文件名称:小麦叶病的检测
文件大小:706KB
文件格式:PDF
更新时间:2024-06-17 15:33:27
Wheat disease, K-means clustering algorithm,
小麦病害对小麦生产有害,但是很少有能够有效检测小麦叶片常见病害的分割算法。 本文提出了一种基于K-means聚类的自动高效解决方案,基于Lab色彩空间对常见的小麦叶片病害进行了分割。 首先,clolur图像从RGB转换为Lab色彩空间。 然后,通过获取Lab色彩空间中每个像素与聚类中心之间的绝对差来完成聚类。 与传统方法不同,该方法不需要手动设置阈值,并且不受所选通道的影响。 结果表明,三种常见病(粉状,叶锈病和条锈病)的分割准确率均在90%以上,证明了该方法的有效性。