共查询到18条相似文献,搜索用时 234 毫秒
1.
2.
图像分割是苹果采摘机器准确识别和定位苹果的关键步骤.本研究首先采用线剖面方法对采集的苹果图像针对颜色特征进行分析,提出了利用颜色特征R-B的色差法对青果期苹果图像进行初步分割.在利用分割后的图像提取图像区域的形状特征(面积、周长、圆形度、离心率等).然后将得到的8个形状特征作为BP神经网络的输入量,随机选取一定数量的样本图像作为BP神经网络的训练样本图像和验证样本图像.样本图像经过BP神经网络训练后,建立了绿色苹果图像的分割模型.通过BP神经网络分割后的苹果图像,果实识别率高达89.3%,分割效果良好. 相似文献
3.
以南疆红枣颜色快速分级为研究对象,采用美国海洋光学USB650红潮光谱仪来测量红枣的颜色特征值,采用红枣颜色按L[微软拥护1]值分级时,一级红枣的L值为30.2~35.4,二级红枣的L值为35.5~39.9,三级红枣的L值为40.0~44.6,按L值分级与人工分级的一致度为93.65%;以红枣的L、a、b值作为特征值,应用BP人工神经网络进行分级,BP人工神经网络分级与人工分级的一致度达到了94.76%。结果表明,以L、a、b三个颜色值分级效果要好于仅以L值分级,BP人工神经网络分级效果优于人工分级,较好地满足红枣颜色分级的需求,对南疆红枣产品的加工、销售具有一定的理论指导和实际应用意义。 相似文献
4.
【目的】建立BP(Back propagation)神经网络(BPNN)自动识别系统,以实现烤烟褐变标准化和量化。【方法】以云烟87上部烟叶为样本,通过扫描获取烟叶颜色等特征信息,建立BP神经网络烤烟褐变程度识别模型,输出判别结果,以人工判别烤烟褐变结果为参考,进行相似度比较。通过外观质量、常规化学成分、多酚含量、TSNAs含量和感官质量变化分析比对,验证BP神经网络自动识别系统和人工识别结果的精准度。【结果】建立的BP神经网络模型能够精准识别烟叶褐化等级,其识别准确率为98.75%,分级烟叶外观质量、常规化学成分、多酚含量、TSNAs含量和感官质量变化与人工识别基本一致,两种识别模式无显著性差异(P<0.05),为杂色烟分级提供了客观评价方法,能有效区分不同褐变程度烟叶的可用性。【结论】BP神经网络识别系统对烟叶褐变程度鉴别精准度与人工识别接近,可以利用BP神经网络自动识别系统替代人工识别。 相似文献
5.
文章介绍了一种基于BP神经网络的水果分级方法。采用数字图像处理的方法对图像进行预处理,选择水果表面颜色的均值和方差来表示水果的颜色特征,采用一个与水果目标具有同样二阶矩的椭圆来近似表示水果的形状,简化了果形描述的复杂程度。通过RP算法训练,可以得到一个具有9个隐层神经元的BP神经网络结构参数。试验表明:采用该模型对水果等级进行分级,平均正确率为92.5%,分级一个水果的时间为10.3 ms。说明采用BP神经网络技术可实现对水果等级的自动判定,该方法具有正确率高、实时性好的特点。 相似文献
6.
【目的】不同区域影响天然气需求量的因素存在差异,数据集包含的数据特征也不尽相同,同时天然气长期需求预测存在样本数据少的问题,因此较难构建各区域通用的需求预测模型。【方法】选取山东省11个地级市为研究对象,根据天然气年度消费量、GDP、人口等影响天然气需求量的主要因素,将多个地区、多时间跨度的数据作为总样本库,使用皮尔逊相关系数对样本特征进行初筛,利用K-means聚类算法对各样本数据进行聚类,选取能源消费结构相似的3个样本点,并将样本点对应的下一时间点的天然气需求量作为数据样本的新特征;同时,将灰色理论预测输出结果作为BP神经网络的输入样本,基于新的样本数据特征与BP神经网络构建组合预测模型。【结果】基于K-means聚类+灰色理论+BP神经网络的预测方法有效利用了相似能源结构的城市天然气历史需求量,并结合灰色理论预测模型在小样本数据上鲁棒性高的优点,预测得到山东省11个地级市天然气长期需求预测的平均绝对百分比误差为0.57%~6.41%。与传统的灰色理论预测模型、BP神经网络模型、K-means聚类+BP神经网络相比,新预测方法在模型误差、预测结果的稳定性方面均有明显改进。【结论】新... 相似文献
7.
为提高红枣分级速度和分级检测的精度,实现无损分级的效率最大化,按照分级要求对红枣的大小、形状、颜色、表面褶皱程度及外轮廓等进行检测。采用图像预处理算法对红枣图像进行平滑去噪、图像增强,多种检测算法比较后采用自适应Canny算法对红枣图像进行外轮廓边缘检测,拟采用傅里叶算法对红枣的尺寸进行计算,由极半径函数确定红枣的形心位置坐标,配合Euclidean算法检测红枣距离尺寸,对干枣、鲜枣以及大小形状不规则的红枣混装进行分级处理。对若干大小、形状等特征不同的红枣进行分级检测试验,结果表明在提高红枣检测速度的同时准确率均在90%以上,具有较好的鲁棒性和准确率,在红枣分级要求精度较高的情况下,减少了整体运行时间,满足红枣分级的实际要求。 相似文献
8.
基于贝叶斯正则化BP神经网络的日光温室温度预测模型 总被引:3,自引:0,他引:3
《湖北农业科学》2015,(17)
针对日光温室温度预测模型中输入因子间存在复杂的耦合关系以及输入因子过多而导致神经网络结构规模过大等问题,选用影响日光温室温度的环境因子组成数据样本,对数据样本进行主成分分析。提取出影响日光温室内温度的前3个成分作为BP神经网络模型的输入变量,采用贝叶斯正则化算法对BP神经网络进行改进。结果表明,该方法改进的BP神经网络模型得到简化,拟合曲线光滑,具有较好的泛化能力和网络推广能力。 相似文献
9.
灰色理论与BP神经网络耦合的粮食产量预报 总被引:2,自引:0,他引:2
以河南省为例,选取影响粮食产量的8个农业生产条件为指标,以2000~2007年8个序列的数据分别建立新陈代谢GM(1,1)模型,得到一系列预测值。将8个指标1990年至2007年的原始数据作为BP神经网络的输入样本,粮食产量实际值作为输出样本,然后对网络进行训练,构建了BP神经网络。再将各新陈代谢GM(1,1)模型得到的8个农业生产条件的预测值作为BP神经网络的输入,得到的输出即为最终预测值。仿真实验表明,用灰色理论与神经网络耦合模型研究河南粮食产量的拟合精度和预测准确度都比较理想。 相似文献
10.
11.
12.
【目的】研究一种基于卷积神经网络干制哈密大枣纹理分级的方法。利用卷积神经网络解决干制哈密大枣的纹理分类问题。【方法】将大小统一的彩色图片输入网络,卷积核自动提取其纹理特征,进行分类。【结果】分类准确率达到了97.7%。【结论】与常用的灰度共生矩阵提取干制哈密大枣纹理特征(最大概率,相关性,对比度、能量、同质性和熵),再用BP神经网络和支持向量机(SVM)分类准确率相比的方法,避免了复杂纹理提取和图片预处理的过程,在测试时间相近的情况下识别率更高。 相似文献
13.
14.
基于等效椭圆和BP神经网络的马铃薯形状分类研究 总被引:2,自引:2,他引:0
根据国家马铃薯分级标准的要求,提出了一种基于区域的等效椭圆和BP神经网络相结合的马铃薯形状分类方法.首先运用等效椭圆来提取一组特征参数R和C,然后将这些特征参数输入到已训练好的BP神经网络完成对马铃薯的形状分类.结果表明:该方法选用的特征参数少,能较为有效的描述马铃薯的形状,分级结果准确率达94.7%,与人工分级的一致... 相似文献
15.
16.
基于高光谱成像技术的冷鲜羊肉嫩度检测方法研究 总被引:1,自引:0,他引:1
传统羊肉品质检测方法效率低、破坏样品,为实现冷鲜羊肉嫩度快速无损检测,以内蒙古锡林郭勒羊肉为研究对象,采用多元散射校正法对光谱进行校正,利用主成分分析法获得620.23、761.48、819.48 nm波长下的特征图像,并提取其纹理特征和颜色特征,分别建立羊肉嫩度的BP神经网络和支持向量机预测模型。结果显示,BP神经网络模型预测效果优于支持向量机模型预测效果,BP神经网络模型对预测集的决定系数(R2)和预测均方根误差(RMSEP)分别为0.85和1.86;支持向量机模型分别为0.77和2.37。研究表明,利用高光谱和图像信息特征层融合方法对冷鲜羊肉嫩度进行预测具有可行性。 相似文献
17.
针对目前检测方法特征单一、样本数量少和鲁棒性低等问题,提出了一种基于多特征融合与机器学习的鱼类摄食行为的检测方法:利用图像处理技术提取鱼群摄食图像的颜色、形状和纹理特征,并对其进行归一化和特征融合处理,通过构建3层的BP神经网络对鱼群摄食行为进行检测。与SVM和KNN检测效果进行对比,BP神经网络的效果最好,精度可达97.1%。与传统的基于单一纹理特征方法相比,在保证时效性和增强鲁棒性的同时,准确率提高了4.1%。 相似文献
18.