基于D-S理论的多源数据融合柑橘黄龙病检测分类方法

    公开(公告)号:CN104036257A

    公开(公告)日:2014-09-10

    申请号:CN201410290368.6

    申请日:2014-06-25

    Abstract: 本发明公开了一种基于D-S理论的多源数据融合柑橘黄龙病检测分类方法,包括:利用高光谱图像采集平台、可见光谱图像采集平台和荧光谱图像采集平台采集到柑橘叶片样品的图像信息,对每种光谱采集的图像信息进行黄龙病症状的分类,得到三种光谱每一类症状的识别率;将三种光谱的识别率作为证据源,给证据识别框各命题分配BPA值,建立证据源的可信度向量;将可信度作为折扣因子对证据识别框内各命题的BPA值进行调整;采用Dempster组合规则将调整后的BPA值进行融合,得到对黄龙病症状的综合识别率,实现对黄龙病症状的正确诊断。本发明方法将高光谱、可见光谱和荧光谱的识别率进行融合,得到一个黄龙病症状的综合识别率,实现对黄龙病症状的正确诊断。

    基于D-S理论的多源数据融合柑橘黄龙病检测分类方法

    公开(公告)号:CN104036257B

    公开(公告)日:2017-11-21

    申请号:CN201410290368.6

    申请日:2014-06-25

    Abstract: 本发明公开了一种基于D‑S理论的多源数据融合柑橘黄龙病检测分类方法,包括:利用高光谱图像采集平台、可见光谱图像采集平台和荧光谱图像采集平台采集到柑橘叶片样品的图像信息,对每种光谱采集的图像信息进行黄龙病症状的分类,得到三种光谱每一类症状的识别率;将三种光谱的识别率作为证据源,给证据识别框各命题分配BPA值,建立证据源的可信度向量;将可信度作为折扣因子对证据识别框内各命题的BPA值进行调整;采用Dempster组合规则将调整后的BPA值进行融合,得到对黄龙病症状的综合识别率,实现对黄龙病症状的正确诊断。本发明方法将高光谱、可见光谱和荧光谱的识别率进行融合,得到一个黄龙病症状的综合识别率,实现对黄龙病症状的正确诊断。

Patent Agency Ranking