共查询到19条相似文献,搜索用时 234 毫秒
1.
2.
【目的】基于处理后的木材端面细胞特征,寻找合适的机器学习方法提高木材识别准确率,以实现木材高效利用,为珍稀木材种类判别和保护提供依据。【方法】以5种木材(臭冷杉、长白落叶松、鱼鳞云杉、鹅掌楸和凹叶厚朴)端面细胞为研究对象,提取多种差异性图像作为数据集,通过图像处理提取特征信息,分别采用支持向量机(SVM)和AlexNet神经网络进行分类识别。根据木材端面细胞区分的差异性,在AlexNet神经网络架构中加入BN算法进行优化,设计一种更高效的板材识别方法提高木材识别准确率。【结果】将增强后的29 680张图像按7∶3划分,分别保存在训练集和测试集文件夹中,测试样本确定标签后均放入同一文件夹,分别对3种分类算法进行整体批量测试,支持向量机分类器测试集的整体识别准确率为84.67%, AlexNet神经网络测试集的整体识别准确率为88.76%,基于BN算法优化的AlexNet神经网络测试集的整体识别准确率为91.15%,识别效果更好。【结论】当样本量充足时,AlexNet神经网络对木材端面细胞图像的分类效果明显优于SVM分类器。基于BN算法优化的AlexNet神经网络对图像线性特征更敏感,保留... 相似文献
3.
基于改进卷积自编码机的油茶果图像识别研究 总被引:1,自引:0,他引:1
为进一步提高油茶果识别的速度与精度,提出一种基于改进卷积自编码机神经网络的油茶果图像识别方法。该方法以非对称分解卷积核提高训练速度,以输出端重构输入端的直连训练方式减少信息损失;利用改进的自编码机训练不同颜色通道的图像,随后在共享层中利用金字塔池化算法融合高阶特征,利用softmax算法构建分类器。结合selective-search算法生成候选区域,并对其进行筛选,利用训练好的网络设计油茶果果实图像检测器验证算法的实用性。改进算法100次迭代所需时间为166 s,平均识别准确率为90.4%;改进模型收敛性能较好,学习能力强,经过10次迭代之后即可达到85%的识别准确率,在样本数目为200的小数据集上可达到82%的识别准确率;同时,检测器的搭建验证了算法的有效性,在2 s内即可实现对单张实际图像上目标区域的检测,总体识别精度为87%,使得算法具有一定的实时检测能力。试验结果证明,改进后的算法具有较高的识别准确率与学习能力,以及一定的实用性,可为油茶果图像识别提供参考。 相似文献
4.
【目的】利用深度学习进行树叶识别时需要大量训练样本,当样本量不足、图像风格单一会导致识别准确率不稳定。研究利用少量的样本进行树叶图像增殖和风格转换,可极大减轻数据采集的负担,为提升林业调查信息化、智能化提供有效的技术手段和理论支撑。【方法】采集6种树种的树叶图像建立数据集,引入light-weight GAN对图像进行增殖和风格转换,扩充人工拍摄的树叶数据集,通过在该数据集与原数据集上分别应用AlexNet、GoogLeNet、ResNet34和ShuffleNetV2四种深度卷积神经网络进行训练,分析生成对抗网络的图像增殖技术在树叶识别中的作用。综合模型准确率和训练时间等性能指标选择最优模型,同时对模型的学习率进行调整。使用测试样本对参数优化后的模型进行验证,分析该方法在实践中的可行性和意义。【结果】基于生成对抗网络生成的样本具有高清晰度,高保真性,能够有效地辅助神经网络模型的训练工作,同时也丰富了样本类别,使之获得包含更多不同季节、形状、健康状况的树叶图像。与原始数据集相比,AlexNet、 GoogLeNet、 ResNet34和ShuffleNetV2四种网络在新数据集的训练上... 相似文献
5.
鹿茸和麝香,都是名贵的中药材。在医药市场上常出现假的“鹿茸”和“麝香”,致使许多买主上当受骗。下面将识別这两种药材真伪的方法介绍给读者。鹿茸真伪的鉴别真鹿茸为雄鹿尚未骨化而密生茸毛的幼角,经燎去茸毛,灌酒稍蒸, 相似文献
6.
利用近红外光谱结合多变量回归分析中常用的主成分回归(PCR)和偏最小二乘法回归(PLSR)分析预测法来判别木材的生物腐朽,并与前期采用的SIMCA和PLS-DA 2种判别方法进行对比分析.结果表明:1)应用近红外光谱结合多变量回归分析方法对校正集样本建立的判别模型,其校正及验证结果与标准值的相关性很高,相关系数均大于0.95,SEC和SEP都很低(0.07 ~0.20),利用模型对未参与建模的样本进行检测,发现2个模型对未腐朽、白腐和褐腐3种类型样本的判别准确率均为100%(偏差都小于0.27);2)对于相同样本集的判别效果,PLSR法比PCR法的判别效果好,且二者都比采用SIMCA法的效果好,并都与PLS-DA法的判别结果相近,说明利用近红外光谱结合回归分析预测法能有效地检测木材的生物腐朽,并对生物腐朽的类型进行准确判别. 相似文献
7.
南方主要针叶树种高光谱数据降维分类研究 总被引:1,自引:0,他引:1
《中南林业科技大学学报(自然科学版)》2010,(11)
采用ASD公司生产的FieldSpec HandHeldTM地物光谱仪,分别于2005、2006、2008年冬季跟踪观测杉木、马尾松、黑松、雪松等针叶树种的高光谱数据,经筛选后获取有效观测数据160条,其中120条作为训练集,40条作为测试集。将平滑去噪的一阶微分高光谱数据进行PCA方法和GA方法降维,然后利用BP神经网络和支持向量机(SVM)对降维后的测试集数据进行分类。结果表明:PCA—BP神经网络模型分类准确率95%,PCA—SVM分类准确率97.5%,GA和BP分类准确率92.5%,GA-SVM分类准确率100%。这说明两种降维方式结合支持向量机的分类均优于其与BP神经网络结合的分类,基于GA的降维方法对高光谱波段的选择更有效率,具有较好的应用前景。 相似文献
8.
《林产化学与工业》2015,(6)
采用近红外光谱结合化学计量学的方法,对桉木和相思木及其属间6种木材的判别分类进行了研究。首先采集了尾巨桉、尾叶桉L11、尾叶桉U6、蓝桉、马占相思、厚荚相思,共计86个样本的近红外光谱图,采用偏最小二乘法判别分析(PLS-DA)建立了桉木和相思木的分类模型,校正集和验证集的预测值与实际值之间的回归线基本重合,决定系数(R2)分别为0.99和0.97,模型效果较好,且对未知样本的识别正确率为100%。为了对属间的6种木材作进一步的判别,采用MSC和Savitzky-Golay平滑对4000~7500 cm-1光谱进行预处理后,结合主成分分析(PCA)建立判别模型,模型识别率和验证正确率均为100%。结果表明基于近红外光谱结合化学计量学算法可以对桉木和相思木的不同属进行快速鉴别。 相似文献
9.
废弃人造板板材回收再利用之前进行横截面统一类型,对于提高板材的综合利用率具有重要作用。综合利用机器视觉和深度学习方法,选取刨花板、纤维板和胶合板3种人造板板材作为研究对象,通过扫描仪采集板材横截面纹理,并对大量的纹理数据进行训练,学习图像深层次特征,在图像识别和分类上取得良好的效果。采集刨花板、纤维板、胶合板、塑料板、金属板和泡沫板6种人造板板材横截面图像共900张,其中刨花板234张,纤维板232张,胶合板234张,塑料板、金属板和泡沫板共200张作为负样本;搭建基于YOLOv5的深度学习人造板板材种类识别框架。试验结果表明,基于YOLOv5的人造板板材种类识别框架可以有效识别人造板板材的类型,刨花板和胶合板的识别准确率为100%,纤维板的识别准确率为99.2%;该方法检测速度快、精度高,针对人造板板材数据集具有良好的鲁棒性和泛化能力,解决了传统方法检测效率低和人工干预的成本问题,达到资源循环利用的高度智能化水平,充分满足回收再生产的应用需求。 相似文献
10.
《林产化学与工业》2017,(4)
为了构建湖南常见3种木本油料植物种子含油率近红外光谱通用模型,收集了98个油桐、96个油茶和96个核桃样本,采集了粉碎后种仁的近红外光谱(NIR),测定了样本含油率,分别采用偏最小二乘法(PLS)及径向基神经网络法(RBFNN)建立油桐+油茶+核桃、油桐+油茶、油桐+核桃和油茶+核桃4个混合样本集含油率的NIR通用模型。对PLS模型,4个样本集(验证集)的相关系数(R_p)分别为0.963、0.881、0.965和0.967,预测均方根误差(RMSEP)分别为2.78、3.31、2.47和2.70,相对标准偏差(RSD)分别为4.87%、6.51%、4.03%和4.55%;RBFNN模型的R_p分别为0.958、0.877、0.959和0.966,RMSEP分别为3.34、2.55、2.85和2.54,RSD分别为5.85%、5.02%、4.66%和4.28%。结果表明:构建油桐、油茶和核桃3种木本油料植物种子含油率近红外光谱通用性检测模型具有可行性。 相似文献
11.
12.
生态背景下基于人工智能深度学习的竹类害虫识别方法研究 总被引:2,自引:2,他引:0
针对生态背景下的竹类害虫识别,作者研究了一种基于人工智能深度学习的识别方法。构建了具有5 663张图片的虫类数据集,其中包含3种竹类害虫和3种其他虫类,利用深度学习模型GoogLeNet特有的Inception模块构成的网中网结构,使其获得更多的图片特征,并开展了4组不同训练集与测试集比例的实验。结果表明:模型的精确度随训练集比重的增大而增大,当训练集和测试集的比例为9∶1时表现最好,F1值达到了95.48%,模型精确度为97.5%,体现了识别模型具有较好的综合性能和较高的实用性。该方法能较好地实现3种竹类害虫在生态背景下的智能识别,是针对竹类生产经营中的虫害防治问题的一种智能化解决方案,为竹产业精细化管理及高效生产经营提供有效的科技支撑。 相似文献
13.
ANXA2(AnnexinA2), a calcium-dependent phospholipid bind- ing protein, is involved in various Ca2+-related biological activities. In the present study, full-length cDNA of ANXA2 was isolated from the velvet antler tip tissue of sika deer (Cervus nippon hortulomm); the amino acid sequence and gene expression was analyzed by using bioinformatics and real-time reverse transcdptase polymerase chain reaction (RT-PCR) techniques. Nucleotide sequence analysis reveals that the full-length cDNA of the ANXA2 gene was 1372 bp, of which 1020 bp was in the opan-reading frame (OR.F) encoding 339 amino acids; its relative mo- lecular weight was 38.3 kDa; and isoelectrie point was 6.72. Sequence analysis indicates that the protein includes four conserved tan- dem-duplication ANX domains. The gene-aceession nucleotide sequence number in GenBank is JX315571. Expression analysis by RT-PCR re- veals that ANXA2 gene expression has a significant positive correlation with the antler-tissue mineralization process, indicating that this gene may play an important role in the regulation of antler-tissue mineraliza- tion. 相似文献
14.
15.
16.
17.
18.
对松属6个树种种子过氧化物同功酶谱带进行分析研究,结果表明,其过氧化物同功酶谱带的数量及相对迁移率都具有特异性.对于这类种子以及幼苗形态相似而不易区别的树种,这种方法,可以作为鉴定种子真实性的指标. 相似文献