共查询到10条相似文献,搜索用时 15 毫秒
1.
3.
4.
5.
6.
7.
[目的]研究基于ACO-SVM的粮虫特征提取,探讨粮虫特征提取的可行性。[方法]通过分析储粮害虫图像识别系统中的1个关键环节——特征提取,提出把支持向量机(Support vector machine,简称SVM)算法中交叉验证训练模型的识别率作为储粮害虫特征提取评价准则的1个重要因子,将蚁群优化算法(Ant Colony Optimization,简称ACO)应用于粮虫特征的自动提取。[结果]该算法从粮虫的17维形态学特征中自动提取出面积、周长等7个特征的最优特征子空间,采用参数优化之后的SVM分类器对90个粮虫样本进行分类,识别率达到95%以上。[结论]该研究表明蚁群优化算法在粮虫特征提取中的应用是可行的。 相似文献
8.
[目的]研究基于ACO-SVM的粮虫特征提取,探讨粮虫特征提取的可行性。[方法]通过分析储粮害虫图像识别系统中的1个关键环节——特征提取,提出把支持向量机(Support vector machine,简称SVM)算法中交叉验证训练模型的识别率作为储粮害虫特征提取评价准则的1个重要因子,将蚁群优化算法(Ant Colony Optimization,简称ACO)应用于粮虫特征的自动提取。[结果]该算法从粮虫的17维形态学特征中自动提取出面积、周长等7个特征的最优特征子空间,采用参数优化之后的SVM分类器对90个粮虫样本进行分类,识别率达到95%以上。[结论]该研究表明蚁群优化算法在粮虫特征提取中的应用是可行的。 相似文献
9.
10.
成果简介:采用陷阱测虫器检测,首次制定虫粮等级标准:捕虫量〈3.9头/2h。其中主要害虫(玉米象、谷蠹、麦蛾)〈1.5头/2h为基本无虫粮:捕虫量3.9~23.4头/2h,主要害虫1.5~7.5头/2h为一般虫粮;捕虫量〉23.4头/2h,主要害虫〉7.5头/2h为严重虫粮;含有对外检疫对象害虫种类则为危险虫粮。本标准在高大平仓中具有广泛的应用价值。 相似文献