基于邊界樣本分位數(shù)的葡萄霜霉病自適應(yīng)識(shí)別方法

打開文本圖片集

摘要：針對(duì)葡萄霜霉病病斑組織圖像閾值難以確定的問題，提出一種基于邊界樣本分位數(shù)的自適應(yīng)閾值確定方法，通過高斯濾波識(shí)別病斑邊界，并采用邊界樣本的50%分位數(shù)確定為病斑閾值。之后采用蒙特卡洛方法，通過隨機(jī)采樣方法估算病斑比例。結(jié)果表明，與其他閾值確定方法對(duì)比，所提方法能夠自適應(yīng)獲取病斑灰度閾值，識(shí)別精度達(dá)到92.2%，明顯高于其他閾值確定方法；與傳統(tǒng)的機(jī)器學(xué)習(xí)方法對(duì)比，在識(shí)別精度上高于BP神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)，略低于VGG16模型的94.3%與ResNet50模型的96.26%，但計(jì)算時(shí)間為1.410 s，遠(yuǎn)快于VGG16模型與ResNet50模型的5.588 s與20.317 s，說明方法能夠在較短的運(yùn)行時(shí)間內(nèi)實(shí)現(xiàn)較高的精度。（剩余13636字）