湖北省分地区水灾损失等级划分初探

建立了湖北省分地区水灾损失灾度等级的划分标准。基于模糊模式识别理论，按最大隶属原则和择近原则对灾度等级进行了模糊综合评判。     

模式识别和主成分分析在多环芳烃室温磷光分析中的应用

本研究应用主成分分析和人工神经网络两种模式识别方法对多环芳烃混合物固体基质室温磷光重叠光谱进行分析,考察了主成分分析和人工神经网络对多环芳烃混合物SS-RTP的处理效果,结果显示应用人工神经网络对于苯并喹琳、苊、菲啶、咔唑和芴等多环芳烃任意组合混合物能够很好地区分开来,这表明RBF神经网络在复杂多环芳烃混合物定性分析中具有很好的应用性和可行性.     

花龄期棉花虫害的电子鼻检测

棉花害虫具有隐蔽性、迁飞性和突发性特点，并且影响因素众多，棉花虫害准确地诊断是农业领域的难点问题。该研究以受到棉铃虫侵害的花铃期棉花为研究对象，采用电子鼻对不同处理的棉花挥发物进行检测。研究表明，主成分分析（Principal Component Analysis, PCA）和聚类分析结果显示健康棉花释放的挥发物具有明显的昼夜节律性，健康棉花与虫害棉花差异性显著。径向基函数神经网络（Radial Basis Function Neural Network, RBFNN）对8个不同时间的4组虫害棉花处理进行分析，测试集判别总的正确率为73.4%，健康棉花对照组测试集判别正确率100%，误判样本出现在3个虫害处理之间。当不考虑时间因素建立虫害棉花统一的预测模型，RBFNN模型对健康棉花对照组的预测正确率均达到了100%，分析结果可以作为花铃期棉花是否遭受棉铃虫侵害的依据，说明电子鼻可以作为棉花虫害发生的有效监测手段，在农作物虫害监测领域具有潜在的应用价值。     

基于脉冲耦合神经网络的蝗虫图像分割

由于脉冲耦合神经网络(PCNN)特有的脉冲传播特性,PCNN在图像处理与模式识别领域得到了广泛应用.为此,提出了如何用脉冲耦合神经网络(PCNN)进行蝗虫图像分割.计算机仿真表明,采用PCNN图像预处理算法,可使图像中的目标(蝗虫)易于被发现;经PCNN预处理后,相同的后续处理效果明显好于未经PCNN预处理的图像.此方法验证了PCNN在图像处理方面的功能,同时也拓展了蝗虫侦测的方法.     

资格预审多级模糊模式识别综合评判模型

资格预审评价体系中有众多定性因素具有模糊性和不确定性，使评价结果很难反映承包商的实际能力。为此，分析了几种常见资审模型存在的不足，从模糊理论的角度，建立了资格预审多级模糊模式识别综合评判模型，试图使评价过程趋于合理，预审结果更能反映承包商的实际能力。     

基于数据驱动的机车滚动轴承故障诊断的研究与探讨

本文主要探讨了基于数据驱动的机车滚动轴承的各种特征提取方法以及各类故障模式识别方法。详细比较了各种特征提取的特点以及应用范围,并指出了今后在机车滚动轴承故障诊断研究中的研究方向,为机车滚动轴承的故障诊断提供依据。     

基于模式识别的大蒜瓣尖识别研究

针对现有大蒜播种机采用纯机械方式无法解决大蒜直立播种的问题,提出了用模式识别技术解决的方法。首先对图像进行二值化、边缘跟踪,然后根据大蒜的形态特征,提出以曲率为特征量,根据SUSAN角点检测算法的原理识别出瓣尖的位置。试验结果表明:此算法完全可以检测出瓣尖的位置,为解决大蒜直立播种问题奠定了基础。     

植物抵抗力可以由基因“传递”

<正>一个国际研究团队发现,将野生植物的某个单一基因移转至易染病的农作物,能让农作物更有效地对抗细菌造成的疾病感染。研究人员表示,这种让植物的     

机器视觉技术在自动移栽机上的应用

穴苗自动移栽机是温室种植中的一种重要的农业自动化设备.在移栽过程中,判断坏苗、将坏苗从穴盘中去除是穴苗移栽的重要步骤,可以防止病虫害的扩散.机器视觉技术是一种基于机器视觉的智能模式识别判断系统.在这个系统中,通过图像处理,提取每一株穴苗的表面特征并且与坏苗样本库作比较,即可识别坏苗,并将其从穴盘中去除.利用智能识别算法和矢量机.视觉系统更加高效自动化.