BP神经网络算法的一种改进及在小麦赤霉病预测中的应用

针对BP网络收敛速度慢,计算量大等缺点,提出了动量法和批处理梯度下降学习算法相结合的BP神经网络改进算法,用以提高BP网络训练速度。该方法成功地实现了小麦赤霉病流行程度预测,效果显著。     

基于叶片的植物病虫害识别方法

综合运用计算机数字图像处理技术与人工神经网络技术,对叶片色度值进行了计算;同时,建立一个多层BP神经网络,实现了对大豆叶片中病斑的自动识别,运用区域标记法对病斑的特征参数进行计算.实验证明,该方法能有效地识别出病斑区域,识别率可达92.1%,计算的特征参数为病种的识别提供了理论依据.     

基于双线性映射的植物叶片校正算法的研究

针对在应用数码相机采集大田作物叶片图像时出现的植物叶片图像倾斜和几何失真等问题,提出了基于双线性映射的植物叶片校正算法.测量有效性不受叶片大小、形状差异和叶片图像中叶片周边白色背景的影响.实验验证该方法校正叶片图像,精度可达99%以上,是进一步提取植物叶面特征的基础.     

计算机基础课网络教学平台的设计与实现

针对我校计算机基础课程门类多、及有纸化考试方式无法考查实际应用能力等弊端,开发了教与学并进的计算机基础课网络教学平台。该教学平台分为外网与内网两级层次,内网用于考试,外网用于平时学习。计算机基础网络教学平台是高等院校传统教学手段必要和有益的补充,能够丰富教学手段,有效提高教学质量和教学效果。     

基于遗传神经网络的植物叶片病害特征提取的研究

为提高作物病害定量、快速、准确识别,以大豆褐斑病为例,综合运用计算机数字图像处理技术与人工神经网络技术,建立了一个多层前馈遗传神经网络,实现了大豆褐斑病的识别与特征计算。本技术首先通过计算机视觉技术采集叶片图像,尔后,采用遗传神经网络完成了对病斑图像的识别,最后运用数字图像处理技术完成了对病斑区域相关特征值的计算,实验识别准确率达100%。     

基于改进级联神经网络的大豆叶部病害诊断模型

针对大豆叶部病害性状特征与病种之间的模糊性和不确定性,将数字图像处理技术与神经网络智能推理技术相结合,充分挖掘大豆受病害胁迫后表现性状与病种之间的潜在规律,提出了基于改进级联神经网络的大豆病害诊断模型。首先利用自制载物模板无损采集大田大豆叶部病害数字图像,计算病斑区域的形状特征、颜色特征及纹理特征14维度特征参数;为突显各方面特征对于不同病害种类决定作用的差异性,构建各子神经网络并联的第1级网络,第2级网络的输入为第1级网络的输出,利用多维特征各自优势来自动取得病种模式推理规则,建立了用于大豆叶部病害自动诊断的两级级联神经网络模型,仿真实验准确率为97.67%;同时应用量子遗传计算优化级联神经网络参数,平均迭代次数为743,平均网络误差为0.000 995 445,提高了学习效率,实现了大豆叶部病害的高效自动诊断和精确测报,为大田农作物全面系统地开展作物病害监测、智能施药及自动防治提供了理论依据。