JOURNAL OF LIGHT INDUSTRY

CN 41-1437/TS  ISSN 2096-1553

基于Android的植物叶片图像病害检测

夏永泉 王会敏 曾莎

夏永泉, 王会敏, 曾莎. 基于Android的植物叶片图像病害检测[J]. 轻工学报, 2014, 29(2): 71-74. doi: 10.3969/j.issn.2095-476X.2014.02.018
引用本文: 夏永泉, 王会敏, 曾莎. 基于Android的植物叶片图像病害检测[J]. 轻工学报, 2014, 29(2): 71-74. doi: 10.3969/j.issn.2095-476X.2014.02.018
XIA Yong-quan, WANG Hui-min and ZENG Sha. Plant leaf image disease detection based on Android[J]. Journal of Light Industry, 2014, 29(2): 71-74. doi: 10.3969/j.issn.2095-476X.2014.02.018
Citation: XIA Yong-quan, WANG Hui-min and ZENG Sha. Plant leaf image disease detection based on Android[J]. Journal of Light Industry, 2014, 29(2): 71-74. doi: 10.3969/j.issn.2095-476X.2014.02.018

基于Android的植物叶片图像病害检测

  • 基金项目: 河南省高校青年骨干教师资助计划项目(2010GGJS-114)
    国家自然科学基金项目(61302118)

  • 中图分类号: TP391.41

Plant leaf image disease detection based on Android

  • Received Date: 2013-12-03
    Available Online: 2014-03-15

    CLC number: TP391.41

  • 摘要: 针对目前农业智能系统开发平台多基于Windows Mobile操作系统,开源性、免费性和人机交互性等方面较差等问题,提出了基于Android平台的一种最大类间差法和Canny算子结合的植物叶片图像病害检测方法.该方法首先用自适应中值滤波对叶片图像进行平滑处理,再对图像进行灰度变换,然后用最大类间差法对图像进行二值化,最后基于Canny算子对图像进行边缘检测.实验结果表明,该方法实现了Android平台下的图像检测,能有效减少边缘噪声,并且能够有效提取叶片图像病害部分的边缘,具有很好的鲁棒性、有效性和准确性.
    1. [1]

      夏永泉,徐洁,崔伟.均值滤波中邻域均值的快速计算[J].郑州轻工业学院学报:自然科学版,2008,23(3):57.

    2. [2]

      刘晴蕊,何东健,张宏鸣,等.苹果病害智能诊断方法研究与设计[J].农机化研究,2011(4):82.

    3. [3]

      李志达.基于互联网的农业专家系统发展研究[J].农业科技与装备,2011(6):143.

    4. [4]

      李伟,芦东昕,柳长安.基于Windows Mobile的智能终端上自动化测试研究[J].计算机工程与设计,2006,27(21):111.

    5. [5]

      关富英,龙世彤,黄婧.3G时代农村移动信息服务研究[J].科技情报开发与经济,2011,21(4):140.

    6. [6]

      左奇,史忠科.一种基于数学形态学的实时车牌图象分割方法[J].中国图象图形学报,2003,8(3):281.

    7. [7]

      宋莹,陈科,林江莉,等.基于图像分块的边缘检测算法[J].计算机工程,2010,36(14):202.

    8. [8]

      陈燕龙,祝成虎.基于Canny算子的边缘检测改进算法[J].计算机应用与软件,2008,25(8):57.

    9. [9]

      李牧,闫继红,李戈,等.自适应Canny算子边缘检测技术[J].哈尔滨工程大学学报,2007,28(9):52.

    10. [10]

      尚明华,秦磊磊,王风云,等.基于Android智能手机的小麦生产风险信息采集系统[J].农业工程学报,2011(5):188.

    1. [1]

      尹思睿冯娇杨晓宇李良 . 植物蛋白复配对植物肉品质的影响. 轻工学报, 2024, 39(5): 18-28. doi: 10.12187/2024.05.003

    2. [2]

      吴晓东刘畅李俊胡良志贺凌晨袁海霞李强黄锦标 . 基于高光谱检测的烟丝加香均匀性表征方法. 轻工学报, 2024, 39(5): 95-101. doi: 10.12187/2024.05.011

    3. [3]

      卢晓波徐海朱俊召张宇谭健高冠男胡军华林龙 . 基于机器视觉的加热卷烟烟支端部质量检测系统设计. 轻工学报, 2024, 0(0): -.

    4. [4]

      刘广超邓莎高峄涵吴涛邓锐杰 . 加热卷烟辊压法薄片丝吸湿性影响因素研究. 轻工学报, 2024, 39(5): 109-117. doi: 10.12187/2024.05.013

  • 加载中
计量
  • PDF下载量:  19
  • 文章访问数:  1412
  • 引证文献数: 0
文章相关
  • 收稿日期:  2013-12-03
  • 刊出日期:  2014-03-15
通讯作者: 陈斌, bchen63@163.com
  • 1. 

    沈阳化工大学材料科学与工程学院 沈阳 110142

  1. 本站搜索
  2. 百度学术搜索
  3. 万方数据库搜索
  4. CNKI搜索
夏永泉, 王会敏, 曾莎. 基于Android的植物叶片图像病害检测[J]. 轻工学报, 2014, 29(2): 71-74. doi: 10.3969/j.issn.2095-476X.2014.02.018
引用本文: 夏永泉, 王会敏, 曾莎. 基于Android的植物叶片图像病害检测[J]. 轻工学报, 2014, 29(2): 71-74. doi: 10.3969/j.issn.2095-476X.2014.02.018
XIA Yong-quan, WANG Hui-min and ZENG Sha. Plant leaf image disease detection based on Android[J]. Journal of Light Industry, 2014, 29(2): 71-74. doi: 10.3969/j.issn.2095-476X.2014.02.018
Citation: XIA Yong-quan, WANG Hui-min and ZENG Sha. Plant leaf image disease detection based on Android[J]. Journal of Light Industry, 2014, 29(2): 71-74. doi: 10.3969/j.issn.2095-476X.2014.02.018

基于Android的植物叶片图像病害检测

  • 郑州轻工业学院 计算机与通信工程学院, 河南 郑州 450001
基金项目:  河南省高校青年骨干教师资助计划项目(2010GGJS-114)国家自然科学基金项目(61302118)

摘要: 针对目前农业智能系统开发平台多基于Windows Mobile操作系统,开源性、免费性和人机交互性等方面较差等问题,提出了基于Android平台的一种最大类间差法和Canny算子结合的植物叶片图像病害检测方法.该方法首先用自适应中值滤波对叶片图像进行平滑处理,再对图像进行灰度变换,然后用最大类间差法对图像进行二值化,最后基于Canny算子对图像进行边缘检测.实验结果表明,该方法实现了Android平台下的图像检测,能有效减少边缘噪声,并且能够有效提取叶片图像病害部分的边缘,具有很好的鲁棒性、有效性和准确性.

English Abstract

参考文献 (10) 相关文章 (4)

目录

/

返回文章