您好，欢迎访问北京市农林科学院 机构知识库！
北京市农林科学院机构知识库

全部

  • 全部
  • 标题
  • 学者
  • 机构
  • 关键词

基于K-means聚类和RF算法的葡萄霜霉病检测分级方法

文献类型： 中文期刊

作者： 李翠玲 1 ; 李余康 1 ; 谭昊然 1 ; 王秀 1 ; 翟长远 1 ;

作者机构： 1.北京市农林科学院智能装备技术研究中心;国家农业智能装备工程技术研究中心;西北农林科技大学机械与电子工程学院

关键词： 葡萄霜霉病;病害分级;K-means聚类;随机森林算法;HRNet v2;OCR

期刊名称： 农业机械学报

ISSN： 1000-1298

年卷期： 2022 年 05 期

页码： 225-236+324

收录情况： EI ; 北大核心 ; CSCD

摘要： 针对自然环境复杂背景下葡萄霜霉病检测分级困难的问题，提出了一种基于语义分割结合K-means聚类和随机森林算法的葡萄霜霉病检测分级方法，实现对葡萄霜霉病快速分级。构建了葡萄霜霉病数据集，采用HRNet v2+OCR网络建立葡萄叶片语义分割模型，提取复杂环境下葡萄叶片；采用K-means聚类算法将葡萄叶片分解为若干子区域图像，并标记少量数据集进行随机森林算法学习，实现葡萄叶片病斑分割与提取；同时在叶片提取和病斑提取过程中，设计一种像素尺寸变换方法，解决图像分辨率引起的精度低问题。基于HRNet v2+OCR网络的葡萄叶片分割模型的准确率为98.45%,平均交并比为97.23%;融合K-means聚类和随机森林(RF)算法的葡萄叶片正面、反面和正反面霜霉病病害分级准确率分别为52.59%、73.08%和63.32%,病害等级误差小于等于2级时的病害分级准确率分别为88.67%、96.97%和92.98%。研究结果表明，基于K-means聚类和随机森林算法的葡萄霜霉病检测分级方法能够准确地分割自然环境复杂背景下的葡萄叶片和葡萄霜霉病病斑，并实现葡萄霜霉病分级，为葡萄霜霉病精准防治提供了方法和模型支持。

  • 相关文献

[1]基于随机森林算法的冬小麦叶片氮含量遥感估算研究. . 2019

[2]基于随机森林算法的冬小麦叶片氮含量遥感估算研究. 韩玉杰,丁宁,冯海宽,张春兰. 2019

[3]基于特征优选随机森林算法的农耕区土地利用分类. 王李娟,孔钰如,杨小冬,徐艺,梁亮,王树果. 2020

[4]基于时序Sentinel-2影像的现代农业园区作物分类研究. 张东彦,戴震,徐新刚,杨贵军,孟炀,冯海宽,洪琪,姜飞. 2021

[5]基于K-means聚类和椭圆拟合方法的白粉虱计数算法. 王志彬,王开义,张水发,刘忠强,穆翠霞. 2014

[6]基于Android手机的水稻剑叶角测量系统. 路文超,赵勇,罗斌,潘大宇,王成. 2015

[7]基于激光雷达的稻麦收获边界检测与自动对齐系统研究. 尚业华,王昊,孟志军,尹彦鑫,肖跃进,宋正河. 2023

[8]基于K-means聚类和分区寻优的秸秆覆盖率计算方法. 安晓飞,王培,罗长海,孟志军,陈立平,张安琪. 2021

[9]多种杀菌剂对葡萄霜霉病的田间防效. 刘梅,黄金宝,李兴红. 2020

[10]不同葡萄品种对霜霉病的田间苗期抗性评价. 赵雪艳,张玮,严红,闫爱玲,徐海英,董金皋. 2014

作者其他论文 更多>>
置顶
购物车
反馈

© 京ICP备09089781号-29 主办单位：北京市农林科学院

学术资源： 中国农业科学院 农业专业知识服务系统 农科联盟资源共建共享平台 中国农业科技文献与信息服务平台 中国农业期刊集成服务平台