计算机视觉领域的论文文献

发布时间：2022-03-25

　　计算机视觉是一门综合性的学科，主要是通过使用计算机及相关设备对生物视觉的一种模拟。现在这一领域已应用于各个领域，并产生了很多论文文献。本文学术顾问经过搜索，给大家汇总了一些分享给大家。有论文查重、翻译、润色、专业学术评审、推荐期刊等服务。

　　计算机视觉领域的论文文献一：基于计算机视觉的芋头病害监测与识别

　　摘要:为深入及时掌握芋头病害的信息与生长动态，基于计算机视觉中的图像识别与特征提取技术，对芋头常见病害进行监测与识别研究。在全面理解芋头病害监测的内部波段划分与识别方法匹配基础上，融合计算机视觉的图像纹理特征识别与边界区域条件参数，建立芋头病害识别监测理论模型，通过系统的硬件仪器及电路配置、软件程序功能实现，进行芋头病害图像监测识别试验。结果表明:根据芋头常见病害的外形特征，可得到多组清晰化的芋头病害特征与症状显示图，是直观化识别与分类管控的重要依据。该监测系统整体芋头病害识别率较高，平均维持在88%以上，其中疽病的识别率可达到91.3%，试验效果良好且思路可行，对类似农作物病害的监测与识别技术优化有一定的参考价值。

　　关键词:芋头病害;图像识别;纹理特征;识别率

　　计算机视觉领域的论文文献二：基于计算机视觉的水稻叶绿素含量测定

　　摘要:叶绿素含量影响植物的各种生理机能，准确测定水稻叶绿素含量有利于了解水稻的光合作用能力，为高产育种和栽培提供依据。叶绿素含量的测定方法有多种，传统测定方法步骤繁琐且耗时费力，而便携式叶绿素仪只能进行点测定。计算机视觉是一种快速便捷的图像处理技术，可以用于作物的色素含量测定和营养状况诊断。为此，设计了一种基于计算机视觉的水稻叶绿素含量测定方法，叶片图像通过扫描获得，经过处理并提取叶片轮廓后以G-R、B-R和R/(G+B)等3个颜色特征参数建立叶绿素含量的估算模型。结果表明:以G-R和R/(G+B)建立的模型精度较高，对检验样本SPAD值拟合方程的决定系数和斜率都接近1，可以用来准确测定水稻的叶绿素含量。

　　关键词:水稻;叶绿素;计算机视觉

　　计算机视觉领域的论文文献三：基于计算机视觉的自行车脚踏配对自动检测系统

　　摘要：为克服人工视觉检测自行车脚踏配对存在漏检、误判、易受人为因素影响等问题，提出了应用计算机视觉技术检测，以脚踏安装螺纹为检测对象，采集图像。针对脚踏左右螺纹图像灰度差异大、螺纹特征不完整，不能直接识别等问题，首先采用分区域Niblack二值化运算，然后提出了腐蚀—骨架—凸壳—骨架的形态学组合算法，将螺旋线转换为平面直线段，提取得到平滑、连贯、斜率相反的螺纹线特征;另外，测量左右螺纹线夹角大小，作为检测对象，并开发了计算机视觉脚踏自动检测系统。生产试验结果表明，该系统的准确率、效率、可靠性均达到企业要求，检测结果不受主观因素的影响，稳定性好，成本低，可取代人工检测。

　　关键词：计算机视觉;图像处理;螺纹;形态学;