共查询到20条相似文献,搜索用时 202 毫秒
1.
2.
3.
如何对采集到的草莓图像进行分割和如何选取评定草莓等级的特征参数是草莓自动分拣系统的2个重要环节.该研究利用草莓R、G、B通道明显的像素差值来分割目标和背景,并且选取草莓的形状特征和成熟度作为草莓评级的特征参数,综合运用机器视觉、神经网络等理论方法,通过实验数据统计,建立极坐标下草莓外形轮廓特征参数及颜色空间下成熟度特征参数的提取方法,以人工神经网络为识别模型,实现对草莓的自动分类.实验结果表明,该方法对草莓的自动分级结果与人工分级结果相比较,准确率达到90%,具有实际的可行性. 相似文献
4.
为了实现吊耳法养殖虾夷扇贝Patinopecten yessoensis的钻孔作业自动化,对扇贝左壳定向方法进行了研究。提出了利用扇贝左右壳曲率不同的形状特征,通过控制扇贝的入水速度和角度,在水中实现左壳定向的方法。结果表明:扇贝在水中运动时,左右两壳所受的压力不同,扇贝在流体压力差和重力的作用下实现左壳朝上。在入水速度为1.0~1.5 m/s、入水角度为-30°~60°、水槽直径为60 cm、槽深为26 cm以上的条件下,将扇贝投入静水中,可实现左壳朝上定向;扇贝在水中完成定向所需时间为0.42~0.45 s。该法既可避免机械振动和碰撞对扇贝的损伤,又能减少因加工过程中扇贝在空气中暴露对其生长的影响。 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.
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
7.
海湾扇贝养殖是我国浅海海水养殖的主要贝类产品。扇贝清洗是扇贝分级、剥壳及后续深加工的第一道工序,扇贝清洗效果与清洗效率直接影响到后续工序的生产。本研究通过对国内外扇贝清洗设备的发展现状的分析,以及扇贝在淡水中和在空气中存活时间的对比试验,单排辊清洗试验及双排辊清洗效果分析,研究确定了扇贝清洗机结构方式为上下布置双排辊,并在上排辊间隙上方布置高压喷气装置,采用毛刷辊刷洗和高压气喷洗相结合的清洗方式。 相似文献
8.
水果果形是水果分级的重要指标之一,该文提出了一种基于小波描述子的水果果形分类方法.通过提取水果轮廓计算出半径序列,并进行归一化处理,对归一化后的半径序列进行小波变换提取小波描述子;分别截取小波描述子12、20、36和67个系数点对水果边界进行重建.结果表明:用36个系数点就可较好地重建果形,匹配率为98.64%,用67个系数点可达相当高的精度,为99.96%;选取36个系数点作为果形特征,并运用核主成分分析(KPCA)提取分类所需的7个主要特征输入径向基函数(radial basis function,RBF)神经网络进行分类,发现该方法分级准确率可达90%,效果优于傅里叶描述子,是一种有效地描述水果果形的方法. 相似文献
9.
10.
11.
12.
为了采用机器视觉对竹片自动识别与颜色分选,研究了一种基于竹片图像颜色特征与纹路特征和Bayes分类器的颜色分类方法.首先,对灰度图像采用Canny算子进行边缘检测,再利用Hough变换对竹片进行边缘定位,并对倾斜竹片实施旋转校正,以确定待检测竹片在图像中的具体位置.根据竹片的位置提取竹片区域平均颜色特征及纹路特征,将其作为样本的属性特征,采用Bayes训练的颜色等级作为输出,建立特征参数与颜色等级之间的Bayes分类器,上位机获得分级信号后经串口通过下位机实现竹片的自动分级.试验结果表明,该方法对竹片颜色检测准确率达到91.7%,可为竹制品行业的竹片颜色自动在线检测提供理论依据. 相似文献
13.
14.
基于叶片图像多特征融合的观叶植物种类识别 总被引:9,自引:4,他引:5
叶片图像特征提取对于植物自动分类识别有着重要的研究意义。本文以观叶植物叶片为研究对象,综合提取叶片图像的颜色、形状和纹理特征,基于支持向量机(SVM)原理提出了基于图像分析的观叶植物自动识别分类方法。通过对50种观叶植物样本图像进行训练和识别,与BP神经网络和KNN识别方法进行比较,本文所采用的SVM分类器的识别率能够达到91.41%,取得了较好的识别效果。 相似文献
15.
16.
17.
基于Android手机的树木叶片识别系统 总被引:1,自引:0,他引:1
为了准确高效地识别树木叶片,开发了一款基于Android操作平台的树木叶片设别系统.该系统提取13种树木叶片特征描述子,选择支持向量机作为分类器.该系统包括图像获取、图像处理、特征提取、分类识别和结果展示5个模块.选取来自15个树种的1 500片树叶进行了试验,结果表明,该系统的平均识别率可以达到94.44%,优于BP神经网络的91.56%,达到了令人满意的效果.该系统特征描述子的筛选、提取以及分类器算法还可以进一步优化,以更好地满足用户需求. 相似文献
18.
Variety identification is an indispensable tool to assure grain purity and quality. Based on machine vision and pattern recognition, five China corn varieties were identified according to their external features. Images of non-touching corn kernels were acquired using a flat scanner. A total of 17 geometric features, 13 shape and 28 color features were extracted from color images of corn kernels. Two optimal feature sets were generated by stepwise discriminant analysis, and used as inputs to classifiers. A two-stage classifier combining distance discriminant and a back propagation neural network (BPNN) was built for identification. On the first stage, corn kernels were divided into three types: white, yellow and mixed corn by distance discriminant analysis. And then different varieties in the same type were identified by an improved BPNN classifier. The classification accuracies of BAINUO 6, NONGDA 86, NONGDA 108, GAOYOU 115, and NONGDA 4967 were 100, 94, 92, 88 and 100%, respectively. 相似文献
19.
20.
基于改进VGG卷积神经网络的棉花病害识别模型 总被引:5,自引:2,他引:3
为实现自然条件下棉花病害图像准确分类,提出基于改进VGG-16卷积神经网络的病害识别模型。该模型在VGG-16网络模型基础上,优化全连接层层数,并用6标签SoftMax分类器替换原有VGG-16网络中的SoftMax分类器,优化了模型结构和参数,通过微型迁移学习共享预训练模型中卷积层与池化层的权值参数。从构建的棉花病害图像库中随机抽取病害图像样本作为训练集和测试集,用以测试该方法的性能。试验结果表明:该模型能有效提取出棉花病害叶片图像的多层特征图像,并通过Relu激活函数的处理更能凸显棉花病害的边缘信息与纹理信息,分辨率为512像素×512像素图像在样本训练与验证试验效果最好。在平均识别准确率方面,本研究模型较BP神经网络、支持向量机、AlexNET、GoogleNET、VGG-16NET效果最好,达到89.51%,实现对棉花的褐斑病、炭疽病、黄萎病、枯萎病、轮纹病、正常叶片的准确区分。该模型在棉花病害识别领域具备良好的分类性能,可实现自然条件下棉花病害的准确识别。 相似文献