| 成果基本信息 | ||||||
| 关键词: | 品种识别 | |||||
| 成果类别: | 应用技术 | 技术成熟度: | 初期阶段 | |||
| 体现形式(基础理论类): | 其他 | 体现形式(应用技术类): | 新技术 | |||
| 成果登记号: | 资源采集日期: | |||||
| 研究情况 | |||||
| 单位名称: | 武汉理工大学 | 技术水平: | 未评价 | ||
| 评价证书号: | 评价单位: | ||||
| 评价日期: | 评价证书号: | ||||
| 转化情况 | |||||
| 转让范围: | 合作开发 | 推广形式: | 合作开发 | ||
| 已转让企业数(个): | |||||
| 联系方式 | |||||
| 联系人(平台): | 孵化基地 | 联系人(平台)电话: | 0771-3394012 | ||
| *成果单位详细联系方式请登录会员;还不是会员,马上注册! | |||||
| 成果简介 | |||||
本发明提供一种基于叶脉拓扑特征的大豆品种识别方法,涉及大豆育种和计算机视觉技术领域。该方法首先获取高清晰度的大豆叶片图像,并进行增强;然后采用自适应阈值的分割方法对增强后的叶片图像进行二值化,提取叶脉网络;对提取到的叶脉网络进行距离变换,利用持续同调算法对距离变换之后的叶脉网络图像进行分析,提取出大豆叶片的拓扑特征,进而确定大豆叶片的拓扑特征向量;训练卷积神经网络从提取到的拓扑特征中进一步提取特征,并通过分类器实现大豆品种的识别。本发明提供的大豆品种识别方法,实现了大豆品种的分类,对于噪声、光照等都具有很好的鲁棒性;大大提高了分析的效率和准确率,降低了人力和时间成本 |