[ 收藏 ] [ 繁体中文 ]  
臺灣貨到付款、ATM、超商、信用卡PAYPAL付款,4-7個工作日送達,999元臺幣免運費   在線留言 商品價格為新臺幣 
首頁 電影 連續劇 音樂 圖書 女裝 男裝 童裝 內衣 百貨家居 包包 女鞋 男鞋 童鞋 計算機周邊

商品搜索

 类 别:
 关键字:
    

商品分类

基於圖像分析的植物及其病蟲害識別方法研究
該商品所屬分類:農業/林業 -> 植物保護
【市場價】
454-659
【優惠價】
284-412
【介質】 book
【ISBN】9787513653275
【折扣說明】一次購物滿999元台幣免運費+贈品
一次購物滿2000元台幣95折+免運費+贈品
一次購物滿3000元台幣92折+免運費+贈品
一次購物滿4000元台幣88折+免運費+贈品
【本期贈品】①優質無紡布環保袋,做工棒!②品牌簽字筆 ③品牌手帕紙巾
版本正版全新電子版PDF檔
您已选择: 正版全新
溫馨提示:如果有多種選項,請先選擇再點擊加入購物車。
*. 電子圖書價格是0.69折,例如了得網價格是100元,電子書pdf的價格則是69元。
*. 購買電子書不支持貨到付款,購買時選擇atm或者超商、PayPal付款。付款後1-24小時內通過郵件傳輸給您。
*. 如果收到的電子書不滿意,可以聯絡我們退款。謝謝。
內容介紹



  • 出版社:中國經濟
  • ISBN:9787513653275
  • 作者:張傳雷//張善文//李建榮
  • 頁數:240
  • 出版日期:2018-10-01
  • 印刷日期:2018-10-01
  • 包裝:平裝
  • 開本:16開
  • 版次:1
  • 印次:1
  • 字數:214千字
  • 圖像分析技術在農業領域的應用
  • 利用植物葉片圖像對植物分類和病害識別是目前較為有效的方式之一,也是未來數字化植物研究的發展趨勢。這一方法對植物物種的智能化分類,有效預防農作物病害發生,提高農作物產量,有效控制農藥對農產品和生態環境的污染等方面,都具有非常重要的現實意義。 本書在總結國內外現有研究成果的基礎上,以提高植物及其病害識別的準確率和效率為目標,對植物葉片及其葉部病害的圖像分割、特征提取等關鍵技術開展了繫統研究。
  • 張傳雷,副教授、加拿大瑞爾森大學(Ryerson University)博士後、IEEE會員、ACM會員、CCF會員和中國電子學會高級會員。2000—2010年,任摩托羅拉(中國)研發經理、高級工程師等職,有多年的移動與互聯網產品的研發經驗。主要從事模式識別、信息處理、圖像處理、物聯網和大數據挖掘等方面的基礎應用研究。 近5年來主持天津市自然科學基金(重點項目)、天津市留學回國人員科技活動啟動項目(優秀類)、天津市應用基礎與前沿技術研究計劃(一般項目)、天津市科技特派員項目、天津市津南區科技計劃項目、天津市高等學校科技發展基金計劃項目和天津市2015年度高校聘請外專特色項目各1項,參與國家自然科學基金1項,相應成果發表在國際SCI、EI檢索期刊上,有30餘篇。 目前擔任學術期刊IEEE Trans. on Industrial Informatics、IEEE Access、Computers in Biology and Medicine、KSII Trans. on Internet and Information Systems、Computers and Electronics in Agriculture、Soft Computing、Applied Soft Computing,以及《中國礦業大學學報》《煤炭學報》《北京理工大學學報》和多個國際學術會議論文的審稿人。
  • 第1章緒論1
    11研究背景及意義1
    12研究現狀概述4
    13主要植物葉片數據集介紹11
    參考文獻15

    第2章葉片圖像分類特征及圖像預處理20
    21葉片圖像識別步驟20
    22植物葉片圖像的分類特征21
    23植物葉片圖像預處理技術33
    參考文獻45

    第3章植物葉片圖像常用的分割方法56
    31圖像分割定義56
    32基於邊緣檢測的圖像分割方法57
    33基於灰度閾值的圖像分割方法64
    34基於區域的圖像分割方法70
    35分水嶺算法72
    36基於小波的圖像分割方法74
    37基於聚類分析的圖像分割方法75
    38基於水平集的圖像分割方法79
    39基於圖論的圖像分割方法79
    參考文獻81

    第4章*大*小判別映射植物葉片圖像分類方法研究95
    41*大*小判別映射方法96
    42實驗結果與分析102
    43小結105
    參考文獻105

    第5章基於葉片圖像和監督正交*大差異伸展的植物識別方法
    研究108
    51監督正交*大差異投影算法109
    52實驗結果與分析112
    53小結115
    參考文獻116

    第6章采用局部判別映射算法的玉米病害識別方法研究119
    61局部判別映射算法121
    62實驗結果與分析124
    63小結126
    參考文獻127

    第7章監督正交局部保持映射的植物葉片分類方法研究130
    71監督正交局部保持映射131
    72實驗結果與分析137
    73小結141
    參考文獻141
    第8章基於葉片圖像處理和稀疏表示的植物識別方法146
    81稀疏表示和植物識別148
    82實驗結果與分析156
    83小結159
    參考文獻160

    第9章基於稀疏表示字典學習的植物分類方法162
    91基於稀疏表示的植物分類方法164
    92實驗結果與分析168
    93小結174
    參考文獻174

    **0章環境信息在黃瓜病害識別方法中的應用研究179
    101葉片圖像獲取179
    102實驗結果與分析182
    103小結186
    參考文獻187

    **1章基於判別映射分析的植物葉片分類方法191
    111*大邊緣準則(MMC)192
    112判別映射分析算法(DPA)192
    113實驗結果194
    114小結195
    參考文獻196

    **2章基於卷積神經網絡的植物病害識別方法198
    121植物病害識別方法的簡介198
    122卷積神經網絡200
    123基於三通道CNNs的植物病害識別方法204
    124實驗結果與分析206
    125小結210
    參考文獻211

    **3章基於環境信息和深度自編碼網絡的農作物病害預測模型214
    131農作物的致病因素及病害預測模型簡介214
    132材料與方法215
    133實驗結果與分析220
    134小結221
    參考文獻222

    **4章基於改進深度置信網絡的大棚鼕棗病蟲害預測模型225
    141鼕棗病蟲害及預測模型簡介225
    142植物病蟲害環境信息獲取225
    143深度置信網絡226
    144鼕棗病蟲害預測模型231
    145實驗方法232
    146小結234
    參考文獻234

    後記239
    第1章緒論1
    11研究背景及意義1
    12研究現狀概述4
    13主要植物葉片數據集介紹11
    參考文獻15

    第2章葉片圖像分類特征及圖像預處理20
    21葉片圖像識別步驟20
    22植物葉片圖像的分類特征21
    23植物葉片圖像預處理技術33
    參考文獻45

    第3章植物葉片圖像常用的分割方法56
    31圖像分割定義56
    32基於邊緣檢測的圖像分割方法57
    33基於灰度閾值的圖像分割方法64
    34基於區域的圖像分割方法70
    35分水嶺算法72
    36基於小波的圖像分割方法74
    37基於聚類分析的圖像分割方法75
    38基於水平集的圖像分割方法79
    39基於圖論的圖像分割方法79
    參考文獻81

    第4章*大*小判別映射植物葉片圖像分類方法研究95
    41*大*小判別映射方法96
    42實驗結果與分析102
    43小結105
    參考文獻105

    第5章基於葉片圖像和監督正交*大差異伸展的植物識別方法
    研究108
    51監督正交*大差異投影算法109
    52實驗結果與分析112
    53小結115
    參考文獻116

    第6章采用局部判別映射算法的玉米病害識別方法研究119
    61局部判別映射算法121
    62實驗結果與分析124
    63小結126
    參考文獻127

    第7章監督正交局部保持映射的植物葉片分類方法研究130
    71監督正交局部保持映射131
    72實驗結果與分析137
    73小結141
    參考文獻141
    第8章基於葉片圖像處理和稀疏表示的植物識別方法146
    81稀疏表示和植物識別148
    82實驗結果與分析156
    83小結159
    參考文獻160

    第9章基於稀疏表示字典學習的植物分類方法162
    91基於稀疏表示的植物分類方法164
    92實驗結果與分析168
    93小結174
    參考文獻174

    **0章環境信息在黃瓜病害識別方法中的應用研究179
    101葉片圖像獲取179
    102實驗結果與分析182
    103小結186
    參考文獻187

    **1章基於判別映射分析的植物葉片分類方法191
    111*大邊緣準則(MMC)192
    112判別映射分析算法(DPA)192
    113實驗結果194
    114小結195
    參考文獻196

    **2章基於卷積神經網絡的植物病害識別方法198
    121植物病害識別方法的簡介198
    122卷積神經網絡200
    123基於三通道CNNs的植物病害識別方法204
    124實驗結果與分析206
    125小結210
    參考文獻211

    **3章基於環境信息和深度自編碼網絡的農作物病害預測模型214
    131農作物的致病因素及病害預測模型簡介214
    132材料與方法215
    133實驗結果與分析220
    134小結221
    參考文獻222

    **4章基於改進深度置信網絡的大棚鼕棗病蟲害預測模型225
    141鼕棗病蟲害及預測模型簡介225
    142植物病蟲害環境信息獲取225
    143深度置信網絡226
    144鼕棗病蟲害預測模型231
    145實驗方法232
    146小結234
    參考文獻234

    後記239
  • 在地球上的生物中,植物、人類和環境的關繫*為緊密。植物維持著地球大氣中氧氣和二氧化碳的平衡,也是人類生活所必需的資源。植物是地球陸地覆蓋面積*大、對人類生存環境和生存質量影響*顯著的因子,是人類生存與發展的重要資源。首先,植物在人類生命中不可或缺,它為人類提供了*基本的生活必需品,是人類的衣食來源。其次,植物在水土的保持和維護等方面都起著**重要的作用。同時,植物也是中國傳統醫學的重要原材料,具有巨大的醫學價值、生態價值和經濟價值。隨著人口的持續增長,社會生產力的逐步提高,世界生物多樣性正在急劇減少,目前已發現大量物種正瀕臨滅*。例如,在過去的60年裡,中國約有200種植物在人口增長和經濟發展的壓力下瀕臨滅*,有4000~5000種植物的生存受到威脅,占中國植物總數的15%~20%,這個數字遠遠超過了世界10%~15%的平均值。生態平衡將會隨著大量植物物種的滅*而遭到破壞,這將對優良品種的培育產生重大影響,也會削弱我國的傳統藥材生產能力,減少傳統**的來源,阻礙工業、農業、衛生保健和科技的發展,也帶來了嚴重的土地沙漠化和水土流失問題,同時也讓環境的淨化能力明顯下降。農作物病害頻發是植物生存面臨的另一個嚴重問題,其發生的範圍**大,已經嚴重制約了世界範圍內農作物的產量、質量和農業生產的可持續發展。幸運的是,人類已經意識到了這一危機,開始加強對植物的保護。植物保護的首要工作就要對其開展分類研究,這就涉及植物分類學,它是研究物種起源、演化過程和演化趨勢的學科,它以形態學為基礎,整合了各種相關學科。通過對植物的性質和特點進行分析、比較和歸納,植物分類學可以對植物進行物種鋻定、名稱識別、分類和命名,並根據植物進化規則,建立分類繫統來反映植物形態的差異,以及物種遺傳與進化的關繫。由於植物種類繁多,並且對植物的準確識別需要具備專業知識,導致人們很難準確快速地識別植物的種類。近年來,隨著計算機技術的快速發展,圖像處理和識別的技術也在農作物的研究中得到了應用。比如在計算機圖像獲取設備的幫助下,可以使用圖像處理和模式識別技術來實現對植物的快速識別的願望。
 
網友評論  我們期待著您對此商品發表評論
 
相關商品
在線留言 商品價格為新臺幣
關於我們 送貨時間 安全付款 會員登入 加入會員 我的帳戶 網站聯盟
DVD 連續劇 Copyright © 2024, Digital 了得網 Co., Ltd.
返回頂部