基于BP网络的植物病害彩色图像的分割技术

吉林大学学报(工学版)

基于BP网络的植物病害彩色图像的分割技术

齐龙¹，马旭¹ , 张小超²

1.吉林大学生物与农业工程学院，长春 130022；2.中国农业机械化研究院，北京 100083

收稿日期:2005-12-16 修回日期:2006-04-18 出版日期:2006-09-15 发布日期:2006-09-15
通讯作者: 马旭

Segmentation technology of color image about plant disease
based on BP neural network

Qi Long¹，Ma Xu¹，Zhang Xiao-chao²

1. College of Biological and Agricultural Engineering, Jilin University, Changchun 130022, China ; 2. Chinese Academy
of Agricultural Mechanization Sciences, Beijing 100083, China

Received:2005-12-16 Revised:2006-04-18 Online:2006-09-15 Published:2006-09-15
Contact: Ma Xu

摘要/Abstract

摘要： 通过颜色空间的转换，把RGB颜色空间的植物病害图像转换到HSI和YCbCr颜色空间，由于HSI和YCbCr空间的H,Cb,Cr分量与图像的亮度无关，可以有效地抑制噪声，因此选取H,Cb,Cr分量为特征值作为BP人工神经网络的输入值。网络经过训练后，对265幅病害图像进行分割，其中251幅被正确分割，分割的准确率达到94.7％，满足了诊断植物病害的前期处理要求。

关键词: 农业工程, 彩色图像分割, BP神经网络, 植物病害, 混合颜色空间

Abstract: Because the H, Cb, Cr components of the HSI and YCbCr color spaces do not depend upon the light intensity of the image, the RGB color space of the plant disease images was transformed to the HSI and YCbCr color spaces to restrain the noise in the image. A 3layer BP artificial neural network was set up to segment the color images about the plant diseases. The characteristic values of the H, Cb, Cr components were selected as the input of the network. After the successful training of the network, 265 plant disease images were segmented and 251 images were done correctly, the correctness rate was 94.7%, satisfying the request from the preparation for diagnosing the plant diseases.

Key words: agricultural engineering, color image segmentation, BP neural network, plant disease, multicolor space

中图分类号:

S126

齐龙，马旭 , 张小超 . 基于BP网络的植物病害彩色图像的分割技术[J]. 吉林大学学报(工学版), 2006, 36(增刊2): 126-129.

Qi Long，Ma Xu，Zhang Xiao-chao . Segmentation technology of color image about plant disease
based on BP neural network[J]. 吉林大学学报(工学版), 2006, 36(增刊2): 126-129.

参考文献

相关文章 15

[1]	王扬, 王晓梅, 陈泽仁, 于建群. 基于离散元法的玉米籽粒建模[J]. 吉林大学学报(工学版), 2018, 48(5): 1537-1547.
[2]	贾洪雷, 王万鹏, 陈志, 庄健, 王文君, 刘慧力. 基于土壤坚实度的仿形弹性镇压辊镇压力实时测量方法[J]. 吉林大学学报(工学版), 2018, 48(4): 1169-1175.
[3]	陈东辉, 吕建华, 龙刚, 张宇晨, 常志勇. 基于ADAMS的半悬挂式农业机组静侧翻稳定性[J]. 吉林大学学报(工学版), 2018, 48(4): 1176-1183.
[4]	王扬, 吕凤妍, 徐天月, 于建群. 大豆籽粒形状和尺寸分析及其建模[J]. 吉林大学学报(工学版), 2018, 48(2): 507-517.
[5]	刘东亮, 王秋爽. 基于NGSIM数据的车辆瞬时速度获取方法[J]. 吉林大学学报(工学版), 2018, 48(1): 330-335.
[6]	王德军, 吕志超, 王启明, 张贤达, 王子健. 基于汽缸压力辨识的发动机失火故障诊断[J]. 吉林大学学报(工学版), 2017, 47(3): 917-923.
[7]	黄璇, 郭立红, 李姜, 于洋. 改进粒子群优化BP神经网络的目标威胁估计[J]. 吉林大学学报(工学版), 2017, 47(3): 996-1002.
[8]	贾洪雷, 郑嘉鑫, 袁洪方, 郭明卓, 王文君, 于路路. 大豆播种机双V型筑沟器设计与试验[J]. 吉林大学学报(工学版), 2017, 47(1): 323-331.
[9]	郭应时, 付锐, 赵凯, 马勇, 袁伟. 驾驶人换道意图实时识别模型评价及测试[J]. 吉林大学学报(工学版), 2016, 46(6): 1836-1844.
[10]	李寿涛，田微，郭鹏程，马用学，张浩，王楠. 基于模糊自适应的BP神经网络动态行驶车辆车长测算[J]. 吉林大学学报(工学版), 2015, 45(6): 1881-1886.
[11]	高明亮，于生宝，郑建波，徐畅，张堃，栾卉. PSBP在高密度电阻率法二维反演中的应用[J]. 吉林大学学报(工学版), 2015, 45(6): 2026-2033.
[12]	肖志锋, 乐建波, 吴南星, 刘相东. 操作压力对过热蒸汽流化床干燥的影响[J]. 吉林大学学报(工学版), 2015, 45(4): 1375-1380.
[13]	张金波，佟金，马云海. 仿生肋条结构表面深松铲刃的磨料磨损特性[J]. 吉林大学学报(工学版), 2015, 45(1): 174-180.
[14]	齐龙, 谭祖庭, 马旭, 陈国锐, 谢俊锋, 邝健霞. 气动振动式匀种装置工作参数的优化及试验[J]. 吉林大学学报(工学版), 2014, 44(6): 1684-1691.
[15]	闫楚良, 郝云霄, 刘克格. 基于遗传算法优化的BP神经网络的材料疲劳寿命预测[J]. 吉林大学学报(工学版), 2014, 44(6): 1710-1715.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed