
    14.3深度置信网络226
    14.4冬枣病虫害预测模型231
    14.5实验方法232
    14.6小结234
    参考文献234
    后记239

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购