大豆叶片特征参数测定方法的研究

以大豆叶片为例,介绍了一种提取叶片有效点计算叶片特征参数的新方法.该方法用Matlab编程来识别象素点颜色,进而求出叶片特征区域包含的象素点数及对应的特征值.通过理论分析及对比可以证明,利用象素点计数的方法来求特征值不仅简单,而且也是对原始模拟区域的无偏和一致的最好估计.     

基于T-S模型的模糊神经网络在植物病害图像分割中的应用

针对植物病害图像的病斑区域边缘像素存在模糊性和不确定性,利用T-S模型的模糊规则后件是输入语言变量的函数特性,提出线性清晰化的自适应五层模糊神经网络模型作为植物病害图像模式分类的决策系统,并利用量子遗传算法对模型系统的可调整参数的初始值进行全局优化。试验结果表明:该模型对马铃薯早疫病的彩色图像的有效病班区域分割精确达到100%,学习算法速度快、收敛稳定、鲁棒性较好,避免了传统梯度下降学习算法的局部最小值,并且简单易于实现。     

大豆病斑智能识别无损预处理及其特征提取方法的研究

以大豆病叶为例,针对在采集叶片图像过程中出现的几何失真问题,提出了基于投影模型的植物叶片校正算法,测量准确性只与校正方法有关,不受其他背景因素影响。在精确校正的基础上,又实现了叶片病斑区域的特征提取与计算,实验结果表明,该方法校正精度达99%,病斑区域提取精度达100%,为进一步的病害诊断奠定了先期基础。     

基于Hilbert-Huang变换的生物触电电流检测模型

为了检测触电时刻剩余电流中生物体触电支路电流信号的难题,应用Hilbert-Huang变换方法,确定了生物触电时剩余电流的固有模态函数中相关系数最大的IMF分量的局部幅值达34.02 m A,且与原信号相关性系数达到0.99,同时剩余电流与触电电流暂态过程频谱特性具有相似变化规律。以此为基础,应用生物电流信号高频IMF分量幅值的突变特征,作为触电故障时刻确定判据,建立生物触电故障时刻判定方法,实际数据的仿真处理正确率为94.17%;筛选剩余电流分解的相关性较高的有限个数的低频固有模态IMF分量,应用逐步多元线性回归方法,提出基于剩余电流固有模态分量的生物触电支路电流幅值检测方法,仿真试验结果的平均相对误差值5.46%,具有良好的适应性和实用性,为研发基于生物体触电电流而动作的剩余电流保护装置提供参考。     

基于WEB的计算机基础课程教学系统设计与实现

从计算机基础课程的教学特点和教学要求出发,对网络教学系统进行了需求分析,并对教学的各个环节进行系统设计,将Web技术和DBMS紧密结合,提出具有扩展性强、易于维护、效率高,提供跨平台的操作和访问异数据库系统,给出能够实现Web数据库灵活应用的网络教学系统的构建方案,以解决教学工作实际需要。     

植物叶面积无损测量预处理技术研究

针对在计算机视觉技术对大豆叶面积的无损测量研究中,如何校正图像和去除植物叶片纹理特征等问题,提出了投影映射无损测量法。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。实验验证结果表明,该方法利用较少的特征点对就能很好地校正叶片图像,解决了非线性校正问题,并且图像信息量损失小。     

基于证据可信度不确定推理的大豆病害诊断方法

针对大豆病害专家系统中诊断特征条件的复杂性和不确定性等问题,将病害证据可信度和不确定性推理的传递算法有机结合,提出了一种基于证据可信度不确定推理的大豆病害诊断方法。由植保知识库的专家先验知识和作物病害发生时期、部位和症状等表现特征,构成可信度权重作为推理依据;利用该文提出的基于证据可信度的不确定推理方法及推理规则,实现了大豆病害的自动诊断与决策。应用实践表明：该方法简单、可靠、易于实现,对大豆病害的诊断准确率达到87.62%,为植物病害的智能远程诊断和科学管理提供了一种高效的新途径。     

基于冠层颜色特征的大豆缺素症状识别研究

【目的】针对寒地大豆发生缺素症状时冠层颜色变化复杂性,建立基于冠层图像颜色特征的大豆缺素症状识别新方法。【方法】采用无土盆栽试验,以垦农18为供试大豆品种,设计缺氮、缺磷、缺钾3种营养状况,采集大豆缺素症状的冠层图像样本,利用图像灰度直方图结合主成分分析方法,提取大豆冠层图像的红光值R、绿光值G、蓝光值B,计算最佳颜色特征蓝光标准化值B/(R+G+B)和绿光标准化值G/(R+G+B),将其作为正则化模糊神经网络输入向量,并利用实数编码的遗传算法改进传统梯度下降学习算法,将其作为模糊神经网络的学习方法,同时应用传统梯度下降算法和改进梯度下降算法训练神经网络参数并比较。【结果】应用遗传计算改进的梯度下降学习算法计算时,迭代次数为277次,其各项计算指标均明显优于传统梯度下降算法,大豆缺素症状识别准确率达100%;而采用传统的多元线性回归方程和BP神经网络算法计算时,识别准确率分别为52.50%,68.33%。【结论】以大豆冠层图像颜色特征为基础,利用改进学习算法的神经网络模型,能够快速有效地挖掘出大豆缺素症状与颜色特征向量之间的模糊逻辑映射关系,为大豆缺素症状识别提供了一种快速且准确的方法。     

基于实数编码的GA在排课系统中的研究与应用

随着高校的发展,在教务管理系统中应用遗传算法进行排课的模型也变得越来越多。二进制编码,会造成编码串过长,且需要再解码为实数。针对这种情况,提出基于实数编码的遗传算法的解决方案,并给出了排课问题的数学模型,结果表明,该算法能比较高效地解决排课问题。     

农作物缺素症状诊断的正则化模糊神经网络模型

针对农作物冠层图像颜色特征与缺素症状之间的模糊性和不确定性,利用模糊逻辑能够完整地表达领域推理规则和神经网络的自适应性,提出一种正则化的自适应模糊神经网络作为作物营养诊断分类决策模型。该模型能充分利用专家先验知识给出的"if-then"规则,完善网络的推理结构,并给出了网络规则层节点的自适应选取方法和相应的反向传播学习算法。通过对大豆缺素症状诊断试验表明,该模型速度快且稳定,精度接近100%,具有良好的适应性和实用性。