• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于視覺詞袋模型的稻曲病發(fā)病程度感知

    2021-12-08 19:20:29梁睿杰陳豐農(nóng)
    江蘇農(nóng)業(yè)科學(xué) 2021年22期
    關(guān)鍵詞:稻曲病支持向量機(jī)

    梁睿杰 陳豐農(nóng)

    摘要:為了快速、精準(zhǔn)地感知水稻稻曲病發(fā)病程度,以實現(xiàn)高度自動化的稻曲病大面積監(jiān)測,結(jié)合高光譜成像和視覺詞袋模型(BoVW)自動感知稻曲病發(fā)病程度。首先利用UHD185畫幅式高光譜儀獲取發(fā)病水稻光譜成像數(shù)據(jù),利用主成分分析(PCA)篩選特征波段,再用正方格劃分區(qū)域并獲取區(qū)域特征,然后利用K-means算法聚類生成視覺詞典,聚類中心作為視覺單詞,最后利用矢量化和直方圖統(tǒng)計得到視覺詞袋模型表達(dá)。將198幅水稻高光譜圖像的“視覺詞袋模型表達(dá)-發(fā)病等級標(biāo)簽”作為數(shù)據(jù)集,隨機(jī)選擇3/5作為訓(xùn)練集,剩下的為測試集,采用支持向量機(jī)(SVM)建立稻曲病發(fā)病程度感知模型,感知精度為84.81%。結(jié)果表明,結(jié)合高光譜成像技術(shù)和視覺詞袋模型可以有效感知稻曲病發(fā)病程度,為稻曲病大面積自動化監(jiān)測提供參考。

    關(guān)鍵詞:稻曲病;高光譜成像技術(shù);病害程度分析;視覺詞袋模型;支持向量機(jī);自動化監(jiān)測

    中圖分類號: S127;TP391.4? 文獻(xiàn)標(biāo)志碼: A

    文章編號:1002-1302(2021)22-0198-06

    收稿日期:2021-03-18

    基金項目:浙江省重點研發(fā)計劃(編號:2021C02011);浙江省基礎(chǔ)公益研究計劃(編號:LGN18F030002)。

    作者簡介:梁睿杰(1995—),男,浙江臺州人,碩士研究生,主要從事農(nóng)業(yè)遙感圖像處理研究。E-mail:1327571567@qq.com。

    通信作者:陳豐農(nóng),博士,副教授,主要從事圖像處理與模式識別等方面的研究。E-mail:fnchen@hdu.edu.cn。

    水稻是我國主要糧食作物,其總產(chǎn)量占全國糧食總產(chǎn)量的50%,有65%的人口以水稻為主食[1]。近幾年,稻曲病的發(fā)生范圍和危害有逐年上升趨勢,已逐漸成為水稻主要病害,對水稻產(chǎn)量、品質(zhì)甚至人畜生命健康造成嚴(yán)重危害[2-3]。目前,稻曲病監(jiān)測主要依靠農(nóng)戶、植保專家實地考察,進(jìn)行人工評估。這種方法適用性低[4],不僅耗費大量人力物力,而且缺乏代表性,難以適用于大面積稻曲病的實時監(jiān)測[5]。因此,開展稻曲病發(fā)病程度感知研究有現(xiàn)實意義。

    不同植物對同一波段電磁波的反射和吸收能力不同,導(dǎo)致光譜特異性,當(dāng)植物受到病蟲害脅迫后,由于應(yīng)激性,體內(nèi)水分、色素含量以及內(nèi)部結(jié)構(gòu)會產(chǎn)生變化,從而光譜特性發(fā)生改變[6]。因此,光譜能夠作為研究植物病害的重要依據(jù)。近年來,隨著高光譜成像技術(shù)的發(fā)展并因其無接觸、無損害、效率高等優(yōu)點,高光譜分析成為稻曲病檢測的重要手段。高光譜成像技術(shù)綜合了光譜信息和圖像信息,可以快速、準(zhǔn)確地提供大量肉眼無法感知的信息特征[7],其中光譜信息能夠反映物體內(nèi)部物理結(jié)構(gòu)和組成,圖像信息能夠反映物體外部特征,在稻曲病監(jiān)測中具有獨特優(yōu)勢。

    目前,已有學(xué)者將高光譜成像技術(shù)應(yīng)用于作物病蟲害檢測,并取得了成功。謝亞平篩選特征波段并構(gòu)建支持向量機(jī)(SVM)模型,識別稻曲病發(fā)病區(qū)域,識別精度達(dá)到97.2%[8]。有學(xué)者基于可見光和近紅外波段,構(gòu)建識別模型,進(jìn)行稻瘟病害分級,分級準(zhǔn)確率均達(dá)到了95%以上[9-10]。黃雙萍等提取稻瘟病的光譜詞袋模型(BoSW)表達(dá),并結(jié)合SVM識別病害程度,識別精度達(dá)94.72%[11]。有研究通過敏感波段構(gòu)建特征集,實現(xiàn)小麥白粉病的監(jiān)測[12-13]。由于不同病害的表現(xiàn)癥狀不同,不存在普適的病害判別標(biāo)準(zhǔn)[14],上述研究均利用特征波段構(gòu)建模型識別病害,并取得較高的識別精度,證明了高光譜成像技術(shù)應(yīng)用于作物病蟲害檢測的可行性,為基于高光譜的稻曲病發(fā)病等級感知提供了依據(jù)。

    本研究根據(jù)稻曲病發(fā)病特點,提出基于視覺詞袋模型的方法感知稻曲病發(fā)病程度。選擇不同發(fā)病程度的水稻并獲取高光譜圖像,進(jìn)行特征波段篩選和區(qū)域劃分,并構(gòu)建視覺詞典,利用直方圖得到每株水稻的視覺詞袋模型表達(dá),最后用SVM構(gòu)建稻曲病發(fā)病程度感知模型。

    1 材料與方法

    1.1 研究區(qū)域概況

    研究區(qū)域位于浙江省杭州市富陽區(qū)中國水稻研究所試驗田(119°55′E,30°4′N),屬亞熱帶季風(fēng)氣候,降水充沛,平均相對濕度70.3%,臨近富春江,這種四季溫暖、濕度較大的氣候環(huán)境有利于稻曲病菌滋生和侵染。作為長期的病害試驗基地,田塊中菌源充足,稻曲病自然發(fā)生,無需人工接種。為獲取發(fā)病程度不同的水稻,前后共進(jìn)行7期播種,2019年6月15號為第1期,之后每期間隔5 d,試驗組噴灑激素,對照組噴灑清水,每期有12個小區(qū),6個小區(qū)作為試驗組,其余6個作為對照組,每個小區(qū)長 35.0 m,寬1.8 m。

    1.2 數(shù)據(jù)采集

    2019年10月10日,天氣晴朗,水稻處于灌漿成熟期,于當(dāng)天上午10點至下午2點采集高光譜數(shù)據(jù)。使用UHD185畫幅式高光譜儀獲取高光譜數(shù)據(jù),該儀器覆蓋可見光波段到近紅外波段的光譜(450~950 nm),圖像空間分辨率為1 000 pixel×1 000 pixel,光譜分辨率為4 nm,共126個波段。由于暗電流和噪聲,需黑白標(biāo)定,掃描白板獲取反射率為1的全白標(biāo)定圖像Iw,蓋上鏡頭獲取反射率為0的全黑標(biāo)定圖像Id,實際獲取的第i個波段的圖像為Is,則高光譜成像在第i個波段的矯正公式為

    R(i)=Is(i)-Id(i)Iw(i)-Id(i)。(1)

    數(shù)據(jù)采集時,根據(jù)稻曲病分級標(biāo)準(zhǔn)采摘發(fā)病程度不同的稻穗置于黑色幕布,以減少背景干擾,鏡頭距稻穗20~30 cm采集圖像,獲取的圖像見圖1,共采集198幅圖像。

    1.3 稻曲病分級標(biāo)準(zhǔn)

    國際水稻研究所根據(jù)受侵染的小穗面積將稻曲病分成6個等級[15]:0級(未受到侵染),1級(侵染面積小于1%),3級(侵染面積為2%~5%),5級(侵染面積為6%~25%),7級(侵染面積為 26%~50%)和9級(侵染面積為51%~100%)。這是理想化的分級標(biāo)準(zhǔn),在實際試驗中,9級稻穗幾乎不存在,1級和3級稻穗難以區(qū)分,因此本研究將稻曲病發(fā)病程度分為4個等級:健康(未受到侵染),輕度(侵染面積小于5%),中度(侵染面積為6%~25%)和重度(侵染面積為26%~100%)。

    本研究采集的198個樣本病害等級統(tǒng)計見表1。

    1.4 視覺詞袋模型構(gòu)建

    1.4.1 視覺詞袋模型

    視覺詞袋模型是一種中層特征編碼方法,其算法雜度低、表征能力強(qiáng),在圖像分類中得到廣泛應(yīng)用[16],主要包括4個步驟:圖像底層特征提取、視覺詞典生成、視覺單詞特征構(gòu)建和分類器構(gòu)造[17]。具體流程如圖2所示,首先,采用主成分分析(PCA)篩選特征波段,用正方格對特征波段的組合圖像劃分區(qū)域;然后,利用K-means聚類方法對劃分的區(qū)域聚類以生成視覺詞典,聚類中心作為視覺單詞;基于視覺單詞對各區(qū)域矢量化,用視覺單詞表征各區(qū)域;最后,用直方圖統(tǒng)計每幅圖像中視覺單詞的頻數(shù),得到視覺詞袋模型表達(dá)。

    1.4.2 特征波段篩選

    高光譜圖像存在數(shù)據(jù)維度高、波段間相關(guān)性高、數(shù)據(jù)冗余等問題[18],因此需降維處理。PCA是常用的降維方法,通過計算原始數(shù)據(jù)的協(xié)方差矩陣以及特征值,選擇對主成分貢獻(xiàn)最大的前k個特征值和特征向量,通過線性變換將原始空間Rn映射到特征空間Rk,極大程度上保留了原始數(shù)據(jù)信息,同時消除噪聲,實現(xiàn)數(shù)據(jù)降維[19]。對比前幾個主成分圖像,篩選發(fā)病區(qū)域與健康區(qū)域?qū)Ρ葟?qiáng)烈的主成分圖像,每個主成分圖像可以看成由不同波段通過加權(quán)系數(shù)線性組合而成,選擇加權(quán)系數(shù)大于0.1的波段作為特征波段。

    1.4.3 正方格區(qū)域劃分和光譜平均

    高光譜成像同時包含空間幾何信息和光譜信息,可以看作由圖像XY 平面以及光譜Z軸組成的三維數(shù)據(jù)[20]。本研究在XY平面內(nèi)利用正方格劃分區(qū)域,并計算平均光譜作為該區(qū)域的特征。相比以像素為最小單位的方法,該方法存在以下優(yōu)點:(1)大幅度減少像素點數(shù)量,計算復(fù)雜度低;(2)同一植株不同發(fā)病部位的光譜存在差異,通過區(qū)域劃分增大光譜差異性;(3)充分考慮了XY平面內(nèi)相鄰像素點間的相關(guān)性,在一定程度上消除圖像的冗余信息。

    1.4.4 K-means聚類生成視覺詞典

    將正方格劃分的區(qū)域作為樣本利用K-means聚類。K-means算法是一種無監(jiān)督的聚類算法[21],其核心思想是找到k個質(zhì)心,使得每個樣本到其所屬質(zhì)心的距離平方和最小,具體步驟如下:(1)初始化迭代次數(shù)I=1,隨機(jī)選擇k個區(qū)域作為聚類中心,并計算聚類中心的平均光譜C1;(2)計算每個區(qū)域到聚類中心的距離,并將該區(qū)域劃分到距離最近的聚類族簇;(3)重新計算聚類中心以及聚類中心的光譜均值CI;(4)比較CI與CI-1的距離,若小于設(shè)定的閾值則結(jié)束迭代,否則迭代次數(shù)加1,重復(fù)步驟(2)和(3)。

    K-means聚類保證了同一族簇內(nèi)區(qū)域相似度最大,忽略光譜之間的細(xì)微差異,能在一定程度上增強(qiáng)BoVW模型的抗噪性能。

    1.4.5 高光譜圖像矢量化和直方圖統(tǒng)計

    矢量化通過計算特征之間的歐式距離將每個區(qū)域映射到對應(yīng)的視覺單詞,完成高層特征的提取[22]。對整幅圖像所有局部區(qū)域矢量化,一幅圖像可以看成是由視覺單詞組成的文本,比較文本中不同單詞所占比例可以區(qū)分不同文本。利用直方圖統(tǒng)計矢量化后一幅圖像中每個單詞的頻率并線性歸一化處理,得到視覺詞袋模型的表達(dá)。這種方法能夠?qū)㈦y分類的文本特征轉(zhuǎn)化成易分類的統(tǒng)計特征[23],精準(zhǔn)地描述了發(fā)病部位和發(fā)病稻粒比例等原始特征,在一定程度上很好地表達(dá)了稻曲病發(fā)病情況。

    1.4.6 SVM稻曲病發(fā)病等級感知模型構(gòu)建

    SVM基于統(tǒng)計學(xué)習(xí)理論,目的是構(gòu)建一個最優(yōu)分類超平面,保證支持向量到該分類面的距離最大,核心原則是結(jié)構(gòu)風(fēng)險最小化,即根據(jù)現(xiàn)有樣本信息在模型復(fù)雜度和學(xué)習(xí)能力之間尋求折衷,以獲得最佳泛化性[24]。本研究將“視覺詞袋模型表達(dá)-發(fā)病等級標(biāo)簽”數(shù)據(jù)作為數(shù)據(jù)集,從不同發(fā)病程度水稻中隨機(jī)選擇3/5作為訓(xùn)練集,剩下的為測試集,則訓(xùn)練集總計119幅圖像,測試集79幅圖像。利用SVM分類器訓(xùn)練模型,并結(jié)合交叉驗證法和網(wǎng)格搜索法篩選最優(yōu)參數(shù),同時采用一對一分類法[25]完成四分類識別,以測試集準(zhǔn)確率和混淆矩陣作為模型性能評估指標(biāo)。

    2 結(jié)果與分析

    2.1 基于PCA的特征波段提取

    利用PCA分析高光譜全波段(450~950 nm)圖像,獲取前6個主成分圖像,結(jié)果見圖3,方差貢獻(xiàn)率見圖4-a,前6幅圖像的方差總貢獻(xiàn)率達(dá)到99.78%。PC1中正常區(qū)域和患病區(qū)域區(qū)分明顯,稻粒輪廓清晰可見,噪聲較少,方差貢獻(xiàn)率為88.01%,因此選擇PC1的權(quán)重系數(shù)做進(jìn)一步分析。主成分圖像由不同波段通過加權(quán)系數(shù)組合而成:

    PCm=∑ni=1αiXi。(2)

    式中:PCm為第m個主成分;αi為原始數(shù)據(jù)第i個波段的加權(quán)系數(shù);Xi為對應(yīng)波段的高光譜圖像反射率。

    第一主成分中各波段加權(quán)系數(shù)如圖4-b所示,系數(shù)越大,其對應(yīng)的原始波段對該主成分貢獻(xiàn)越大。篩選權(quán)重系數(shù)大于0.1的波段為敏感波段,其對應(yīng)波段范圍為702~898 nm,共50個波段(圖中黃色部分)。稻穗中色素含量較少,稻曲病菌對色素的破壞程度低,可見光波段受影響小,對稻穗內(nèi)部結(jié)構(gòu)的破壞大,近紅外波段受影響大,702~898 nm 波段能有效反映受侵染區(qū)域內(nèi)部結(jié)構(gòu)的變化。

    2.2 詞典容量對模型感知準(zhǔn)確率的影響

    視覺詞典對原始數(shù)據(jù)集的表征能力由K值決定,K值會影響稻曲病發(fā)病等級感知準(zhǔn)確率[26],因此本研究對詞典容量為50~600的稻曲病發(fā)病程度感知結(jié)果進(jìn)行比較,結(jié)果見圖5。

    從圖5可以得到,詞典容量為300~350時,測試集和訓(xùn)練集的感知效果最好,精度分別達(dá)84.81%和94.12%。當(dāng)詞典容量小于300時,測試集和訓(xùn)練集的感知準(zhǔn)確率均隨著詞典容量增大而增加。當(dāng)K值過小時,部分差異較大的區(qū)域劃分到相同的視覺單詞簇中,導(dǎo)致不同單詞間的關(guān)聯(lián)度增加,詞典無法有效表達(dá)原始特征。當(dāng)詞典容量大于350時,訓(xùn)練集準(zhǔn)確率整體保持穩(wěn)定,而測試集準(zhǔn)確率隨著詞典容量增大緩慢下降。當(dāng)K值過大時,聚類和矢量化過程過于精細(xì),視覺詞典結(jié)構(gòu)龐大復(fù)雜,光譜特征類似的區(qū)域被劃分到不同視覺單詞類簇中[27],導(dǎo)致視覺單詞間相似度增加,內(nèi)聚度降低,模型抗噪性降低。

    2.3 正方格大小對模型感知準(zhǔn)確率的影響

    正方格大小會對區(qū)域的平均光譜產(chǎn)生影響,從而影響模型感知準(zhǔn)確率。本研究分別選擇尺寸為 2 pixel×2 pixel,4 pixel×4 pixel,6 pixel×6 pixel,8 pixel×8 pixel,10 pixel×10 pixel的正方格劃分區(qū)域,在視覺詞典容量為300時,探究正方格尺寸對感知精度的影響,其結(jié)果見表2。

    從表2中得到,當(dāng)正方格尺寸逐漸增大時,訓(xùn)練集和測試集識別率均出現(xiàn)下降。當(dāng)正方格大小為 4 pixel×4 pixel時,訓(xùn)練集和測試集均取得最高的識別精度,分別為94.12%和84.81%。正方格尺寸過小會導(dǎo)致劃分的區(qū)域尺寸接近像素尺度,詞典結(jié)構(gòu)變得復(fù)雜,冗余度增加,位于交界處的區(qū)域難以區(qū)分。正方格尺寸過大,會導(dǎo)致區(qū)域內(nèi)光譜平滑尺度過大,屬于不同發(fā)病區(qū)域的像素光譜進(jìn)行了平滑、組合,導(dǎo)致鄰近的劃分區(qū)域光譜相似度增大,劃分的區(qū)域無法有效表達(dá)原始空間信息。

    2.4 核函數(shù)對模型感知準(zhǔn)確率的影響

    SVM核函數(shù)決定模型的性能,相同的數(shù)據(jù)集,采用不同核函數(shù)能得到不同分類結(jié)果[28]。本研究分別選擇核函數(shù)為線性核、徑向基核、多項式核以及S型核的SVM進(jìn)行感知,在視覺詞典容量為300,正方格尺寸為4 pixel×4 pixel時,探究核函數(shù)對感知精度的影響。從表3中可以得到,RBF-SVM在訓(xùn)練集和測試集上效果均好于其他核函數(shù),準(zhǔn)確率分別達(dá)到94.12%和84.81%。

    在視覺詞典容量為300,正方格大小為4 pixel×4 pixel,核函數(shù)為RBF時,測試集和訓(xùn)練集感知結(jié)果的混淆矩陣見表4和表5。此時,該模型在測試集的感知準(zhǔn)確率達(dá)84.81%,Kappa系數(shù)為0.79,訓(xùn)練集的感知準(zhǔn)確率達(dá)94.12%,Kappa系數(shù)為0.92。數(shù)據(jù)采集時需人工標(biāo)定稻曲病發(fā)病等級,由于缺乏經(jīng)驗,存在一定的標(biāo)定錯誤,數(shù)據(jù)集中存在發(fā)病程度近似但發(fā)病等級標(biāo)定不同的樣本,導(dǎo)致該模型感知準(zhǔn)確率不高。相鄰的2個等級易發(fā)生錯分,這是由于某些植株的發(fā)病程度恰好位于判別標(biāo)準(zhǔn)附近,且相鄰等級的判別標(biāo)準(zhǔn)比較相近。模型總體感知準(zhǔn)確率達(dá)到84%以上,分類結(jié)果具有高度一致性,能夠有效、精準(zhǔn)地感知稻曲病發(fā)病等級。

    3 討論與結(jié)論

    本研究根據(jù)稻曲病的發(fā)病特征以及光譜圖像數(shù)據(jù),利用基于視覺詞袋模型的方法感知稻曲病發(fā)病程度,該模型提取高層特征能夠準(zhǔn)確描述發(fā)病情況,具有較好的抗噪性和魯棒性。

    本研究將702~898 nm作為PCA特征波段,由于稻穗細(xì)胞色素含量少,受到稻曲病菌侵染后近紅外波段發(fā)生的變化大,提取的特征波段能有效反映這種變化,并且在一定程度上消除了噪聲、減少數(shù)據(jù)冗余度;同時考慮到高光譜圖像在XY平面相鄰像素之間的相關(guān)性,采用正方格劃分區(qū)域,增加樣本間的差異性,發(fā)揮了圖譜結(jié)合的優(yōu)勢;利用K-means聚類算法生成視覺詞典,忽略了區(qū)域光譜間的細(xì)小差異,增強(qiáng)了抗噪性;利用直方圖統(tǒng)計視覺單詞頻率得到視覺詞袋模型表達(dá),將難分類的文本特征轉(zhuǎn)化成易分類的統(tǒng)計特征,并能精確地描述發(fā)病情況。

    試驗結(jié)果表明,當(dāng)視覺詞典容量為300,核函數(shù)為RBF,正方格大小為4 pixel×4 pixel時,對稻曲病發(fā)病程度的感知效果最好,測試集準(zhǔn)確率為84.81%,Kappa系數(shù)為0.79。本研究方法可為稻曲病大面積自動化監(jiān)測奠定基礎(chǔ)。

    參考文獻(xiàn):

    [1]李思平,曾路生,吳立鵬,等. 氮肥水平與栽植密度對植稻土壤養(yǎng)分含量變化與氮肥利用效率的影響[J]. 中國水稻科學(xué),2020,34(1):69-79.

    [2]陳月娣,王 超,徐鐵平,等. 秈粳交超級晚粳稻稻曲病藥劑控制時機(jī)的探討[J]. 浙江農(nóng)業(yè)科學(xué),2013,55(11):1451-1453.

    [3]楊健源,曾列先,陳 深,等. 我國稻曲病研究進(jìn)展[J]. 廣東農(nóng)業(yè)科學(xué),2011,38(2):77-79.

    [4]張 初. 基于光譜與光譜成像技術(shù)的油菜病害檢測機(jī)理與方法研究[D]. 杭州:浙江大學(xué),2016:4-5.

    [5]陳 兵,王克如,李少昆,等. 蚜蟲脅迫下棉葉光譜特征及其遙感估測[J]. 光譜學(xué)與光譜分析,2010,30(11):3093-3097.

    [6]張競成,袁 琳,王紀(jì)華,等. 作物病蟲害遙感監(jiān)測研究進(jìn)展[J]. 農(nóng)業(yè)工程學(xué)報,2012,28(20):1-11.

    [7]王紅霞,李 霞. 遙感技術(shù)在農(nóng)業(yè)中的應(yīng)用[J]. 農(nóng)業(yè)科技與信息,2019,36(23):67-69.

    [8]謝亞平. 基于高光譜技術(shù)的水稻稻曲病監(jiān)測研究[D]. 杭州:杭州電子科技大學(xué),2018:1-57.

    [9]馮 雷,柴榮耀,孫光明,等. 基于多光譜成像技術(shù)的水稻葉瘟檢測分級方法研究[J]. 光譜學(xué)與光譜分析,2009,29(10):2730-2733.

    [10]鄭志雄,齊 龍,馬 旭,等. 基于高光譜成像技術(shù)的水稻葉瘟病病害程度分級方法[J]. 農(nóng)業(yè)工程學(xué)報,2013,29(19):138-144.

    [11]黃雙萍,齊 龍,馬 旭,等. 基于高光譜成像的水稻穗瘟病害程度分級方法[J]. 農(nóng)業(yè)工程學(xué)報,2015,31(1):212-219.

    [12]沈文穎,馮 偉,李 曉,等. 基于葉片高光譜特征的小麥白粉病嚴(yán)重度估算模式[J]. 麥類作物學(xué)報,2015,35(1):129-137.

    [13]Cao X R,Luo Y,Zhou Y L,et al. Detection of powdery mildew in two winter wheat cultivars using canopy hyperspectral reflectance[J]. Crop Protection,2013,45(3):124-131.

    [14]楊 燕. 基于高光譜成像技術(shù)的水稻稻瘟病診斷關(guān)鍵技術(shù)研究[D]. 杭州:浙江大學(xué),2012:8-17.

    [15]張正煒,陳 秀,沈慧梅,等. 我國稻曲病分級標(biāo)準(zhǔn)的研究與應(yīng)用現(xiàn)狀[J]. 中國稻米,2020,26(4):18-21.

    [16]Wu L,Hoi S C,Yu N. Semantics-preserving bag-of-words models and applications[J]. IEEE Transactions on Image Processing,2010,19(7):1908-1920.

    [17]朱道廣.基于視覺詞袋模型的圖像分類研究[D]. 鄭州:解放軍信息工程大學(xué),2013:2-10.

    [18]倪茜茜. 基于高光譜成像技術(shù)的紅酸枝品種識別[D]. 杭州:浙江農(nóng)林大學(xué),2015:11-13.

    [19]陳 佩. 主成分分析法研究及其在特征提取中的應(yīng)用[D]. 西安:陜西師范大學(xué),2014:7-15.

    [20]杜培軍,陳云浩,方 濤,等. 高光譜遙感數(shù)據(jù)光譜特征的提取與應(yīng)用[J]. 中國礦業(yè)大學(xué)學(xué)報,2003,32(5):500-504.

    [21]Jain A K,Dubes R C. Algorithms for clustering data[J]. Technometrics,1988,32(2):227-229.

    [22]胡屹群,周紹光,岳 順,等. 利用視覺詞袋模型和顏色直方圖進(jìn)行遙感影像檢索[J]. 測繪通報,2017,63(1):53-57.

    [23]張夢姣. 基于顯著性檢測和詞袋模型的農(nóng)作物害蟲圖像分類研究[D]. 雅安:四川農(nóng)業(yè)大學(xué),2019:21-33.

    [24]Smola A J,Scholkopf B. A tutorial on support vector regression[J]. Statistics and Computing,2004,14(3):199-222.

    [25]秦 溱. 基于SVM核函數(shù)和參數(shù)選擇的高光譜圖像分類研究[D]. 武漢:華中科技大學(xué),2015:21-23.

    [26]劉 東,邱博宇,方 芳,等. 基于空間共生詞袋模型與卷積神經(jīng)網(wǎng)絡(luò)的醫(yī)學(xué)影像分類方法[J]. 湘南學(xué)院學(xué)報,2020,41(2):26-31.

    [27]王 嬌,羅四維,鄒 琪. 圖像分類中基于分類矢量量化的視覺詞袋模型[J]. 計算機(jī)工程與應(yīng)用,2019,55(10):141-145.

    [28]王 剛. 基于SVM的高光譜遙感圖像海面溢油分類方法研究[D]. 長沙:國防科學(xué)技術(shù)大學(xué),2016:16-25.

    猜你喜歡
    稻曲病支持向量機(jī)
    贛南中稻后代連續(xù)種植稻曲病自然“減除”試驗
    湖北植保(2024年5期)2024-01-01 00:00:00
    一季晚粳稻曲病防治藥劑篩選試驗
    秈粳雜交水稻稻曲病防治藥劑試驗
    基于改進(jìn)支持向量機(jī)的船舶縱搖預(yù)報模型
    中國水運(2016年11期)2017-01-04 12:26:47
    基于SVM的煙草銷售量預(yù)測
    動態(tài)場景中的視覺目標(biāo)識別方法分析
    論提高裝備故障預(yù)測準(zhǔn)確度的方法途徑
    價值工程(2016年32期)2016-12-20 20:36:43
    基于熵技術(shù)的公共事業(yè)費最優(yōu)組合預(yù)測
    價值工程(2016年29期)2016-11-14 00:13:35
    基于支持向量機(jī)的金融數(shù)據(jù)分析研究
    遼北水稻紋枯病和稻曲病防控效應(yīng)研究
    欧美97在线视频| 久久精品熟女亚洲av麻豆精品| 特大巨黑吊av在线直播| 日本一二三区视频观看| 毛片女人毛片| 日韩 亚洲 欧美在线| 欧美xxxx性猛交bbbb| 日本黄色片子视频| 亚洲成人一二三区av| 美女高潮的动态| 久久精品国产a三级三级三级| 亚洲av成人精品一区久久| 赤兔流量卡办理| 99re6热这里在线精品视频| 久久久久国产网址| av福利片在线观看| 午夜福利网站1000一区二区三区| 这个男人来自地球电影免费观看 | 久久精品人妻少妇| 亚洲精品自拍成人| 中文欧美无线码| 亚洲av成人精品一二三区| 久久久国产一区二区| 嫩草影院新地址| 亚洲国产最新在线播放| 色婷婷久久久亚洲欧美| 亚洲欧美中文字幕日韩二区| 国产中年淑女户外野战色| 国产亚洲一区二区精品| 中文字幕免费在线视频6| 尤物成人国产欧美一区二区三区| 免费看日本二区| 国产在线一区二区三区精| 在线观看人妻少妇| 18+在线观看网站| 少妇高潮的动态图| 免费观看av网站的网址| 亚洲av中文av极速乱| 婷婷色综合大香蕉| 亚洲av成人精品一二三区| 永久网站在线| 欧美精品人与动牲交sv欧美| 国产亚洲5aaaaa淫片| .国产精品久久| 岛国毛片在线播放| 免费人成在线观看视频色| 国产在线视频一区二区| 成人亚洲精品一区在线观看 | 哪个播放器可以免费观看大片| 久久99蜜桃精品久久| 国产精品国产三级国产av玫瑰| 大码成人一级视频| 超碰av人人做人人爽久久| 午夜福利视频精品| 亚洲四区av| 久久精品夜色国产| 热re99久久精品国产66热6| 中文字幕人妻熟人妻熟丝袜美| 亚洲丝袜综合中文字幕| 亚洲,欧美,日韩| 日本黄色日本黄色录像| 久久人妻熟女aⅴ| av播播在线观看一区| 在线观看一区二区三区| 亚洲一级一片aⅴ在线观看| 欧美另类一区| 少妇精品久久久久久久| 国产亚洲一区二区精品| 伊人久久国产一区二区| 精品一品国产午夜福利视频| 大香蕉久久网| 亚洲第一区二区三区不卡| 国产午夜精品久久久久久一区二区三区| 亚洲美女视频黄频| 一级毛片电影观看| 最近中文字幕高清免费大全6| 国产精品久久久久久av不卡| 在现免费观看毛片| 成人二区视频| 国产日韩欧美亚洲二区| 亚洲三级黄色毛片| 国产伦精品一区二区三区四那| 亚洲性久久影院| 国产高清不卡午夜福利| 高清午夜精品一区二区三区| 亚洲av欧美aⅴ国产| 看非洲黑人一级黄片| 在线观看三级黄色| 亚洲av电影在线观看一区二区三区| av国产精品久久久久影院| 最后的刺客免费高清国语| 水蜜桃什么品种好| 国产久久久一区二区三区| 秋霞伦理黄片| 91精品一卡2卡3卡4卡| 精品国产露脸久久av麻豆| 这个男人来自地球电影免费观看 | 一级毛片久久久久久久久女| 91精品伊人久久大香线蕉| 国产美女午夜福利| 嘟嘟电影网在线观看| 久久这里有精品视频免费| 国产黄片美女视频| 国产精品久久久久久久电影| 日韩伦理黄色片| 国产成人免费观看mmmm| 黑人猛操日本美女一级片| 久久综合国产亚洲精品| 日韩免费高清中文字幕av| 色婷婷久久久亚洲欧美| 18禁动态无遮挡网站| 久久久a久久爽久久v久久| 夜夜爽夜夜爽视频| 国产伦在线观看视频一区| 成人毛片60女人毛片免费| 国内揄拍国产精品人妻在线| 大码成人一级视频| 久久综合国产亚洲精品| a级毛片免费高清观看在线播放| 男女啪啪激烈高潮av片| 亚洲国产欧美在线一区| 啦啦啦视频在线资源免费观看| 乱系列少妇在线播放| 久久综合国产亚洲精品| 女性被躁到高潮视频| 国产精品久久久久久精品电影小说 | 舔av片在线| av不卡在线播放| 亚洲精品中文字幕在线视频 | 人妻系列 视频| 亚洲欧美中文字幕日韩二区| 久久久久久久久久久丰满| 色5月婷婷丁香| 99热这里只有是精品在线观看| 黄色配什么色好看| 噜噜噜噜噜久久久久久91| 九草在线视频观看| 免费观看性生交大片5| 国产伦精品一区二区三区四那| 1000部很黄的大片| 国产免费福利视频在线观看| 日韩av不卡免费在线播放| 亚洲怡红院男人天堂| 啦啦啦视频在线资源免费观看| 亚洲精品中文字幕在线视频 | 国产爽快片一区二区三区| 蜜桃在线观看..| 国产精品一区二区性色av| 亚洲美女视频黄频| 亚洲欧美日韩卡通动漫| 免费黄色在线免费观看| 欧美 日韩 精品 国产| 欧美+日韩+精品| 男的添女的下面高潮视频| 亚洲激情五月婷婷啪啪| 国产亚洲5aaaaa淫片| 国产高清国产精品国产三级 | 午夜视频国产福利| tube8黄色片| 国产欧美亚洲国产| 婷婷色麻豆天堂久久| 亚洲av成人精品一二三区| 777米奇影视久久| 日本一二三区视频观看| 国产乱人偷精品视频| 亚洲av二区三区四区| 一级片'在线观看视频| av一本久久久久| 女性被躁到高潮视频| 国产乱来视频区| 中文字幕人妻熟人妻熟丝袜美| 大陆偷拍与自拍| 久久久久久久久大av| 最后的刺客免费高清国语| 国产久久久一区二区三区| 久久久欧美国产精品| 国产女主播在线喷水免费视频网站| 十分钟在线观看高清视频www | 久久久午夜欧美精品| 啦啦啦在线观看免费高清www| 91久久精品国产一区二区成人| 美女福利国产在线 | 涩涩av久久男人的天堂| 黄色配什么色好看| 免费人妻精品一区二区三区视频| 国产视频首页在线观看| 精品人妻熟女av久视频| 久久国产精品男人的天堂亚洲 | 午夜日本视频在线| 中国三级夫妇交换| 一级毛片久久久久久久久女| 秋霞在线观看毛片| 国产伦理片在线播放av一区| 天天躁夜夜躁狠狠久久av| 亚洲av欧美aⅴ国产| 亚洲国产av新网站| 亚洲色图综合在线观看| 亚洲精品456在线播放app| 日韩在线高清观看一区二区三区| 亚洲国产高清在线一区二区三| 大码成人一级视频| 简卡轻食公司| 国产成人a区在线观看| 国产男女超爽视频在线观看| 五月伊人婷婷丁香| 在线观看免费高清a一片| 女的被弄到高潮叫床怎么办| 在线观看免费视频网站a站| 国产欧美亚洲国产| 久久国产乱子免费精品| 亚洲色图综合在线观看| 香蕉精品网在线| 国产av一区二区精品久久 | 国产亚洲欧美精品永久| 美女xxoo啪啪120秒动态图| 欧美丝袜亚洲另类| 99久久精品一区二区三区| 国产av码专区亚洲av| 久久久久久久久大av| 亚洲va在线va天堂va国产| 国产 一区 欧美 日韩| 国产精品久久久久久久电影| 少妇人妻 视频| 嫩草影院新地址| 国产久久久一区二区三区| 亚洲av二区三区四区| 久久99精品国语久久久| 天堂8中文在线网| 亚洲av综合色区一区| 在线观看人妻少妇| 午夜福利在线观看免费完整高清在| 国产精品国产三级专区第一集| 久久久精品94久久精品| 在线观看免费高清a一片| 精品亚洲乱码少妇综合久久| 大香蕉久久网| 搡女人真爽免费视频火全软件| 六月丁香七月| 又爽又黄a免费视频| 全区人妻精品视频| 亚洲国产精品专区欧美| 最近中文字幕高清免费大全6| 国产久久久一区二区三区| 成人亚洲欧美一区二区av| 亚洲熟女精品中文字幕| 天美传媒精品一区二区| 男人狂女人下面高潮的视频| 久久这里有精品视频免费| 亚洲一区二区三区欧美精品| 国产综合精华液| 中文在线观看免费www的网站| 制服丝袜香蕉在线| 少妇人妻 视频| 精品久久久精品久久久| 亚洲av免费高清在线观看| 99久久精品一区二区三区| 黄色配什么色好看| 少妇被粗大猛烈的视频| 青青草视频在线视频观看| 欧美极品一区二区三区四区| 亚洲中文av在线| 成人国产麻豆网| 久久精品久久精品一区二区三区| av在线播放精品| 九九爱精品视频在线观看| 亚洲成人av在线免费| 精品国产三级普通话版| 亚洲国产欧美人成| 国产中年淑女户外野战色| 蜜桃亚洲精品一区二区三区| 午夜免费男女啪啪视频观看| 久久99精品国语久久久| 免费观看性生交大片5| 少妇精品久久久久久久| 熟女电影av网| xxx大片免费视频| 五月天丁香电影| 中文资源天堂在线| 亚洲成人中文字幕在线播放| 高清不卡的av网站| 老熟女久久久| 欧美xxⅹ黑人| 久久久久人妻精品一区果冻| 亚洲av不卡在线观看| 欧美三级亚洲精品| 国产精品爽爽va在线观看网站| 亚洲精品乱码久久久v下载方式| 亚洲国产高清在线一区二区三| 一级片'在线观看视频| 国产视频首页在线观看| 性色av一级| 久久久久久久久久久免费av| 国产精品一及| 五月天丁香电影| 在线精品无人区一区二区三 | 成年av动漫网址| 你懂的网址亚洲精品在线观看| 国产精品免费大片| 婷婷色av中文字幕| 久久精品国产亚洲av涩爱| 亚洲成人中文字幕在线播放| 国模一区二区三区四区视频| 男女无遮挡免费网站观看| 夫妻性生交免费视频一级片| 国产极品天堂在线| 最近中文字幕高清免费大全6| 久久精品国产鲁丝片午夜精品| 久久久亚洲精品成人影院| 嫩草影院新地址| 国产高清三级在线| 亚洲av中文av极速乱| 国产精品久久久久久av不卡| 精品亚洲成a人片在线观看 | 日韩免费高清中文字幕av| 男女无遮挡免费网站观看| 街头女战士在线观看网站| 成人影院久久| 亚洲av综合色区一区| 亚洲第一区二区三区不卡| 国产精品爽爽va在线观看网站| 嘟嘟电影网在线观看| 插逼视频在线观看| 亚洲欧洲日产国产| 久久精品夜色国产| 国产成人精品福利久久| 一区二区三区精品91| 18禁在线播放成人免费| 免费看日本二区| 国产男女超爽视频在线观看| 免费久久久久久久精品成人欧美视频 | 草草在线视频免费看| 春色校园在线视频观看| tube8黄色片| 中文字幕av成人在线电影| 美女xxoo啪啪120秒动态图| 99久久人妻综合| 91午夜精品亚洲一区二区三区| 少妇猛男粗大的猛烈进出视频| 一级毛片aaaaaa免费看小| 国产av精品麻豆| av一本久久久久| 免费黄网站久久成人精品| 国产爱豆传媒在线观看| 啦啦啦中文免费视频观看日本| 久久久久久久国产电影| 免费观看在线日韩| 日本av手机在线免费观看| 久久久久久久久久久丰满| 午夜福利高清视频| 91久久精品国产一区二区成人| a级一级毛片免费在线观看| 亚洲欧洲国产日韩| 狂野欧美激情性bbbbbb| 十八禁网站网址无遮挡 | 精品国产三级普通话版| 国产精品久久久久成人av| 欧美人与善性xxx| 国产亚洲91精品色在线| 成年av动漫网址| 亚洲激情五月婷婷啪啪| 国产精品久久久久久av不卡| 91精品一卡2卡3卡4卡| 亚洲美女视频黄频| 久久久久国产精品人妻一区二区| 亚洲经典国产精华液单| 欧美另类一区| 蜜桃亚洲精品一区二区三区| 我的老师免费观看完整版| 18禁在线无遮挡免费观看视频| 亚洲精品一二三| 我的女老师完整版在线观看| 啦啦啦啦在线视频资源| 两个人的视频大全免费| 男男h啪啪无遮挡| 尾随美女入室| 少妇丰满av| 亚洲欧美日韩另类电影网站 | 精品午夜福利在线看| 国产黄色视频一区二区在线观看| 看十八女毛片水多多多| 亚洲综合色惰| 欧美 日韩 精品 国产| 这个男人来自地球电影免费观看 | 一级毛片aaaaaa免费看小| 久久99热这里只有精品18| 美女高潮的动态| 亚洲精品亚洲一区二区| 午夜老司机福利剧场| 国产成人一区二区在线| 中文精品一卡2卡3卡4更新| 青春草国产在线视频| 精品熟女少妇av免费看| 久久97久久精品| 国产午夜精品一二区理论片| 99久久精品热视频| 我要看黄色一级片免费的| 精品少妇黑人巨大在线播放| 色哟哟·www| 99久久人妻综合| 男女边摸边吃奶| av国产精品久久久久影院| 午夜免费男女啪啪视频观看| 各种免费的搞黄视频| 内地一区二区视频在线| 国产极品天堂在线| 成年人午夜在线观看视频| 夫妻性生交免费视频一级片| 久久精品久久精品一区二区三区| 久久久欧美国产精品| 免费播放大片免费观看视频在线观看| 少妇熟女欧美另类| 纵有疾风起免费观看全集完整版| 18禁在线无遮挡免费观看视频| 内射极品少妇av片p| 久久久国产一区二区| 国产在线一区二区三区精| 中文天堂在线官网| 国产成人a∨麻豆精品| 夜夜爽夜夜爽视频| av免费观看日本| 国产 精品1| 日本黄大片高清| 亚洲国产最新在线播放| 久久精品国产亚洲av涩爱| 国产精品女同一区二区软件| 蜜桃久久精品国产亚洲av| 久久久亚洲精品成人影院| 国产免费一区二区三区四区乱码| 97超碰精品成人国产| 麻豆国产97在线/欧美| 久久精品国产鲁丝片午夜精品| 成年人午夜在线观看视频| 尾随美女入室| 日本wwww免费看| 女的被弄到高潮叫床怎么办| 久久久午夜欧美精品| 麻豆成人午夜福利视频| 成人亚洲欧美一区二区av| 欧美zozozo另类| 国产探花极品一区二区| a级毛片免费高清观看在线播放| 中文字幕久久专区| 少妇人妻久久综合中文| 亚洲精品中文字幕在线视频 | 国产精品国产av在线观看| 精品国产三级普通话版| 超碰97精品在线观看| 久久99精品国语久久久| av女优亚洲男人天堂| 99视频精品全部免费 在线| 大片免费播放器 马上看| 亚洲在久久综合| 在线观看国产h片| 又爽又黄a免费视频| 久久精品国产自在天天线| 简卡轻食公司| 亚洲成人av在线免费| 午夜福利视频精品| 亚洲在久久综合| 国产高清国产精品国产三级 | av又黄又爽大尺度在线免费看| 亚洲不卡免费看| 日韩人妻高清精品专区| 亚洲欧美清纯卡通| 黄色日韩在线| 精品少妇久久久久久888优播| kizo精华| 丰满乱子伦码专区| 直男gayav资源| 国产精品成人在线| 在线免费十八禁| av.在线天堂| av国产久精品久网站免费入址| 成人美女网站在线观看视频| 大香蕉久久网| 卡戴珊不雅视频在线播放| 丝瓜视频免费看黄片| 搡女人真爽免费视频火全软件| 久久精品久久久久久久性| 久久精品人妻少妇| 国产黄色视频一区二区在线观看| 欧美精品人与动牲交sv欧美| 精品一区二区三区视频在线| 亚洲欧美一区二区三区黑人 | 国产亚洲欧美精品永久| 国产日韩欧美亚洲二区| 亚洲综合色惰| 日日啪夜夜爽| 国产成人91sexporn| 极品教师在线视频| 日本色播在线视频| 色视频www国产| 国产精品成人在线| 久久精品久久久久久久性| av在线观看视频网站免费| 人妻少妇偷人精品九色| 国产女主播在线喷水免费视频网站| 国产精品熟女久久久久浪| 永久网站在线| 欧美成人一区二区免费高清观看| 网址你懂的国产日韩在线| 久久韩国三级中文字幕| 看十八女毛片水多多多| 欧美成人a在线观看| 亚洲av二区三区四区| 99久久综合免费| 黄色日韩在线| 97热精品久久久久久| 色网站视频免费| 日韩欧美精品免费久久| 国产在线免费精品| 国产av国产精品国产| 国产精品.久久久| 美女福利国产在线 | 成人国产麻豆网| 妹子高潮喷水视频| 街头女战士在线观看网站| 热re99久久精品国产66热6| 日日啪夜夜撸| 麻豆精品久久久久久蜜桃| 一区二区三区精品91| 99热这里只有是精品在线观看| 国产亚洲5aaaaa淫片| 99热全是精品| 久久久午夜欧美精品| 少妇 在线观看| 日韩av在线免费看完整版不卡| 少妇 在线观看| 亚洲一区二区三区欧美精品| 亚洲欧美中文字幕日韩二区| 在线观看av片永久免费下载| 乱系列少妇在线播放| 国产成人精品久久久久久| 国产在视频线精品| 亚洲国产高清在线一区二区三| 我要看黄色一级片免费的| av在线蜜桃| 国产精品99久久99久久久不卡 | 国产综合精华液| 亚洲最大成人中文| 亚洲,一卡二卡三卡| 国产成人精品福利久久| 亚洲成人手机| 高清午夜精品一区二区三区| 2021少妇久久久久久久久久久| 男的添女的下面高潮视频| 51国产日韩欧美| 又爽又黄a免费视频| 亚洲激情五月婷婷啪啪| 少妇人妻精品综合一区二区| 国产亚洲5aaaaa淫片| 国产一级毛片在线| 日韩中字成人| 老熟女久久久| 热99国产精品久久久久久7| 国产精品久久久久久久电影| 久久国内精品自在自线图片| 天堂中文最新版在线下载| 国产片特级美女逼逼视频| 在线看a的网站| 最近的中文字幕免费完整| 免费高清在线观看视频在线观看| 国产精品久久久久久精品古装| 哪个播放器可以免费观看大片| 久久久久久人妻| 久久久成人免费电影| 最近最新中文字幕大全电影3| 一级片'在线观看视频| 男人添女人高潮全过程视频| 日本猛色少妇xxxxx猛交久久| 丝袜喷水一区| 亚洲精品乱久久久久久| av专区在线播放| 免费大片18禁| 欧美激情极品国产一区二区三区 | 亚洲精品中文字幕在线视频 | 亚洲第一区二区三区不卡| a 毛片基地| 亚洲真实伦在线观看| 国产v大片淫在线免费观看| 99热国产这里只有精品6| 乱码一卡2卡4卡精品| 精品午夜福利在线看| 亚洲精品一二三| 久久97久久精品| 99精国产麻豆久久婷婷| 热99国产精品久久久久久7| 亚洲精品视频女| 亚洲av不卡在线观看| www.色视频.com| 在线观看一区二区三区激情| 亚洲国产精品专区欧美| 在线观看一区二区三区激情| 多毛熟女@视频| 国产成人一区二区在线| 欧美成人a在线观看| av在线蜜桃| 妹子高潮喷水视频| 九九久久精品国产亚洲av麻豆| 又黄又爽又刺激的免费视频.| 自拍欧美九色日韩亚洲蝌蚪91 | 美女主播在线视频| 国产精品伦人一区二区| 精品一区二区免费观看| 99热这里只有是精品50| 亚洲国产欧美人成| 一个人看视频在线观看www免费| av一本久久久久| 人妻制服诱惑在线中文字幕| 亚洲国产最新在线播放| 成人毛片60女人毛片免费| 狂野欧美白嫩少妇大欣赏| 久久国产乱子免费精品| av在线app专区| 97超视频在线观看视频|