- 博客(106)
- 资源 (1)
- 收藏
- 关注
RSS订阅
原创 基于OGD-Net的果园环境下蟠桃生长期检测
为解决自然果园环境下蟠桃生长期识别精度不足的问题，本文基于轻量级YOLOv11n模型，提出了一种自然果园环境下的蟠桃生长期检测模型OGD-Net
2026-10-19 16:43:32
283
1
原创 MATLAB 纹理特征提取：一文读懂 graycomatrix 与 graycoprops
灰度共生矩阵描述图像中两个像素定义两个像素的距离和方向统计满足条件的像素对，其灰度值(i,j)出现的次数 / 概率最终生成一个N×N矩阵（N 为灰度级数），矩阵值代表对应灰度像素对的共生频率简单说：GLCM 就是图像纹理的 “数字指纹”。
2026-05-03 12:53:55
566
原创 基于轻量化浅层卷积神经网络的手写数字识别
title(['真实：' char(testLabels(idx(i))) ' 预测：' char(predictedLabels(idx(i)))]);convolution2dLayer(3,16,'Padding','same') % 3x3卷积核，16个特征图。convolution2dLayer(3,32,'Padding','same') % 3x3卷积核，32个特征图。maxPooling2dLayer(2,'Stride',2) % 2x2最大池化，步长2。
2026-04-29 20:29:26
470
原创 基于欧式距离最小分类器的手写数字识别
手写数字识别是模式识别与计算机视觉领域的经典基础任务，MNIST 数据集作为该领域的标准测试集，被广泛用于验证基础分类算法的有效性。最小距离分类器是最简单的模板匹配分类算法，其核心原理为：首先计算每类训练样本的均值向量作为类别模板，对待分类样本计算其与各类别均值向量的欧式距离，将距离最小的类别判定为该样本的预测类别。 该方法具有原理直观、计算简单、实现便捷、无需复杂训练过程的核心优势，适合入门学习与简单场景应用。但同时存在明显局限：仅利用类别均值信息，忽略样本分布特征，对数据噪声和类间重叠敏感，
2026-04-26 12:50:59
470
原创 基于超绿特征的自然场景下的害虫图像识别
一、引言自然农田场景背景杂乱、光照不稳定，人工虫害排查效率低、误差大。依托 RGB 颜色空间、超绿特征等传统色彩分割算法开展害虫识别，算法简单高效、易轻量化部署于移动端，可快速分割提取害虫目标，实现田间虫害快速检测，助力精准防虫、减量用药，推动智慧农业普及应用。二、原始图像和程序代码三、程序代码clear all;close all;clc;%% 1. 读取原始图像（替换为你的实际图像路径）
2026-04-26 11:39:31
455
原创 基于HSV和RGB颜色空间的自然场景下草地黄花背景分割检测和计数
一、引言在农业、生态监测、智能花卉识别等场景中，花朵的自动计数是一项基础且重要的任务。传统人工计数效率低、易出错，而基于计算机视觉的方法可以实现快速、准确、非接触式的自动统计。本文基于 MATLAB 平台，采用的方法，实现黄色花朵的精准分割与自动计数，代码完整可直接运行。二、基本原理整个黄花检测与计数流程遵循黄色花朵在图像中具有明显区别于背景（绿叶、土壤、阴影）的颜色特征，通过设定合理的颜色阈值，可以将 “黄花区域” 与 “非黄花区域” 分开，得到二值化掩码图像。
2026-04-18 14:28:23
563
原创 基于MATLAB和Python的图像的点运算实例（线性点运算和非线性点运算）
一、引言图像点运算也叫灰度变换，是图像处理基础操作。它，运算结果只由该像素原始值决定，与邻域像素无关。运算不会改变图像像素空间位置与几何结构，仅调整灰度分布，常用于亮度调节、对比度增强、灰度校正，分为线性点运算与非线性点运算两类。下面通过一幅灰度图像利用MATLAB进行线性点运算和非线性点运算增强。二、原始图像和程序clear all;close all;imshow(I);I2=1.5*I;%调整图像强度值。
2026-03-27 21:27:51
425
原创 基于MATLAB的硬币背景分割和计数
figure('Name','硬币检测标记结果','NumberTitle','off');figure('Name','背景分割结果','NumberTitle','off');figure('Name','边缘检测结果','NumberTitle','off');figure('Name','图像直方图','NumberTitle','off');figure('Name','原始图像','NumberTitle','off');'FontWeight', 'bold', ... % 加粗。
2026-03-21 13:46:21
505
原创 基于Python的硬币背景分割和计数
Python 与图像处理库的组合使用，让图像分割与计数变得简单高效。本文的核心思路（阈值分割→孔洞填充→连通域计数）不仅适用于硬币，还可迁移到纽扣、零件等规则物体的自动化计数场景，具有一定的实用价值。
2026-03-14 19:09:04
548
原创 什么是LLM、VLM、MLLM、LMM？它们之间有什么关联？
LM、VLM、MLLM、LMM 是多模态 AI 领域的核心概念，因名称相近、功能交叉，极易产生认知混淆。弄清它们的定义、功能差异与内在关联，是理解大模型从文本单一交互到多模态协同的关键。
2026-02-08 14:19:50
1611
原创 什么是通用大模型？什么是垂直大模型？两者有何异同？
从技术应用的演进脉络来看，大模型通常被划分为通用大模型与垂类大模型两大类别。如今，大模型已摆脱早期边缘辅助工具的定位，凭借强大的数据分析、逻辑推理与内容生成能力，逐渐跃升为驱动各行业业务模式创新、效率提升与价值重构的核心引擎，其两类细分形态的差异化价值也随之愈发凸显。以“平台+应用+服务”为落地路径，涵盖数据工厂、算力工厂、模型工厂及智能体工厂等核心模块，支撑医疗、金融、政务、工业等垂直领域的智能问答、文档解析、工艺优化等场景。可以理解为 “专业型选手”，在自己的赛道上很强，但在其他领域能力有限。
2026-01-09 11:33:12
2482
原创 基于Python的近红外光谱数据预处理与特征筛选——以哈密瓜品质检测为例
通过Python代码实现这些处理步骤，可以有效降低光谱中的噪声和基线漂移，增强信号的稳定性，同时剔除冗余波段，减少多重共线性干扰。为了减少光谱端点的噪声干扰并增强有效信号的稳定性，对采集的光谱数据进行了波段截取，仅保留500 ～ 1050 nm区域，再对光谱进行预处理，将预处理后的光谱作为分析对象，从而提高特征提取的可靠性。总的来说，本文展示的光谱预处理和特征筛选流程，构建了一条从原始光谱采集到关键波段提取的完整路径，既适合科研实验，也能为实际果蔬智能检测和质量控制提供参考，具有较高的应用价值和推广潜力。
2025-11-01 11:15:33
1433
2
原创 基于MATLAB的证件照片背景换色实例
一、前言在工作生活中，我们经常用到各种证件的照片，有时候需要不同的背景颜色，这时候我们可以通过数字图像处理进行背景换色。证件照背景换色的核心原理是先精准分割背景与人物主体，再用目标颜色替换背景区域，假如把蓝色背景颜色换成白色，则背景区域的颜色是（255,255,255）。下面给出一个蓝色背景照片换成白色的实例，其它的换色原理类似。二、原始图像和源代码1.原始图像如下2.MATLAB源代码clear all;% 清除工作区所有变量close all;% 关闭所有已打开的图形窗口clc;
2025-10-21 12:33:16
2077
6
原创 MATLAB绘制方波、锯齿波、三角波、正弦波和余弦波、
一、引言一、引言MATLAB是一种具有很强的数值计算和数据可视化软件，提供了许多内置函数来简化数学运算和图形的快速生成。在MATLAB中，你可以使用多种方法来快速绘制正弦波、方波和三角波。以下是一些基本的示例，展示了如何使用MATLAB的命令来实现正弦波、方波和三角波的快速绘制，大家可以在此基础上进行改进，为学习、科研和工作提供便利。二、绘制正弦波和余弦波可以通过sin函数、cos函数和plot来进行绘制,MATLAB详细编程如下。clear all;close all;clc;
2024-07-23 11:46:55
10848
原创 PPI（每英寸像素数）、DPI（每英寸点数）和Pixel（像素）的区别和联系
因此，在图像尺寸不变的情况下，增加图像的像素数可以提高PPI值，从而提高图像的清晰度。Pixel，即像素，是图像显示的基本单位，也是计算机系统中数字化图像的最小组成单元。DPI越低，扫描的清晰度越低，由于受网络传输速度的影响，web上使用的图片都是72dpi，但是冲洗照片不能使用这个参数，必须是300。从上可知同样尺寸的显示器，其显示器的分辨率越高，其PPI越大，图像的细节越丰富，显示效果越好。理论上，人眼的分辨率极限为0.1mm，换算成PPI为254，即每英寸有254个像素就超过了人眼的分辨率。
2024-07-09 23:21:02
5081
原创 RGB彩色模型理解与编程实例
和绿（0，1，0）混合可以合成黄色（1，1，0）；绿（0，1，0）和蓝（0，0，1）混和可以得到青色（0，1，1）；红（1，0，0）混合绿（0，1，0）可以得到深红色。当R、G和B三分量值都相等时，就显示为灰度，其中黑色（0，0，0），白色（1，1，1）。生成一幅128*128的RGB图像，该图像左上角为白色，左下角为蓝色，右上角为绿色，右下角为黄色。figure,imshow(rgb),title('RGB彩色图像');%R通道矩阵128*128矩阵初始化为0。%G通道矩阵128*128矩阵初始化为0。
2024-06-21 22:17:32
2293
1
原创 彩色图像批处理实例
处理的主要步骤：1. 六张彩色图像存放在flower文件夹中，图像文件名为1.jpg 2.jpg 3.jpg 4.jpg 5.jpg 6.jpg 2.使用uigetfile读取图像；2）图像二值化 3）图像形态学运算去除噪声 4）背景分割后的彩色图像 5）将分割后彩色图像以指定格式保存到flower文件夹下。
2024-06-18 11:56:15
656
原创 基于数字图像处理的水中鱼计数
subplot(2,3,6),imshow(I_bw_Open),title('开运算后的二值图像')subplot(2,3,4),imshow(I_reverse),title('图像反色')%subplot(3,3,7),imshow(I_final),title('目标提取')subplot(2,3,2),imshow(I_1),title('裁剪后的图像')subplot(2,3,3),imshow(I_2),title('增强后图像')I_bw_Open = imopen(I_bw,se);
2024-05-22 12:03:17
879
1
原创 无人机遥感赋能：特征融合+SVM棉蚜早期监测+SHAP
本文提出一种基于植被指数与纹理特征融合的棉蚜危害精准监测方法，采用特征层融合策略，将两类特征在输入模型前进行有效整合。构建基于支持向量机（SVM）的机器学习模型，通过协方差矩阵自适应进化策略（CMA-ES）对其超参数进行优化，用于棉蚜危害等级评估。最后，利用SHAP方法对优化后的模型进行可解释性分析。
2026-10-19 18:20:14
202
原创 基于K-Means聚类分析的鸢尾花分类
聚类分析是的核心算法，无需人工标注数据标签，仅根据数据自身的特征相似性（距离、密度、相关性等），将数据集自动划分为若干个簇（类别）。（物以类聚）。
2026-06-08 18:46:26
302
原创 【高光谱图像数据处理实战】基于Python的ENVI图像交互式裁剪与光谱数据预处理
在处理高光谱数据时，常常需要面对两个核心问题：一是如何从庞大的三维数据立方体中高效、准确、批量地提取感兴趣区域（ROI）;二是如何对提取出的一维光谱数据进行科学的预处理，以消除噪声和基线漂移。本文将分享两个非常实用的 Python 脚本，分别解决上述两个痛点，涵盖了从交互式图像裁剪到一维光谱数据预处理的完整工作流。
2026-05-08 19:43:50
379
原创 面向无人机和智能手机的YOLOv8模型改进实战—棉叶病虫害多尺度目标检测
棉花是一种重要的经济作物，也是世界范围内纺织品的主要原料。考虑到DeepSeek等国内人工智能大语言模型的崛起，未来研究可以接入Deep Seek大语言模型，辅助棉叶病虫害诊断和防治决策，并由植保专家对决策结果进行评估和校正，建立决策结果与专家修正的闭环优化机制，提升棉花病虫害诊断和防控的AI+精准指导。（4）Shape-IoU：Shape-IoU通过引入形状和尺度感知因子，改进了传统IoU的计算方式，使其能够更准确反映边界框之间的真实相似度，提高小目标的检测精度，增强模型对不规则形状目标的适应性。
2026-01-14 11:16:45
1343
原创 基于RBCN-YOLO的蟠桃花序疏花策略
为充分利用RBCN-YOLO模型，该研究进一步推进蟠桃花序疏除的研究进展，提出了一种基于RBCN-YOLO模型的疏花策略。为增强模型的视觉交互性和实用性，该研究将RBCN-YOLO模型与PyQt5框架和OpenCV库相结合，开发了一个专门用于蟠桃花序检测和识别的系统，如图6所示。该研究提出的RBCN-YOLO模型，能精确识别蟠桃花序的各个生长阶段，特别是芽与花之间的初花期。（3）疏花策略：基于检测模型的输出信息，结合密度分类算法、花序隶属度分类和间隔疏除要求，提出了一种新的蟠桃花序疏花策略。
2025-12-11 03:07:29
413
原创 基于AI大语言模型的自然场景下月季花的背景分割、面积周长计算
下面我们以对一幅彩色图像背景分割和目标物的面积和周长计算为例，我们可以先在大语言模型下（如文心一言和豆包等）输入“请对彩色图像的花朵进行背景分割并进行面积和周长计算，并在红花的质心上标注面积大小”。text(centroid(1), centroid(2), sprintf('面积: %d', area), ...subplot(1,3,3),imshow(red_flower),title('提取的红色花朵');fprintf('红花%d 的面积为：%f\n', i, stats(i).Area);
2025-09-28 13:38:07
1380
原创 CNN、YOLO和Transformer的概念和其关系
一、CNN、YOLO和Transformer概念1.CNN(卷积神经网络是一种深度学习网络，广泛应用于图像识别、目标检测等领域。卷积神经网络是一种前馈神经网络（Feedforward Neural Networks），是目前深度学习中的核心模型之一。它通过、池化层和全连接层的层级结构，自动提取输入数据的局部特征，逐步压缩信息，减少冗余，并提升泛化能力。CNN 模仿生物视觉系统的工作方式，具备参数共享和局部连接的结构优势，能够高效处理格点状数据（如图像和语音），无需依赖额外的特征工程。
2025-09-26 19:18:41
1458
原创 基于改进U-Net和DeepLabv3+的两阶段语义分割模型实战——棉花黄萎病的检测
基于深度学习算法提出了棉花黄萎病检测的两阶段语义分割模型，第一阶段以U-Net为基础模型，引入VGG16为骨干网络，添加SimAM注意力机制，提出了棉花黄萎病病叶检测模型。针对病斑边缘特征难以捕捉的问题，第二阶段以DeepLabV3+为基础模型，引入MobileNetV2为轻量化骨干网络，添加SimAM注意力机制，构建F&D复合损失函数，提出了棉花黄萎病病斑检测模型。集成两种模型，提出了基于深度学习的两阶段棉花黄萎病检测模型。
2025-09-12 12:40:04
1081
3
原创 计算智能的概念和其算法的主要算法类型
是以生物进化规律为灵感，通过模拟自然系统的运作机制来设计算法，解决复杂问题。其核心在于通过自适应、自组织的方式实现智能决策。计算智能（Computational Intelligence，CI）,有时也成为智能计算(I。规律的启迪根据其原理模仿设计求解问题的算法，不是一个全新的物种，是由。发展而来，它既是对通用计算的延续与升华，更是应对。参考资料：www.baidu.com。注意：智能计算就是借用自然界。
2025-09-11 12:56:32
503
原创 基于高斯混合模型（GMM）的视频运动目标检测
是一个，用于表示一个由多个高斯分布（正态分布）组成的数据集合。用于表示一个由多个高斯分布（正态分布）组成的数据集合是由多个高斯分布函数组成的线性组合。理论上，可以拟合出任意类型的分布，通常用于解决同一集合下的数据包含多个不同分布的情况。下面给出一个基于GMM的视频运动目标检测实例。二、程序代码clear all;close all;clc;%显示提示信息%读取视频文件get(video) %获取视频信息%显示提示信息。
2025-09-05 12:39:16
509
原创 机器视觉与人工智能技术简介及MV+AI融合应用
一个典型的机器视觉系统就像一双“工业眼睛+大脑+执行装置”，其工作流程是：通过硬件部分“看见”物体，然后通过软件部分“处理和理解”看到的信息，最终做出决策并通过硬件执行决策（如基于机器视觉的水果品质分选机）。机器视觉技术通常是指通过计算机对图像和视频进行自动分析和处理的技术，即通过机器视觉产品(即图像摄取装置，分CMOS和CCD两种)将被摄取目标转换成图像信号，传送给专用的图像处理系统，得到被摄目标的感兴趣信息，根据像素分布和亮度、颜色等信息，转变成数字化信号;技术，是一门涉及人工智能、神经生物学、
2025-09-03 18:20:39
1684
原创 基于CotSegNet网络和机器学习的棉花点云器官分割和表型信息提取
PointNet++作为点云处理领域的先驱与里程碑式深度学习模型，以其卓越的性能和对无序点云数据直接处理的能力而闻名。
2025-08-31 11:49:00
1323
1
原创 基于MATLAB的视频文件的读入和显示
一、引言视频文件读入和对视频中某一帧或部分视频内容显示是图像处理中常见的内容。在 MATLAB 中处理视频文件主要使用和imshow等函数。下面介绍视频文件读入和显示的基本命令及用法，并提供一个完整实例。
2025-08-30 18:24:05
945
原创 采用机器学习的苗期棉株点云器官分割与表型信息提取
植物表型信息的获取有助于管理人员掌握其生长状态，便于采取相关管理措施以促进植物的生长发育。目前基于三维点云的植株器官分割方法难以实现苗期棉株顶端新生叶的精确分割，影响棉株表型信息提取的准确度。该研究提出了一种改进的苗期棉株器官点云分割方法，实现茎、叶器官的精确分割和茎高、叶长、叶宽、叶面积表型信息的提取。（1）首先使用拉普拉斯骨架提取算法获取棉株的点云骨架；（2）根据棉株的特征形态将棉株的茎和叶片分解成器官子骨架；（3）利用以距离场为输入的 Quickshift++
2025-08-29 19:19:57
1057
原创 欧拉数及在数字图像处理中的应用
是描述二值图像（仅含前景像素 “1” 和背景像素 “0”）拓扑结构的核心参数，本质是对图像中 “连通区域” 与 “孔洞” 数量关系的量化，反映图像的宏观拓扑特征（拓扑变换下保持不变，如平移、旋转、缩放不改变其值）。）转化为二值图像，再计算欧拉数；r 函数用于计算二值图像的欧拉数，其核心原理基于 拓扑学 中的欧拉公式，通过计算图像中孔数与连接部分的差值来得出结果。H：图像中孔洞的数量（即前景区域内部被背景像素 “0” 包围的独立区域数量，可理解为 “前景中的背景洞”）。三、基于MATLAB的欧拉数计算。
2025-08-23 15:17:46
669
原创 人工智能（AI）、生物智能（Biological Intelligence)和统计智能（Statistical Intelligence)简介
许多 AI 算法（如机器学习中的线性回归、决策树、神经网络）本质上依赖统计方法：通过分析数据的统计规律训练模型，实现智能行为（如预测用户偏好、识别图像）。生物智能是 AI 的灵感来源和模拟对象。而统计智能也可用于解析生物智能的机制（如通过统计模型分析大脑神经信号的规律，揭示记忆形成的原理）。它是生物体为了生存、繁衍和适应复杂多变的环境而发展出来的能力，体现在学习、记忆、推理、解决问题、社交、情感、创造力等方面。是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新技术科学。
2025-08-10 11:00:03
1195
原创 傅里叶描述子及图像处理中的应用
legend(['原始', arrayfun(@(n) sprintf(' %d个分量',n), N_values, 'UniformOutput', false)], ...figure('Name', '傅里叶描述子处理结果', 'Position', [100 100 1000 800],'NumberTitle','off');fprintf('展示了保留 %s 个分量的重构结果\n', num2str(N_values));
2025-07-24 13:43:00
1464
原创 MATLAB矩阵点除（./）除法、左除（\）和右除（/）的区别与实例
求解方程 A\B 等价于解方程 A*X = B，即求 X = A⁻¹*B（当 A 可逆时）。% 等价于 X = A*B⁻¹。X = A\B % 等价于 X = A⁻¹*B。X = A/B % 等价于 X = A*B⁻¹。B = [1, 2;% 矩阵左除：求解 A*X = B。% 矩阵左除：求解 A*X = B。% 矩阵右除：求解 X*B = A。% 矩阵右除：求解 X*B = A。
2025-07-17 19:40:26
1535
彩色图像批处理实例（自然场景下）
2024-06-18
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人