共查询到20条相似文献,搜索用时 187 毫秒
1.
图像分割是苹果采摘机器准确识别和定位苹果的关键步骤.本研究首先采用线剖面方法对采集的苹果图像针对颜色特征进行分析,提出了利用颜色特征R-B的色差法对青果期苹果图像进行初步分割.在利用分割后的图像提取图像区域的形状特征(面积、周长、圆形度、离心率等).然后将得到的8个形状特征作为BP神经网络的输入量,随机选取一定数量的样本图像作为BP神经网络的训练样本图像和验证样本图像.样本图像经过BP神经网络训练后,建立了绿色苹果图像的分割模型.通过BP神经网络分割后的苹果图像,果实识别率高达89.3%,分割效果良好. 相似文献
2.
土垡变形的特性取决于翻耕的工艺过程,通过对复杂曲面几何形状的研究,得出了耕作性能较好的工作表面几何参数的计算公式.对耕作机械表面的选择设计具有一定的指导作用。 相似文献
3.
土垡变形的特性取决于翻耕的工艺过程,通过对复杂曲面几何形状的研究,得出了耕作性能较好的工作表面几何参数的计算公式,对耕作机械表面的选择设计具有一定的指导作用。 相似文献
4.
5.
6.
在前人研究的基础上提出一种基于图像的黑鱼几何特征本体获取和构建的研究方法,为构建鱼类本体提供一种新的方法,以应用到鱼的识别研究领域. 相似文献
7.
在前人研究的基础上提出一种基于图像的黑鱼几何特征本体获取和构建的研究方法,为构建鱼类本体提供一种新的方法,以应用到鱼的识别研究领域. 相似文献
8.
在前人研究的基础上提出一种基于图像的黑鱼几何特征本体获取和构建的研究方法,为构建鱼类本体提供一种新的方法,以应用到鱼的识别研究领域。 相似文献
9.
在认真研究分析鸟类图像基础上,选择提取了鸟类图像的颜色、形状及纹理特征,有效地融合了鸟类图像的整体和局部特征,并将其用于鸟类图像的自动识别分类。经试验表明,提取的特征有效,分类效果较好,并具有一定的鲁棒性,能够较好地代表鸟类物种的分类特性。 相似文献
10.
基于多特征综合的昆虫识别研究 总被引:1,自引:1,他引:1
对昆虫的自动识别进行了研究,利用昆虫的数字图像进行计算机自动识别,讨论了昆虫图像的特征提取技术,针对不同昆虫具有不同色彩、形状、纹理的特点,利用异步组合检索方式,将色彩、形状、纹理特征综合利用,弥补了使用单一特征无法对昆虫图像进行充分 相似文献
11.
植被分类能够对一个地区的植被状况进行分析,在环境保护和农业生产方面具有很重要的意义。本研究针对植被遥感图像分类识别需求,首先通过粒子群算法来实现马尔科夫的寻优过程,然后通过遗传算法进行支持向量机解空间的搜索,从而实现更加准确的图像分割和识别,最后通过实验验证了算法的有效性。 相似文献
12.
13.
14.
针对黄顶菊种子人工识别时存在的主观性强、效率低、可重复性差等缺点,提出利用计算机视觉和图像处理技术提取黄顶菊种子特征参数的方法,研究了黄顶菊种子图像的分割方法、目标提取及种子图像中形态和颜色特征的提取方法,分析了各形态特征参数的相关性,筛选出了能精确反映黄顶菊种子几何特征的参数,验证了各特征参数提取方法的有效性,为后期的种子自动识别提供了依据。 相似文献
15.
一种基于神经网络的扇贝图像识别方法 总被引:1,自引:0,他引:1
为了满足计算机视觉辅助下应用机器人进行扇贝自动分拣的实时性和鲁棒性要求,提出了一种基于神经网络的扇贝识别和分级方法.首先对图像进行灰度化处理,并用canny算子检测目标边界,然后用8-连通邻域追踪算法提取目标边界像素坐标,最后计算目标边界到中心点的平均距离及其绝对平均误差,并作为特征信息训练BP神经网络,实现对扇贝图像识别和分类.实验结果表明,该方法可以快速实现扇贝的自动识别和分级工作. 相似文献
16.
基于分层卷积深度学习系统的植物叶片识别研究 总被引:2,自引:3,他引:2
深度学习已成为图像识别领域的研究热点。本文以植物叶片图像识别为研究对象,对单一背景和复杂背景图像分别给出了优化预处理方案;设计了一个8层卷积神经网络深度学习系统分别对Pl@antNet叶片库和自扩展的叶片图库中33 293张简单背景和复杂背景叶片图像进行训练和识别,并与传统基于植物叶片多特征的识别方法进行了比较分析。实验证明:本文提供的CNN+SVM和CNN+Softmax分类器识别方法对单一背景叶片图像识别率高达91.11%和90.90%,识别复杂背景叶片图像的识别率也能高达34.38%,取得了较好的识别效果。利用本文实现的分层卷积深度学习识别系统在数据量大而无法做出更多优化的情况下,叶片图像的识别率更高,尤其是针对复杂背景下的叶片图像,取得了极佳的识别效果。 相似文献
17.
18.
19.
复杂背景下的树木图像提取 总被引:1,自引:0,他引:1
树木图像提取是将树木地面摄影图像中的单株树木与其周围景物分离的技术,为计算机技术在林业中的应用提供基础数据和技术支撑。在自然场景中拍摄的背景具有不确定性的树木图像,其提取是一项探索性很强的工作,具有重要的实用价值和现实意义。本文分析了复杂背景下树木图像的特点和提取的难点等问题;把近年来出现的树木图像提取方法按照图像分割和自然图像抠图分成两大类,并分别对每种方法中的典型算法进行了详细阐述。在此基础上,对图像分割与自然图像抠图技术在树木图像提取应用中的优势和局限性进行了分析和比较,提出把图像分割和自然图像抠图技术合理结合,针对树木图像特征,设计出准确、快速、实时的树木图像提取技术是未来研究的重点和难点。 相似文献