基于人工神经网络的苹果等级判别方法研究

 应用计算机视觉以及图像处理技术,提出一种基于改进的LVQ人工神经网络算法,从苹果的色泽、横径及果形指数3方面对苹果进行等级划分。结果表明,与传统的LVQ人工神经网络相比,改进的LVQ人工神经网络提高了苹果的分选精度,具有更好的判别效果。     

基于人工神经网络与图像处理的苹果识别方法研究

针对中国苹果等级划分主要依靠人工感官进行识别判断的现状，提出了以应用计算机视觉以及图像处理技术为基础，通过改变传统学习向量量化(LVQ)网络输入层各参数的权重来改变其在竞争层中的竞争能力。采用改进后的LVQ网络算法，对苹果进行等级判别试验，取得了良好的试验结果，识别正确率达88.9%，且具有较好的稳定性。     

改进RetinaNet的农作物病虫害检测模型研究

【目的】为快速准确检测密集遮挡环境下农作物病虫害情况，满足大规模、高效率的识别需求。研究提出了一种改进RetinaNet的农作物病虫害检测模型。【方法】结合DenseNet改造RetinaNet的特征提取网络，强化特征重用，提高深度网络模型对农作物害虫的识别率，准确、快速地识别出病虫害的种类。其非极大抑制算法采用了DIoU策略，有效降低了在目标密集的情况下农作物病虫害的漏检率，提高了检测精度。【结果】改进后的算法模型具有较高的检测精度和良好的实时性，对作物密集遮挡情况有较好的适应性，mmAP达到了49.8%。【结论】将模型应用于复杂的农作物生长环境中，能有效提升病虫害智能检测能力。