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。