核函数主成分分析在粮虫特征提取中的应用

针对储粮害虫种类多、类别之间区分度比较小的特点,提出基于核函数主成分分析(KPCA)的粮虫特征提取方法.利用高斯径向基核函数,对特征选择后的10维原始数字特征进行核函数主成分分析,即通过非线性变换将样本数据从输入空间映射到高维特征空间,然后在高维特征空间进行特征提取.从类间可分性指数和粮虫分类效果2个方面,将KPCA法...     

基于ACO-SVM的粮虫特征提取研究(英文)

[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。     

基于ACO-SVM的粮虫特征提取研究

[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。     

基于模拟退火算法的粮虫图像特征提取

特征提取是储粮害虫图像识别中的重要环节,是识别系统的难点所在。针对粮虫的二值化图像提取出17个形态学特征;运用模拟退火算法从粮虫的17维形态学特征中提取出面积、周长等10个特征的最优特征子空间;采用支持向量机分类器对粮虫进行分类,识别率达到95.0000%以上,证实了基于模拟退火算法的粮虫特征提取的可行性。     

农作物面积遥感调查中最佳波段的选择研究

以南京周边地区农作物面积遥感调查为例,对遥感图像的特征进行了研究,分析计算了研究区影像的各个波段的OIF指数和基于类内类间距离准则的J值,提出了一种基于OIF指数、类内类间距离准则的最佳波段选择方法,对于遥感图像处理中最佳波段选择具有借鉴价值。     

四种不同药剂防治抗性二化螟的效果评价

为筛选出防治抗性二化螟的高效药剂,特进行了5%氯虫苯甲酰胺WG等4种药剂对一代二化螟幼虫的防治效果比较试验。结果表明,5%氯虫苯甲酰胺WG、10%四氯虫酰胺SC和20%甲维·甲虫肼SC对二化螟的防效较好,第2次用药后14 d,对二化螟的杀虫防效分别为98.92%、97.94%和80.59%,保苗效果分别为94.37%、97.54%和92.96%,而5%丁虫腈EC对二化螟的杀虫防效和保苗效果均不理想。因此,防治中等抗性二化螟,应在低龄幼虫期,每667 m~2施用5%氯虫苯甲酰胺WG 60 mL或10%四氯虫酰胺SC50 mL或20%甲维·甲虫肼SC 50 mL进行防治。     

5种杀虫剂防治新泰市玉米螟药效试验

选用5种杀虫剂对夏玉米田玉米螟开展防治试验。结果表明,供试药剂处理对玉米螟均有较好的防效,药后1、3、7 d各药剂防效均大幅增加。其中,总体防效以20%氯虫苯甲酰胺悬浮剂最佳,5%甲维·虫螨腈微乳剂次之,药后7 d防效分别达93.04%、91.44%。5%甲维·虫螨腈微乳剂、20%氯虫苯甲酰胺悬浮剂与25 g/L溴氰菊酯乳油之间防效差异不显著,5%甲维·虫螨腈微乳剂、20%氯虫苯甲酰胺悬浮剂的防效显著高于1.8%阿维·高氯乳油和600 g/L吡虫啉悬浮剂。     

基于纹理特征的土地利用分类研究

为了提高遥感影像分类精度,将影像中的纹理信息作为提取的重要特征,用基于灰度共生矩阵的纹理量的分类法和基于J5判据的最小距离分类法,计算并提取TM5波段最能反映类别差异的纹理特征及组合。以沈阳某一地区为试验区,对图像进行综合分析,试验结果显示:最优组合是直方图的均值m1、对比度CON和灰度共生矩阵的熵H、逆差矩HOM。将利用此组合的分类结果与监督分类结果进行对比,结果表明:将纹理特征应用于图像分类中可区分光谱混淆的地类,分类精度高于单纯光谱的分类精度。     

7种杀虫剂对玉米草地贪夜蛾幼虫的室内毒力测定及田间防效

为筛选出能防治玉米上草地贪夜蛾的低残留、低毒、高效杀虫剂,研究分别对7种杀虫剂进行了室内毒力测定,并进行了田间药效试验。毒力测定结果表明:60 g·L~(-1)乙基多杀菌素对草地贪夜蛾幼虫的毒力最高,100亿孢子·mL~(-1)短稳杆菌的毒力最低,LC50分别为0.141 mg·L~(-1)和11.564 mg·L~(-1);7种杀虫剂的毒力测定大小为60 g·L~(-1)乙基多杀菌素25%甲维盐·虫酰肼30%氟铃脲·茚虫威12%甲维盐·虫螨腈240 g·L~(-1)虫螨腈5%氯虫苯甲酰胺100亿孢子·mL~(-1)短稳杆菌。田间防效结果表明:60 g·L~(-1)乙基多杀菌素和25%甲维盐·虫酰肼对草地贪夜蛾幼虫的速效性和持效性较好,3～14 d后的防效都能达到90%以上,防效差异不显著;5%氯虫苯甲酰胺、240 g·L~(-1)虫螨腈、12%甲维盐·虫螨腈和30%氟铃脲·茚虫威在14 d后的防效分别为90.24%、86.71%、87.61%和96.53%;100亿孢子·mL~(-1)短稳杆菌较其他6种杀虫剂相比,速效性和持效性较低,3d后的防效为59.64%,14 d后的防效为80.38%。     

聚类算法在玉米叶片病斑降维识别中的应用

为了及时、准确地识别玉米病害,基于聚类识别算法,进行了玉米叶片病斑图像识别的对比试验。首先利用LLE算法对玉米图像降维以提取特征,然后采用K-均值算法、FCM算法和GK算法进行聚类分析,其中GK算法能够有效识别出玉米病斑图像,正确识别率高达95.5%。可见,GK模糊聚类算法对玉米病斑图像的识别效果较好。     

模拟退火算法在储粮害虫图像识别中的应用

简要介绍了储粮害虫智能检测的几个部分:图像采集、图像预处理、特征形成、特征压缩及其分类。对特征选择中的模拟退火算法的思想、实现步骤、参数选择分析等进行了重声、阐述,该算法有效地将储粮害虫的17维原始形态学特征降为10维,提高了分类的效率。     

BP神经网络在储粮害虫分类中的应用研究

综合利用计算机视觉技术和BP神经网络技术,实现了对粮仓害虫的无损检测.通过对粮仓害虫图像的CCD图像预处理,获取了几何特征和不变矩等15个特征参数,并通过优化选取其中七个参数输入神经网络进行训练.仿真结果表明训练网络对粮仓四类常见害虫的识别率达到了85%,得到了较好的识别结果.     

田间害虫图像识别中的特征提取与分类器设计研究

特征提取和分类器的设计是田间害虫图像识别中的关键环节。针对害虫目标的二值化图像提取出面积、周长、复杂度等7个形态学特征,并进行归一化处理;建立了9种害虫的模板库及隶属度函数,并基于最小最大的原则进行模糊决策分析;对稻纵卷叶螟、棉铃虫等田间危害严重的9种害虫进行识别分类的识别率达86%以上。     

粮虫图像识别检测技术研究现状与展望

为促进图像识别检测技术在我国粮情测控领域的应用研究,从预处理、特征提取、识别分类和种群密度估计4个方面,概述和分析了计算机图像识别检测技术在粮虫自动识别中的发展现状,提出今后应从图像自动采集装置的研制、粮虫图像的有效特征获取、高适应分类器的设计、粮虫种群密度的估计、多种检测技术的融合等方面开展深入研究,为科学规范粮虫防治工作提供更好的决策支撑。     

基于自组织特征映射神经网络的储粮害虫分类方法研究

提出了基于自组织特征映射（SOM）神经网络的害虫分类方法：该方法能将任意维输入模式在输出层映射成一维或二维离散图形,并保持其拓扑结构不变,而且无需监督,可实现对输入模式自动分类。分析了SOM网络基本工作原理,并将之用于害虫分类模型的建立中。结果表明,该方法能有效地对害虫进行分类,比BP神经网络分类精确度高、分类结果的可解释性更好。     

基于遗传算法和支持向量机的储粮害虫图像识别

建立支持向量机（SVM）模型,用遗传算法自动选择最优的核函数参数,利用该SVM与遗传算法相结合的新型算法对储粮害虫图像进行分类识别。结果表明,该方法所确定的SVM对储粮害虫具有较优的识别率,其整体性能优良。