目前,毒蘑菇的鑒別方法主要包括,以民間經(jīng)驗(yàn)為基礎(chǔ)的形態(tài)識(shí)別法、化學(xué)分析法和動(dòng)物檢驗(yàn)法等。以上識(shí)別方法在實(shí)際的檢測(cè)中存在需要復(fù)雜的實(shí)驗(yàn)儀器,對(duì)不明毒素的檢測(cè)不理想,準(zhǔn)確率不高且所需的實(shí)驗(yàn)周期長(zhǎng)等不足。本文針對(duì)目前現(xiàn)有的毒蘑菇鑒別方法存在的問(wèn)題,在Android平臺(tái)上結(jié)合圖像處理技術(shù)、網(wǎng)絡(luò)通信、數(shù)據(jù)庫(kù)以及模式識(shí)別技術(shù)等知識(shí),研究設(shè)計(jì)一款基于Android移動(dòng)終端的毒蘑菇輔助識(shí)別系統(tǒng),以實(shí)現(xiàn)可以對(duì)毒蘑菇進(jìn)行實(shí)時(shí)快速的識(shí)別分類(lèi),提高人們對(duì)毒蘑菇的認(rèn)識(shí)。系統(tǒng)采用C/S架構(gòu),包括客戶(hù)端和服務(wù)器端。本文以?xún)?nèi)蒙古自治區(qū)呼倫貝爾地區(qū)野生蘑菇為研究對(duì)象,在MATLAB軟件環(huán)境下,對(duì)采集到的蘑菇圖像進(jìn)行裁剪分割處理,根據(jù)其宏觀特征,提取顏色和紋理兩方面特征向量,構(gòu)建特征向量組合作為分類(lèi)器的輸入。針對(duì)所提取的特征參數(shù)非線性的特點(diǎn),建立基于BP神經(jīng)網(wǎng)絡(luò)的毒蘑菇先驗(yàn)分類(lèi)模型。在Android平臺(tái)下進(jìn)行客戶(hù)端的開(kāi)發(fā),主要實(shí)現(xiàn)圖像的采集、裁剪及傳輸功能,用戶(hù)進(jìn)入客戶(hù)端后需要選擇待識(shí)別圖像,可以通過(guò)調(diào)用客戶(hù)端攝像頭拍攝或在本地相冊(cè)中選擇添加,對(duì)選擇的圖像進(jìn)行裁剪后并上傳到服務(wù)器進(jìn)行識(shí)別分類(lèi)。服務(wù)器端接收到圖像后,調(diào)用毒蘑...

【文章頁(yè)數(shù)】：63 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2-2K-means聚類(lèi)算法流程圖

圖2-2K-means聚類(lèi)算法流程圖g.2-2K-meansclusteringalgorithmflowc始類(lèi)均值（質(zhì)心），11211,,...kuuu。點(diǎn)對(duì)象與聚合中心的歐式距離，根分到距離它們最近的聚類(lèi)中心所對(duì)所有的對(duì)像所對(duì)應(yīng)的均值作為該類(lèi)，更新類(lèi)均值i....

圖2-4無(wú)毒蘑菇分割效果圖

直到算法收斂。按照上述算法對(duì)毒蘑菇圖像進(jìn)行聚類(lèi)分割，其中k=2，分割效果圖如圖2-3和圖2-4所示。

圖2-5葉狀耳盤(pán)菌Fig.2-5Phytophthora

圖2-4無(wú)毒蘑菇分割效果圖.2-4Non-toxicmushroomsegmentation數(shù)是毒蘑菇識(shí)別分類(lèi)最關(guān)鍵的數(shù)毒蘑菇圖像進(jìn)行圖像的特征提取征描述。由于毒蘑菇的形態(tài)特征和圖2-5所示。所以本文選擇提取毒

圖2-6HSI顏色空間模型

圖2-6HSI顏色空間模型Fig.2-6HSIcolorspacemodel了人的視覺(jué)系統(tǒng)感知彩色的方式，用色的方式是緊密相聯(lián)的與I分量與圖像要事實(shí)。這些特性使得HSI顏色模型非SI顏色模型進(jìn)行顏色特征參數(shù)的提取亮度（Intensity）三個(gè)特征[23,2....

本文編號(hào)：4026518