展开

关键词

一种基于改进的YOLOv4-GhostNet水稻病虫害识别方法

简介:针对水稻病害虫害检测精度低、速度慢、模型体量大、部署困难等问题,本研究提出了轻量化YOLOv4-GhostNet水稻病虫害识别方法:1)利用幻象模块代替普通卷积结构,替换主干特征提取网络CSPDarkNet53 目前图像识别与机器学习方法在病虫害识别领域中应用广泛:1)利用K-均值聚类算法和最大类间方差法对小麦病害图像分割;2)利用均值漂移算法监督葡萄生长状态与病虫害;3)釆用基于椭圆型度量矩阵提升SVM分类器的识别水稻虫害能力 以上基于机器学习的病虫害识别方法,实质上是以图片分类的方式实现,对于复杂背景的图片需要进行多种算法的处理,且各算法之间存在着特征能力描述和识别速度之间相互排斥的矛盾,提取的特征相似度较高,难以同时识别特征相差较大的病害和虫害 ,训练几种卷积神经网络,检测9 种不同的番茄病虫害;3)使用AlexNet模型,利用6 种已知病害的2 539张图像对苹果病害进行识别;4)利用Inception-V3网络和ImageNet数据集实现8 种病害的识别;5)针对复杂自然背景下茶园害虫,利用优化后的卷积神经网络识别

10100

Unet网络实现叶子病虫害图像分割

在传统的病虫害图像分割算法中应用最多的是基于统计模式识别、K-均值聚类、模糊C-均值聚类、Otsu、levelset、EM等算法。 而Unet网络作为图像分割的经典深度学习算法,在植物叶片病虫害区域分割中也起着重要作用。故本项目通过使用python语言搭建Unet图像分割技术实现对植物病虫害区域的分割。 在计算机视觉项目的开发中,opencv作为较大众的开源库,拥有了丰富的常用图像处理函数库,采用C/C++语言编写,可以运行在Linux/Windows/Mac等操作系统上,能够快速的实现一些图像处理和识别的任务

40220
  • 广告
    关闭

    腾讯云+社区系列公开课上线啦!

    Vite学习指南,基于腾讯云Webify部署项目。

  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    互联网+智慧农业:计算机视觉技术在农作物病虫害检测方面的应用

    确定目标检测区域(这里是轮廓区域,不是整个图像区域) 即在第二次做高斯处理的那个图像上确定检测区域(像素值为白的区域就是我们想要的目标区域) # 画轮廓,存储要识别的像素值的位置,记录在 distinguishLeaf ,我们可以进一步体现一下:若病虫害叶面遭受病虫害达到某一值,及时提醒农名伯伯喷洒农药进行防治。 叶片遭受病虫害!请尽早喷洒农药!') ? )的面积 greenLeafArea = 0 # 定义列表,用来存放要识别的像素点的位置 distinguishLeaf = [] # 画轮廓,存储要识别的像素值的位置,记录在 distinguishLeaf 3 总结展望 从上述运行结果来看,该片叶子已经被病虫害病害了越叶面面积的17%。此值已超过最小病害初定值,故最后弹出窗口显示“警告!叶片遭受病虫害!请尽早喷洒农药!”

    1.4K21

    AI给植物看病,宾大用TensorFlow做的这款应用造福坦桑尼亚农民

    坦桑尼亚的农民正在用AI给自家地里种的木薯看病,可以通过一个名为“Nuru”的APP,识别木薯叶子上的病害。 木薯是一种薯类农作物,在热带地区广泛栽培。 △ 木薯叶子上的病虫害 但是,坦桑尼亚人民的大米饭非常容易受到病虫害的侵扰。由于发病作物的症状发展缓慢,农民很难及时诊断木薯植株出现的问题。 Nuru在坦桑尼亚当地语言中是“光明”的意思,意味着这个APP可以帮助农民提早发现病虫害,保护木薯,为饥饿的肚子带来光明。 ? 宾大的这家研究机构和国际热带农业研究所(IITA)合作,标注数以万计的木薯作物图片,识别和区分木薯上的各种病害,并利用谷歌机器学习框架TensorFlow来训练机器学习模型。 另外,Nuru并不是机器学习在识别农作物病虫害上的唯一应用。

    57360

    【应用】人工智能应用在农业的三个案例

    一、土壤、病虫害探测等智能识别系统 人工智能在农业领域可实现土壤探测、病虫害防护、产量预测、畜禽患病预警等功能。 在病虫害防护领域,生物学家戴维·休斯和作物流行病学家马塞尔·萨拉斯将关于作物叶子的5万多张照片导入计算机,并运行相应的深度学习算法开发了一款手机App Plant Village(美国),农户将在合乎标准光线条件及背景下拍摄出来的农作物照片上传 ,App能智能识别作物所患虫害。 目前,该款App可检测出14种作物的26种疾病,识别准确率高达99.35%。此外,该款App上还有用户和专家交流的社区,农户可咨询专家有关作物所患病虫害的解决方案。 在采摘环节,美国Aboundant Robotics公司开发了一款苹果采摘机器人,其通过摄像装置获取果树的照片,用图片识别技术识别适合采摘的苹果,结合机器人的精确操控技术,可以在不破坏果树和苹果的前提下实现一秒一个的采摘速度

    3.7K52

    腾讯孟昭莉:互联网+三农,一揽子解决方案

    首先,微信公众号及手机QQ等社交平台可帮助公共卫生部门迅速收集信息,及时了解病虫害传播情况,及时作出部署,实现大范围信息告知,调动最广泛的群众力量,保卫粮食安全。 在2014年病虫害防治工作中,湖南怀化辰溪县谭家场乡农技站利用微信平台及时发布病虫预报,让农民及时掌握农作物病虫发生发育情况,及时用药、正确用药、提高防效,深得农民朋友的好评。    河北省肃宁县绿苑蔬菜专业合作社通过建立微信群,及时共享相关种植技术和病虫害预防知识,每年培育优质蔬菜种苗5000多万株,带动5000余户农户种植蔬菜增收致富,崇仁县农民王志华通过手机微信,给县植保专家王良寿发了一张自家稻田水稻病虫害的图片 微信公众号定期推送公众医疗资讯,如防治常见传染病,孕妇医疗产检知识,精神疾病识别等,提高农民医疗认识水平,预防常见疾病;依靠微信公众号互动服务功能,传送图片及语音实现远程诊疗家禽常见疾病,防止禽流感发生

    528100

    机器人会怎样改变农业生产?

    自动驾驶机械和无人机将可以自动检测和治疗出现病虫害的农作物,这些工具在那些被称为“精准农业”的农场中将变得司空见惯。   所有这些高科技产品的最终目的是优化农业,无论是从经济角度还是环境角度来看。 因此,配置有GPS接收器的农业机械能够识别它们在农场中的位置,调解操作,以便在这个位置上最大化地提高生产力或效率。   以土壤施肥为例。农民可使用GPS接收器确定预选的农田,并收集其土壤样本。 “精准农业”的其他例证还包括:根据土壤类型不同,施行不同的播种率;利用传感器来识别杂草、疾病或害虫,以便使用最相配的杀虫剂等。    许多侦察任务,比如病虫害,要求人走到很远的地方,获取代表植物的叶片,然后反复查看其是否存在病虫害。研究人员正开发一种技术,可以利用飞行机器人执行这些任务,无需人类参与。 它可被用于研发新的作物品种,或提高作物营养含量、耐抗旱以及抗病虫害的能力。HTPP技术采用多个传感器测量植物的重要物理数据,比如高度、叶片数量、大小、形状、角度、颜色、枯萎程度、茎厚、结果数量等。

    38380

    继百度、阿里之后,农业也刮起人工智能风,看它们都干了些啥?

    智能植物识别软件,让你轻松变成农作物达人 以前我们要通过查阅资料才能知道的花草,现在只需要各种识图软件拍照、扫描就知道了,这就是电脑图像识别技术。 如今智能图像识别准确率越来越高,不仅仅帮助识别农作物,还能帮农户识别农作物的各种病虫害。 农户把患有病虫害农作物的照片上传,APP就会识别出农作物正在受到哪种病虫害的侵扰,并给出相应的处理方案。 除了人工智能给出的处理方案,APP上还有用户和专家交流的社区,可以针对相应的病虫害进行讨论交流。 左:InterlinAir识别田间的杂草,右:给出农田的营养建议 装备智能开启,机器人耕作新模式 如果把图像智能识别跟智能机器人结合,就能帮我们种地、播种和采摘了。 牛脸识别有大用,轻松诊断牛健康 人工智能还可以用在禽畜的养殖业。

    1K50

    世界首个!AI农作物病害检测竞赛火热进行中 | AI Challenger 全球AI挑战赛

    对农作物进行准确的病害识别并推荐合适的防治措施,不仅对于农业生产意义重大,对于改善整个社会经济环境也有帮助。 ? △刘新农 在将AI应用到病虫害检测领域的时候,数据是关键。 “收集农业数据,需要有一定的专业知识,农作物病虫害是有程度的,只有专业的技术人员才能准确地标注出来,”刘新农说。“而且,农作物成长是有规律的,数据收集只能顺应这个过程。” 竞赛的发起方创新工场人工智能工程院执行院长王咏刚表示,目前人工智能在图像识别领域已经非常成熟了,有了相应的数据,将其应用到农业病虫害检测中难度不大。

    1.6K10

    视频识别 动作识别 实时异常行为识别 等所有行为识别

    大家好,我是cv君,很多大创,比赛,项目,工程,科研,学术的炼丹术士问我上述这些识别,该怎么做,怎么选择框架,今天可以和大家分析一下一些方案: 用单帧目标检测做的话,前后语义相关性很差(也有优化版), 当然可以通过后处理判断下巴是否过框,效果是不够人工智能的),高抬腿计数,目标检测是无法计数的,判断人物的球类运动,目标检测是有很大的误检的:第一种使用球检测,误检很大,第二种使用打球手势检测,遇到人物遮挡球类,就无法识别目标 开始 目前以手势和运动识别为例子,因为cv君没什么数据哈哈 项目演示: 本人做的没转gif,所以大家可以看看其他的演示效果图,跟我的是几乎一样的~ 只是训练数据不同 ​ ​ ​ ​ 一、 基本过程和思想

    1.6K20

    智能识别方面主要进展 | 语音识别、OCR识别、图像识别、生物识别…… | 智能改变生活

    识别与分类技术可应用于图像识别、医疗诊断、生物识别、信号识别和预测、雷达信号识别、经济分析,以及在智能交通管理、机动车检测、停车场管理等场合的车牌识别等很广泛的领域。 语音识别:语音识别行业现在似乎维持着最大的平衡,因为国内外各家的引擎识别率都基本在同一个水平线上,差不多达到了当前语音识别技术的极限,彼此之间差距不是那么明显。 国内著名的车牌识别产品主要有中科院自动化研究所汉王公司的汉王眼、北京文通科技有限公司的文通车牌识别系统等。 ? 虹膜识别:现代信息社会对精准识别的需求,呼唤更加不可替代的生物体特征,虹膜识别应运而生。 目前主要应用有证件识别、银行卡识别、名片识别、文档识别、车牌识别等。 ? 唇语识别:相较于前文提到的语音识别、车牌识别、人脸识别等难度更大,其很大程度上取决于语言的语境和对其的了解,而这些都只通过视觉来呈现的。

    94930

    腾讯第一次种黄瓜,又长又直,还拿了奖

    一方面温室自身的封闭性可以减少虫害,另一方面人工智能对温湿度等各方面的调控可以为作物提供最健康和适宜的环境,所以能增强作物的抗病虫害能力。 我们一直监控着病虫害情况,采用生物防治系统进行控制。 通过建立病虫草害特征分类数据库,并利用计算机视觉技术识别作物品种、病害程度和杂草生长情况,可实现智能预防和管理病虫草害,减少经济损失。 产中:病虫害管理、自动采收 在产中阶段,人工智能技术可用于监测环境数据和农作物生长情况。 通过建立病虫草害特征分类数据库,并利用计算机视觉技术识别作物品种、病害程度和杂草生长情况,可实现智能预防和管理病虫草害,减少经济损失。 此外,大数据处理和语音识别等技术可运用于农业智能专家系统中,为农业从业者提供专业咨询服务和指导,帮助解决生产中各种技术问题。

    58340

    极视角亮相腾讯全球数字生态大会,共筑智慧产业联合创新

    3.jpg 极视角「智慧城市管理系统」以交通管理、公共安全、环境水务等场景为核心,通过城市监控摄像头搭载定制的AI算法,能准确识别违禁品携带、道路违规及及公共场所人员/环境威胁,定位各类路面状况,整合运营数据 通过与包括腾讯云、上海公安、南京地铁、坪山政府等多个政企客户的项目开发与数据采集,系统已经完成了包括“安检违禁品识别”  “河道漂浮物识别”  “积水识别”  “裸露土堆识别”  等多个细分场景的自动化识别算法 在现场,极视角工作人员还为大家重点展示了反光衣识别、护目镜识别、短袖短裤识别 等新增算法功能。诸如农作物病虫害、服装风格识别、广告机内容合规性检测 等定制化算法,吸引了现场众多嘉宾及媒体驻足。

    40340

    【场景文字识别】场景文字识别

    场景文字识别是在图像背景复杂、分辨率低下、字体多样、分布随意等情况下,将图像信息转化为文字序列的过程,可认为是一种特别的翻译过程:将图像输入翻译为自然语言输出。 场景图像文字识别技术的发展也促进了一些新型应用的产生,如通过自动识别路牌中的文字帮助街景应用获取更加准确的地址信息等。 在场景文字识别任务中,我们介绍如何将基于CNN的图像特征提取和基于RNN的序列翻译技术结合,免除人工定义特征,避免字符分割,使用自动学习到的图像特征,完成端到端地无约束字符定位和识别。 本例将演示如何用 PaddlePaddle 完成 场景文字识别 (STR, Scene Text Recognition) 。 任务如下图所示,给定一张场景图片,STR 需要从中识别出对应的文字"keep"。 ? 图 1. 输入数据示例 "keep" |2.

    1.9K70

    物联网与数据可视化的结合,实现农业领域中的智慧大棚系统

    4、 病虫害诊断防治系统 用户发现作物出现异常时,可通过手机拍摄作物叶片或者果实上传到云平台,即可在毫秒内识别作物是否患有病虫害,患有什么病虫害,并获得防治措施,让你快速确诊,准确用药,避免延误病情,造成损失 7、视频监控系统 无人机精准测绘,全程自主飞行,任何地形随时作业;定位地块位置、识别地块分界、测算地块面积;在电子地图上圈画地块直观展示;通过720度高清摄像,突发情况可自动转向紧急录像,进行农作物监测

    46781

    智能识别图像识别采用了什么原理?智能识别图像识别有哪些应用?

    ,那么智能识别图像识别采用了什么原理? 智能识别图像识别有哪些应用? 智能识别图像识别采用了什么原理? 智能识别图像识别是通过图像的特征为基础从而达到识别结果的,每个图像都会有自己的特征,在完整的图像库里面就可以找寻出相同特征的图像。 智能识别图像识别有哪些应用? 智能识别图像识别这项技术虽然并没有完全成熟,但是基础的技术已经能够应用到很多方面的,那么智能识别图像识别有哪些应用? 关于智能识别图像识别的文章内容今天就介绍到这里,相信大家对于智能识别图像识别这项技术已经有所了解了,相信在未来的某一天人工智能的各种技术都会成熟的。

    89930

    飞桨TOP案例集锦 | AI可以改变更多

    AI识虫——红脂大小蠹虫情监测系统 飞桨助力林业病虫害监测落地 红脂大小蠹是危害超过35种松科植物的蛀干害虫,自1998年首次发现到2004年,发生面积超过52.7万平方公里,枯死松树达600多万株,且在持续扩散 传统监测方式依赖具有专业识别能力的工作人员深入林场实地检查,专业要求高,工作周期长。 北京林业大学、百度、嘉楠、软通智慧合作的面向信息素诱捕器的智能虫情监测系统,通过飞桨训练得到YOLO v3目标检测模型识别红脂大小蠹虫,远程检测病虫害情况,识别准确率达到90%,与专业人士水平相当,并将原本需要两周的检查任务缩短至 经过一周的训练,模型轮廓识别准确率已达到89%。 ?

    47030

    验证码识别,发票编号识别

    这里最后做了一个发票编号识别的的案例: 地址:http://v.youku.com/v_show/id_XMTI1MzUxNDY3Ng==.html demo中包含一个验证码识别处理过程的演示程序,一个自动识别工具类库 最终的识别率: ? 图片字符的分割是验证码识别过程中最难的一步,也是决定识别结果的一步。不管多么复杂的验证码只要能准确的切割出来,就都能被识别出来。分割的方式有多种多样,对分割后的精细处理也复杂多样。 4.识别结果,依次将所得到的字符C拼接起来,得到的字符串就是该验证码的识别结果。 下面是验证码识别的具体流程: ? 发票编号识别 这个是基于aforge.net实现的,参考国外一位扑克牌识别的代码。 过程是先确定发票的位置,然后定位到发票编号,切出发票编号,调用自动识别类库识别数字,然后再将识别数据写到屏幕上。

    91490

    数字识别

    上篇的内容最后一个案例代码,其实来自官方的手写数字识别案例教程,我自己基于里面的内容自己删减了一些。 这里主要讲一下里面的数据集,sklearn自带了很多数据集,在安装包的data里面,就有手写数字识别数据集。 虽说是数字识别,不过这个数据集里面并没有实际图片。 ,不过识别前都会通过测试数据测试一下,先看看准确率怎么样,确定效果还不错,就可以用来测试没有见过的数字图片了。 如果将下面的数据(和训练的数据风格类似)转换成图片,再拿去识别是没问题的。 2.从图片文件夹中将所有数字图片读取出来 这里只是做了数字图片的读取,所以只能识别数字。 3.定义一个单张图片匹配的方法。

    21810

    相关产品

    • 文字识别

      文字识别

      文字识别(OCR)基于腾讯优图实验室世界领先的深度学习技术,将图片上的文字内容,智能识别成为可编辑的文本。OCR 支持身份证、名片等卡证类和票据类的印刷体识别,也支持运单等手写体识别,支持提供定制化服务,可以有效地代替人工录入信息。

    相关资讯

    热门标签

    活动推荐

      运营活动

      活动名称
      广告关闭

      扫码关注云+社区

      领取腾讯云代金券