基于PCA和BP神经网络的万寿菊黑斑病孢子识别

针对万寿菊黑斑病难于防治的问题,采用基于主成分分析和BP神经网络的识别方法,对万寿菊黑斑病病原菌(Alternaria tagetica)无侵染力和有侵染力的孢子进行精确识别。首先利用图像处理技术对病原菌孢子显微图像进行分割,选取3个颜色特征(R、G和V)、5个形状特征(Hu不变矩中的H2、H3、H4、H5和H6),以及3个纹理特征(R、G、B3个分量的对比度)共11个特征用于病原菌孢子分类识别。为提高识别速度和精度,利用主成分分析法(PCA)对11个特征进行优化和筛选,采用基于L-M算法的BP神经网络对万寿菊黑斑病病原菌的孢子进行分类识别。试验结果表明,经主成分分析后得到的第一、第二主成分能够有效减少BP网络训练时间和提高识别准确率,平均识别准确率达到98%。该方法能够精准识别万寿菊黑斑病病菌有侵染力和无侵染力的孢子。     

设施引种番茄在拉萨的比较试验

[目的]为推进西藏拉萨地区蔬菜品种换代升级,引进8个番茄品种进行比较试验。[方法]探讨不同番茄品种的差异,综合比较其在拉萨的表现。本研究以8个番茄品种为材料进行设施栽培,采用随机区组试验。对8种番茄的9个品质指标及产量进行测定和比较,并通过描述分析和主成分分析法进行综合评价。[结果]结果表明,8个品种的番茄品质差异明显,其中柠檬酸含量的变异系数最大,达到25.84%;花青素含量的变异系数最小,仅为7.92%。基于主成分分析法,9个品质性状可提取3个主成分因子,分别为加工因子、营养因子、风味因子,累计贡献率为77.37%,能较好地反应品质特征。以番茄主要品质性状为变量,根据主成分矩阵计算生物学性状指标的主成分值,并求出各品种的综合得分。综合得分排名为：T8>T5>T6>T7>T3>T4>T1(ck)>T2,并对各品种进行产量测定,每667 m²产量由高到低依次为T3>T1(ck)>T6>T4>T7>T2>T8>T5。[结论]8个番茄品种在拉萨的表现各不相同,根据不同的生产目标选用不同...     

玉米品种识别多算法模型比较研究

为了比较玉米品种图像识别中各种神经网络识别模型的性能,搭建了一套基于统计特征提取和模式识别分类算法的玉米品种识别系统。采用扫描仪获得了11个玉米品种每个品种50粒子粒图像,基于图像的统计特征,分别研究了7种人工神经网络(ANN)模型(BP、rbf、grnn、pnn、compet、sofm、ELM)的识别性能,进一步考察了极限学习机(ELM)、支持向量机(SVM)模式分类过程性能。结果表明,在同样的情况下SVM模型较ANN模型的特征识别率高,另外神经网络模型grnn和ELM识别效果较好,其他识别模型性能较差。对11个玉米品种种子的最高检出率为91.73%,另外,所采用的特征降维方法、特征维数、初始权值的随机性选择等因素都会影响模型的识别效果。这对玉米种子纯度和品种真实性检验中人工神经网络模型的构建具有指导意义。     

基于改进BP网络的小麦品种识别

为了提高小麦品种的识别准确率,以河北农业大学选育的6个小麦品种为研究对象,对小麦籽粒图像进行中值滤波阈值分割等方法预处理后,对形态、颜色、纹理3个方面进行特征提取。其次利用BP神经网络对单个品种的小麦进行识别,然后结合主成分分析(PCA)法降维研究一次性识别多类小麦品种,最后为避免神经网络的局限性,利用PSO算法优化网络权值参数。结果表明:BP网络对单个小麦品种具有非常好的识别效果,其中河农7069品种的识别准确率达100%;结合PCA法降维后小麦品种平均的识别准确率为91.582%;利用PSO算法优化网络后识别准确率增加至94.3%,达到了更好的识别分类效果。     

基于多重分形和LVQ神经网络的小麦病害智能识别

针对不同小麦病害有不同的形状特征,利用多重分形分析提取小麦病害图像的8个多重分形谱值作为小麦病害的形状特征参数,并利用这8个特征参数来索引图像数据库作为学习向量量化(LVQ)神经网络的输入,进行样本训练、分类识别.试验结果表明,该算法对小麦病害的识别率可达90.0％以上.     

基于主成分分析和聚类分析对不同番茄品种的综合评价

为了筛选出适宜在河南省内黄县种植的番茄品种，以19份(F01～F19)番茄种质为材料，对其主要品质性状进行比较分析，运用主成分分析和聚类分析法对样本数据进行处理，并对番茄主要品质性状进行综合分析。结果表明，17个品质性状的平均变异系数为24.31%,单花序花数的变异系数最大，为50.21%,播种至收获时间的变异系数最小，仅为1.38%;运用主成分分析将17个品质性状综合成为4个主成分因子，主要反映果横径、果纵径、单果质量、病毒病抗性、硬度、播种至收获时间等几个主要性状，其累计贡献率达到83.460%;聚类分析将19份番茄品种划分为3类，各类群之间有明显的差异性，与主成分分析得到的最终排名较一致。F13(大粉3号)、F09(粉黛321)、F04(丰满128)在果实品质、丰产性、耐贮运、抗病性等方面均具有优势，综合性状表现较好，适宜在内黄县及周边地区塑料大棚种植及推广。     

基于表型性状的番茄品种评价和遗传多样性分析

为了对国内外收集的48份番茄品种资源进行评价和分类,在调查测定其表型性状的基础上,应用多元统计方法进行遗传多样性分析。结果表明,48个品种的15个不同性状变异系数为14.03%～81.25%,平均变异系数为40.79%;相关性分析发现,番茄植株农艺性状与果实品质性状存在相关性;通过主成分分析可将15个主成分(表型性状)归纳为5个公因子,依次为花果数因子、生育期因子、营养因子、植株形态因子和果形因子;通过聚类分析将48份材料划分为5大类群,有70.8%的番茄品种分类与判别分析一致。研究结果明确了不同品种的表型特异性和遗传多样性,筛选出一些特异品种资源,有利其栽培利用和遗传改良。     

基于特征融合的奶牛个体识别

为快速精准对奶牛个体进行自动化识别,提出一种基于改进方向梯度直方图与局部二值模式(HOG-LBP)特征融合的特征提取算法,结合主成分分析对奶牛个体进行分类。首先依据奶牛头部鼻镜和额部位差异明显的特点,利用方向梯度直方图(HOG)特征检测算法进行边缘特征提取,得到奶牛头部的轮廓特征,然后与改进的局部二值模式(LBP)纹理特征提取进行特征融合,结合主成分分析方法进行奶牛个体识别,对20 000张奶牛图像进行试验。结果表明,该方法识别正确率超过99%,可成功应用到奶牛识别领域。     

加工番茄品种多性状综合评价方法研究

【目的】确定加工番茄品种多性状评价指标,建立加工番茄农艺性状的综合评价体系,为鉴定、筛选其优良种质资源提供决策支持。【方法】通过2012年新疆某试验田的22种（系）加工番茄的品比试验,分析、测定22个加工番茄品种（系）的单果重（FW）、平均产量（AY）、番茄红素(L)、可溶性固形物(TSS)、总酸(TA)、总糖(TS)、糖酸比(SAR)、病毒病抗性(VDR)、纵径(VD)、横径(TD)、果形指数(FSI)、色差（CR）、单果耐压力(SFRP)、平均株距宽（ASW）、平均株高（APH）、平均分枝数(ANB)、生育期（GP）17项农艺性状,并联合使用主成分分析和聚类分析(PCA-CA) 经Matlab.2012a软件编程实现对样本数据的处理,并对加工番茄主要农艺性状进行综合分析。【结果】17项农艺性状的平均变异系数为18.54%,病毒病抗性的变异系数最大,为88.42%;色差的变异系数最小,仅为7.33%,加工番茄评价指标变量之间既相对独立又密切相关。运用主成分分析法,将17个评价指标变量压缩成6个综合指标（前6个主成分累计贡献率达86.0369%,已反映出17项性状指标的大部分信息）,经分析6个主成分的函数式中对应的17项农艺性状系数值可将17项农艺性状归纳为果实性状因子、果实内在品质因子、果实外观品质因子、产量因子、抗病因子这5个主要指标,这5个指标可以较准确的评价番茄品种。其中,单果耐压力、单果重、总酸、番茄红素、纵径、横径、平均产量、病毒病抗性8个性状是主要性状。通过采用类平均法对22个不同番茄品种进行Q型聚类分析,在欧式距离为6.40时将所有番茄品种划分为3个类群。【结论】采用多元统计分析方法中的主成分分析和聚类分析对22个加工番茄品种（系）的17项农艺性状建立加工番茄综合评价体系是可行的,可从不同的视角给予较全面、客观的评价与分析,为加工番茄优质品种的选育提供参考依据。     

基于近红外光谱的番茄农药残留无损检测方法研究

以湖北地区番茄样品为研究对象,对获取的光谱特征信息进行分析,确定了矢量归一化法为最优光谱预处理方法;对各个信息的主成分因子进行了优化,通过主成分分析提取主成分得分向量构成模式识别的输入,利用BP神经网络方法建立番茄有机磷农药残留的无损检测模型。结果表明,当光谱信息主成分因子数为3时,建立的模型最优,预测的识别率达到0.96,训练误差为0.015,相关系数达到0.971。     

不同鲜食番茄品种生长和品质综合分析

[目的]本文旨在比较8个鲜食番茄品种在生长和品质上的差异,为喜好地区推荐不同种类番茄。[方法]以京番308(JF308)、京番309(JF309)、原味1号（YW1）、光辉201(GH201)、亚蔬006(YS006)、亚蔬12(YS12)、京采6号（JC6）、京采8号（JC8）为试验品种,采用熵权Topsis评价法对品质指标进行分析,采用主成分分析法对生长和品质指标进行综合分析。[结果]生长和品质指标变异系数显示不同鲜食品种番茄在生长和品质指标上存在明显差异。对番茄氨基酸聚类分析表明,品种之间氨基酸含量和组成存在显著差异,JF309、YW1、YS006和JC6的氨基酸总含量相对较高,YS006的甜味和鲜味氨基酸含量最高,YW1的芳香族氨基酸含量最高。通过对不同鲜食番茄品种品质指标进行熵权Topsis评价法分析,得出酪氨酸和糖酸比可以作为品种生长和品质的评价因子,YW1和YS006的品质指标相对最佳。主成分分析提取了6个主成分,累计贡献率为91.095%。根据综合得分显示YW1的综合评分最高,YS006次之,说明二者的综合表现最佳。[结论]综上所述,YW1和YS006可以作为优良品种进...     

基于机器视觉的烤烟烟叶部位的智能识别

采集烤烟不同叶位烟叶图像并进行预处理，提取烟叶叶长、叶宽、面积、周长和最小外接矩形面积5个叶片绝对形态特征参数，计算狭长度、矩形度、圆形度、叶宽最大处占比、叶宽轴与质心夹角5个相对形态特征；通过主成分分析筛选出特征向量，构建基于K近邻算法(KNN)、逻辑回归(LR)、基于线性核函数和径向基核函数的支持向量机(SVM)和BP神经网络的烟叶部位识别模型，并对比5种模型的识别效果。结果表明：基于图像轮廓特征所提取的形态特征参数可以较为有效地反映烤烟部位特征；5种识别模型中，基于BP神经网络模型的识别效果最好，识别准确度为93.75%，训练集和测试集的模型决定系数均高于90%。     

基于主成分分析和BP神经网络的蚕蛹分类方法

为探究快速、无损进行蚕蛹雌雄分类的可行性,利用机器视觉技术对蚕蛹图像进行获取,应用主成分分析法结合BP人工神经网络方法进行分析识别。首先,对所得图像进行灰度化、滤波去噪、二值化、特征提取等预处理,再应用主成分分析法得到包含蚕蛹88.94%特征信息的4个主成分,将其作为BP神经网络的输入变量,对应的蚕蛹性别作为输出。建立1个BP神经网络的识别模型,该模型对于蚕蛹分类的准确率达到98%,符合我国农业部桑蚕行业的标准。机器视觉结合主成分分析和BP神经网络的方法能够准确进行蚕蛹分类,对实际生产具有积极的指导意义。     

应用遗传算法-主成分分析-反向传播神经网络的近红外光谱识别树种效果

以风车木(Conbretum imberbe)和非洲小叶紫檀(Pterocarpus tinctorius Welw)为研究对象,应用LabSpec光谱仪采集光谱样本进行主成分分析(PCA),并运用遗传算法(GA)对主成分进行寻优,分别以未经GA寻优的主成分和经GA寻优的主成分作为反向传播(BP)神经网络输入量,测试了BP神经网络识别两种树种的效果。结果表明:寻优前,获得高识别率的主成分区间较窄,仅有5种情况识别效果理想,此种情况不利于主成分数的恰当选择;寻优后,获得高识别率的主成分区间较宽,从前6到前17有12种情况可供选择,此种情况更利于主成分的合理选择;寻优后的识别率比寻优前高,且稳定性较好。利用近红外光谱,依据GA-PCA-BP神经网络方法识别树种是一种理想的方法。     

七个品种燕麦种子发芽指标的主成分分析及良种选择

通过对7个品种(燕王、牧王、爱沃、枪手、魅力、领袖和贝勒)的燕麦(Acena satica L.)种子发芽试验,并对6个发芽指标(发芽率、发芽势、发芽指数、活力指数、根长和发芽平均时间)进行主成分分析,以累积方差贡献率达到90. 81%为标准,确定2个主成分函数式,通过计算各品种的主成分值并进行比较,结果:1、魅力种子的发芽整齐度和活力最高; 2、领袖、爱沃和燕王的种子发芽整齐度较高,而种子活力一般; 3、枪手的种子活力较高,而整齐度一般; 4、牧王的种子活力较低,整齐度一般; 5、贝勒的种子整齐度和种子活力均较差。魅力为最佳选择品种。     

基于颜色特征和极端学习机的番茄成熟度识别

番茄成熟度的判断对实现番茄的自动化采摘意义重大,本研究提出了一种番茄成熟度判断的方法——极端学习机,即对番茄图片进行环形分块划分提取每一块的颜色直方图特征组成颜色特征向量,再利用主成分分析法对提取出来的特征进行降维处理,最后采用极端学习机进行识别判断。通过与支持向量机和BP神经网络的对比发现,极端学习机速度极快,远远快于BP网络和支持向量机,同时极端学习机泛化性较好,在番茄成熟度判断中精度达到92.7%。     

多重分形理论和LVQ神经网络在玉米病害智能识别中的应用

针对不同玉米病害图片有不同的形状特征,提取玉米病害图像的8个多重分形谱值作为玉米病害的形状特征参数,并用这8个特征参数来索引图像数据库,采用学习向量量化(LVQ)神经网络进行样本训练、分类识别.研究结果表明,该方法对玉米病害的识别有较高的识别率、91％以上.     

基于可见-近红外光谱和神经网络的土壤类型鉴别

提出一种利用近红外光谱快速、无损鉴别土壤种类的方法。首先利用近红外光谱仪测定不同种类土壤的光谱特征曲线,利用主成分分析法提取主成分,再结合人工神经网络建立模型进行类型鉴别。主成分分析表明,主成分1、2、3的累积方差贡献率达到99.839%,可以很好地代表原始数据特征。以主成分分析得到的前3个主成分作为神经网络输入,以土壤类型为输出,通过对30个样本的训练学习,分别建立了反向传播人工神经网络(BP)和径向基函数人工神经网络(RBF)。对10个样本进行预测,结果表明2种模型预测的准确性均达到100%。RBF神经网络运行时间明显小于BP网络,具有一定优势。     

毛竹辐射诱变实生苗期选择研究

为从辐射处理的毛竹实生苗中发掘优异基因资源,拓宽毛竹遗传基础,以不辐照的种子为对照,对经5个不同辐射剂量处理过毛竹种子繁育出的实生苗主要生长性状指标(单株平均地径和单株平均苗高、最大地径、最大苗高、分蘖数、冠幅和根幅)进行主成分分析。结果表明,主成分分析可将7个性状综合为3个主成分,其累计贡献率近90%,第1主成分是以株高和地径因子为主导。通过计算各品种的主成分值进行比较,最终选出了5株综合生长性状优良的实生毛竹苗单株,其结果与圃地竹苗生长表型相近。     

毛竹辐射诱变实生苗期选择研究

为从辐射处理的毛竹实生苗中发掘优异基因资源,拓宽毛竹遗传基础,以不辐照的种子为对照,对经5个不同辐射剂量处理过毛竹种子繁育出的实生苗主要生长性状指标(单株平均地径和单株平均苗高、最大地径、最大苗高、分蘖数、冠幅和根幅)进行主成分分析。结果表明,主成分分析可将7个性状综合为3个主成分,其累计贡献率近90%,第1主成分是以株高和地径因子为主导。通过计算各品种的主成分值进行比较,最终选出了5株综合生长性状优良的实生毛竹苗单株,其结果与圃地竹苗生长表型相近。