摘要
本申请涉及图像数据识别技术领域,具体为基于图像分析的粮仓中米象虫的检测识别方法、系统和相关装置;该检测识别方法,首先基于像素值大小和像素点数量,识别出粮仓内部图像中可能为米象虫的可疑区域,并将含有可疑区域的图像作为初始图像;然后,去除初始图像中的背景光,得到待检测图像;接着,基于拉普拉斯方差判断待检测图像的清晰度程度,根据拉普拉斯方差与第一方差阈值和第二方差阈值的大小,选择执行不同的增强处理;最后,根据待检测图像或图像增强待检图或特征增强待检图中,目标像素的长度、和/或宽高比、和/或像素结构的特征进行分类处理,得到待检区域米象虫识别结果;该方法识别准确度高、识别效率高、识别稳定性好。
技术关键词
检测识别方法
递归神经网络
图像分析
图像增强
粮仓
拉普拉斯
像素点
校正
图像数据识别技术
像素结构
背景光
颜色
检测识别设备
饱和度
检测识别系统
图像分割
存储计算机程序
亮度
系统为您推荐了相关专利信息
气象监测数据
超短期功率预测
卫星遥感数据
遥感时序数据
线性回归模型
识别检测方法
深度学习模型
冷轧带钢
卷积神经网络模型
在线
PCB板表面
自动光学检测设备
PCB设计文件
载物台
图像分析
污泥原位减量
网络爬虫技术
亮度
Retinex理论
图像增强
深度神经网络
多尺度特征融合
特征提取模块
果园环境
苹果识别方法