基于改进蚁群算法的棉花异性纤维目标特征选择方法

为提高基于机器视觉的棉花异性纤维在线分类的精度和速度,提出一种基于改进蚁群算法的棉花异性纤维图像目标特征选择方法。采用初始选择概率预处理方案,设置特征初始概率,降低了冗余特征影响,缩短了算法搜索时间;利用分段变异运算及取优舍劣策略,对棉花异性纤维的颜色、纹理、形状3类特征进行分段变异,避免了算法局部收敛,选出了全局最优特征集。实验结果表明,改进的蚁群算法比基本蚁群算法优化能力更强,搜索时间更短,优化得到的棉花异性纤维特征子集的特征个数比原特征集减少了2/3,分类正确率由84%提高到93%。     

基于BPSO的棉花异性纤维目标特征快速选择方法

针对现有棉花异性纤维目标特征选择方法迭代次数多、速度慢等问题,提出了一种基于改进粒子群优化算法的棉花异性纤维目标特征快速选择方法.使用离散型粒子群优化算法作为特征选择算法,利用支持向量机算法作为分类器对最优特征集进行验证.实验结果表明,在分类准确率与蚁群算法相当的情况下,能减少26％的运行时间.     

基于形状特征的棉花异性纤维图像分割方法

棉花中的白色异性纤维与背景相近,现有的算法很难识别出来.为此,在使用透射光增加异性纤维和棉花背景的灰度差的基础上,提出了一种利用形状特征来分割异性纤维的算法;同时,在自适应局部阈值处理的基础上,利用骨架的走向对间断的纤维进行修补,最后根据几何特征过滤图像中的噪声.实验结果表明,该方法能够有效地分割出异性纤维.     

棉花异性纤维图像特征提

针对棉花加工过程中存在的异性纤维,采用机器视觉技术,通过图像处理方法提取异性纤维目标,采集异性纤维特征数据,应用一种改进型粗糙集理论,进行异性纤维图像目标特征向量的提取,得到有效的特征向量.最后采用决策树理论,利用提取的特征向量进行识别,实验表明,所提取的特征向量对于识别棉花异性纤维是有效的,识别率达到95%.     

棉花异性纤维图像分割方法

通过直方图分析,建立了适用于棉花异性纤维图像的增强模型;提出了改进Otsu法,并对Otsu方法的分割效果进行了深入分析.实验结果表明,所有棉花异性纤维图像的灰度直方图基本都呈单峰特性;所建的增强模型可以显著提高异性纤维目标与皮棉背景之间的对比度;改进Otsu法将最佳阈值的搜索范围从0～255缩减到150～230,使此环节的计算速度提高了2倍多.     

棉花异性纤维图像分割方

通过直方图分析,建立了适用于棉花异性纤维图像的增强模型;提出了改进Otsu法,并对Otsu方法的分割效果进行了深入分析。实验结果表明,所有棉花异性纤维图像的灰度直方图基本都呈单峰特性;所建的增强模型可以显著提高异性纤维目标与皮棉背景之间的对比度;改进Otsu法将最佳阈值的搜索范围从0～255缩减到150～230,使此环节的计算速度提高了     

论如何做好棉花异性纤维含量检验

棉花是我国的经济型农作物,在我国经济组成中占据较大比例。异质性纤维含量检查是检查棉花质量的方式。文章主要对如何做好棉花异性纤维含量检验进行分析,希望可以给相关人员提供参考。     

基于小波极值变换的棉花异性纤维边缘检测

棉花异性纤维的边缘检测是用于提取异性纤维的主要特征,检测的质量直接影响到检测的精度.为此,根据棉花异性纤维检测的特点,利用极值小波变换对目标图像进行降噪和边缘特征处理.经过实验对比表明,该方法明显好于其他方法,说明极值小波变换对提高棉花异性纤维边缘检测精度有重要的意义.     

基于线激光的棉花中白色异性纤维检测

针对棉花中白色异性纤维检测,分析了棉纤维与异性纤维不同的反光特性,在此基础上提出了一种基于线激光的检测方法。实验结果表明,在线激光照射下,棉花与白色异性纤维图像的灰度直方图呈双峰特性,显著提高了白色异性纤维与棉花背景之间的对比度,简单的图像二值化分割算法就能有效检测出大部分白色异性纤维,对6种典型实验白色异性纤维的平均检出率为92.08%。     

基于线激光截面成像的棉花白色异性纤维检测方法

针对棉层表面散布绒毛或游离的纤维细丝,而异性纤维表面光洁无毛的特点,提出了一种基于线激光的样本截面图像获取方法,获取并显示了其微观结构在激光照射下的图像差异.在此基础上,根据激光照射下二者周围有无高亮度的星点,以及星点的分布特征,提出了一种棉花中白色异性纤维的识别算法.实验结果表明,该方法对棉花中典型白色异性纤维的识别率达到了86.9％.     

皮棉异性纤维剔除系统设计

设计了一种基于机器视觉的皮棉异性纤维剔除系统,研究了异性纤维在线检测和剔除技术。为满足在线检测要求,提出了基于图像形态学理论的二进制图像腐蚀改进算法和高速气流喷吹的剔除方法。试验表明,在清洁皮棉的生产率为1000kg／h时,改进的图像处理算法对异性纤维达到95％的识别率,高速气流剔除异性纤维时,落棉率可以控制在4％。     

激素调节机制IAGA在作业车间调度中的应用

针对离散型生产作业中的车间调度问题,以最大流程时间最小化为目标,将基于激素调节机制的改进型自适应遗传算法应用其中。该算法具有有效避免近亲繁殖、无需复制操作、有效克服早熟现象和进化缓慢问题等特点。算法采用基于工序的编码方式,并在调度实例应用中取得满意效果。仿真结果表明:该算法大幅度减少了调度方案生成时间,优化了调度方案,缩减了最小化完工时间,能够有效、高质量地解决作业车间调度问题。     

基于自动视觉检测的棉花异性纤维分类系统

为实现棉花异性纤维的在线识别,设计了一种基于自动视觉检测(AVI)的棉花异性纤维分类系统.该系统利用棉层生成器将待检测皮棉制成约2mm厚的均匀薄层使其中的异性纤维更容易检测,利用彩色线扫描相机检测有色异性纤维,利用单色线扫描相机检测在紫外线激发下能产生荧光的白色异性纤维.采用多特征多分类器集成的模糊分类方法实现了对异性纤维的分类.实验表明,该系统对异性纤维的平均分类正确率可达到80%.     

基于改进遗传算法的拖拉机转向梯形优化设计

为缩小拖拉机转向梯形机构设计参数与理想状态的误差,提出一种改进的实数遗传算法进行拖拉机转向梯形机构优化研究.首先,分析拖拉机转向梯形的理论模型,推导出拖拉机转向梯形机构优化模型;其次,提出了一种改进的实数遗传算法,克服了迭代过程中新生子代位置限制的缺陷,提高了优化算法沿最优适用方向的均匀进化能力;最后,选取铁牛60拖拉...     

基于改进边缘分割算法的幼苗信息提取

优化特征空间和改进分割算法是利用面向对象技术准确获取幼苗信息的关键,也是高空间分辨率数据提取目标地物信息迫切需要解决的问题。研究了在多光谱影像进行去噪声处理基础上,采用改进的基于边缘的算法进行影像分割,同时选取纹理、形状、光谱特征构建特征空间,实现幼苗信息提取的方法。结果表明,该方法对幼苗信息提取的总精度达86%,比传统技术提高了12%,KAPPA系数达0.814 5,比传统技术提高了0.115 9。该方法可以对幼苗信息进行准确快速提取,能够为生产或管理部门进行准确监测和决策提供依据,对未来造林情况进行预测和评价有重要意义。     

基于遗传算法和遗传神经网络算法的堆石料参数反演分析研究

面板堆石坝应力变形计算过程相当费时费力,如果直接调用有限元计算程序进行反演计算,难度相当大,效率也非常低.利用遗传算法优化BP神经网络权值与阈值,建立遗传神经网络模型代替堆石坝的有限元计算程序以提高反演计算效率,同时利用遗传优化算法全局搜索功能寻找使遗传神经网络模拟值和实测值之间误差最小的最优参数组,并通过MATLAB实现基于遗传算法和遗传神经网络算法的堆石料参数反演分析,反演结果表明该算法能够很好地提高反分析效率及准确性.     

基于改进Hu矩和遗传神经网络的稻飞虱识别系统

针对稻飞虱识别实时性差和BP神经网络分类有一定误差的问题,设计了1种基于DSP硬件平台和遗传神经网络算法的稻飞虱识别系统.系统硬件以AT89S52单片机控制拍摄移动装置,以DM6437处理器作为算法处理平台;系统软件设计主要包括基于改进Hu矩的特征值提取和基于遗传算法优化神经网络的识别算法.系统通过CCD摄像机拍摄稻飞虱视频信号传送到DSP识别系统,从中提取图像,识别图像中的稻飞虱.实验对稻飞虱、水蝇和潜蝇等80个样本进行了训练和测试,结果表明遗传神经网络对稻飞虱的正确识别率达到90％.