模拟退火算法在储粮害虫图像识别中的应用

简要介绍了储粮害虫智能检测的几个部分:图像采集、图像预处理、特征形成、特征压缩及其分类。对特征选择中的模拟退火算法的思想、实现步骤、参数选择分析等进行了重声、阐述,该算法有效地将储粮害虫的17维原始形态学特征降为10维,提高了分类的效率。     

基于遗传算法和支持向量机的储粮害虫图像识别

建立支持向量机（SVM）模型,用遗传算法自动选择最优的核函数参数,利用该SVM与遗传算法相结合的新型算法对储粮害虫图像进行分类识别。结果表明,该方法所确定的SVM对储粮害虫具有较优的识别率,其整体性能优良。     

基于自组织特征映射神经网络的储粮害虫分类方法研究

提出了基于自组织特征映射（SOM）神经网络的害虫分类方法：该方法能将任意维输入模式在输出层映射成一维或二维离散图形,并保持其拓扑结构不变,而且无需监督,可实现对输入模式自动分类。分析了SOM网络基本工作原理,并将之用于害虫分类模型的建立中。结果表明,该方法能有效地对害虫进行分类,比BP神经网络分类精确度高、分类结果的可解释性更好。     

电子鼻在储粮害虫检测中的应用研究

通过采用法国生产的Alpha MOS Fox3000电子鼻和自行设计的实验系统,分别对含有活的储粮害虫气体样本、含有死虫的气体样本和标准空气样本进行了检测与比较,并应用主元素分析法进行了模式识别.结果表明,无论虫量多少、虫子死活,它们的气体样本与标准气体样本都有明显的差异,从而能快速检测出粮食是否受到害虫的侵蚀.     

储粮害虫检测现状

储粮害虫的检测是目前粮食储藏行业的重要研究内容,粮虫的种类和密度等信息的确定是进行粮虫防治的重要依据,因此,国内外很多专家学者提出了很多有效的检测方法。文中对粮虫检测的诱捕和识别2个步骤的国内外采用的主要方法进行了重点论述。     

储粮害虫防治方法研究初探

储粮害虫一般具有体躯微小、体色晦暗、繁殖快、适应力强、分布广等特点。该文在阐述粮食储藏过程中搞好预防的同时,重点阐述了综合治理。主要是：落实清洁卫生制度、仓库消毒、“三防措施”、检疫防治;采用机械防治法、生物防治、化学防治等。强调做好防治储粮害虫工作,既是一项经常性任务,也是一种复杂的技术性工作,对确保储粮稳定,避免发生损失损耗,以及品质劣变,具有重要意义。     

储粮害虫检测的图像预处理研究

以储粮害虫实时检测系统中的图像预处理为研究对象,提出了一套实用有效的图像处理和分析方法,介绍了图像增强、图像去噪、阈值分割、数学形态学运算的过程。并以实际小米中的害虫图像为例对图像预处理进行了研究,实现了害虫目标的准确分割,表明所采取的预处理方法可以为后期自动识别打下良好的基础。     

农家储粮害虫防治方法概述

储粮害虫防治法主要有物理阻隔预防法、高温除虫法和药物熏蒸法。另外,还有白酒储粮、椿树叶储粮等其他一些方法。     

二氧化碳气调防治储粮害虫的试验研究

具体的试验表明,利用二氧化碳气调防治储粮害虫,可取得理想的杀虫效果,而且无污染.     

黑龙江省储粮害虫防治技术

我省常见的贮粮害虫有米黑虫、玉米象、谷盗、麦蛾等.主要属鞘翅目和鳞翅目害虫. 1 发生条件 1.1 食料     

粮虫图像识别检测技术研究现状与展望

为促进图像识别检测技术在我国粮情测控领域的应用研究,从预处理、特征提取、识别分类和种群密度估计4个方面,概述和分析了计算机图像识别检测技术在粮虫自动识别中的发展现状,提出今后应从图像自动采集装置的研制、粮虫图像的有效特征获取、高适应分类器的设计、粮虫种群密度的估计、多种检测技术的融合等方面开展深入研究,为科学规范粮虫防治工作提供更好的决策支撑。     

田间害虫图像识别中的特征提取与分类器设计研究

特征提取和分类器的设计是田间害虫图像识别中的关键环节。针对害虫目标的二值化图像提取出面积、周长、复杂度等7个形态学特征,并进行归一化处理;建立了9种害虫的模板库及隶属度函数,并基于最小最大的原则进行模糊决策分析;对稻纵卷叶螟、棉铃虫等田间危害严重的9种害虫进行识别分类的识别率达86%以上。     

基于贝叶斯正则化BP网络的粮虫分类识别研究

以粮虫为对象,研究了利用数字图像处理技术与BP神经网络技术实现分类识别的方法。首先对4类常见粮虫进行图像采集、预处理及特征提取,然后将提取到的9个形态学特征参数作为神经网络的输入参数,对应的粮虫类别代号作为输出参数,建立BP神经网络,并在网络学习过程中采用贝叶斯正则化优化算法对其进行改进。最后通过仿真试验表明:该方法在粮虫识别算法中收敛速度快,预测精度高,稳定性好,泛化能力优,从而证实了该方法在实际应用中的可行性。     

基于L-M神经网络的储粮害虫分类识别

基于图像处理的储粮害虫检测过程中,需要解决多种害虫多特征、混合度大的综合分类问题.本文提出采用基于L-M算法的多层前馈神经网络对害虫进行分类识别.实验表明,该神经网络和害虫分类识别系统拟和程度很高,并且采用的L-M算法,在网络训练速度及识别精度方面,都优于传统的BP算法.因此基于L-M算法的神经网络在害虫的在线识别方面有应用价值.     

新型储粮保护剂硅藻土对2种重要储粮害虫的防治效果初报

为了探索硅藻土防治储粮害虫的经济有效剂量、防治方法和条件等,本方设计了不同温度和湿度组合,不同的硅藻土剂量分别对生活在小麦和稻谷中的谷蠹和长角扁谷盗的毒力试验,结果表明:在相同的条件下(1)硅藻土对小麦的防护优于对稻谷的防护。(2)在25℃时对谷蠹的防效高于30℃的防效,对长角扁谷盗则相反。(3)硅藻土的防治效果随着相对湿度的降低而提高。(4)长角扁谷盗对硅藻土的敏感度是谷蠹的5￣6倍。在应用时从经济、有效的原则考虑,建议防治以谷蠹为主要害虫的储粮时以400mg/kg的剂量,防治长角扁谷盗时则以70mg/kg即可。     

基于图像处理技术的储粮害虫快速识别

为了快速检测、识别出储粮虫害图像中的虫体信息,为虫害的综合防治提供依据,提出了一种基于图像处理技术的害虫检测与识别快速方法,该方法采用图像预处理技术、形态学开重建以及基于改进Hausdorff距离的模板匹配算法.结果表明：该方法不仅可以正确检测、识别出害虫信息,并且在检测与识别效率上基本达到了实时性检测的要求.     

核函数主成分分析在粮虫特征提取中的应用

针对储粮害虫种类多、类别之间区分度比较小的特点,提出基于核函数主成分分析(KPCA)的粮虫特征提取方法.利用高斯径向基核函数,对特征选择后的10维原始数字特征进行核函数主成分分析,即通过非线性变换将样本数据从输入空间映射到高维特征空间,然后在高维特征空间进行特征提取.从类间可分性指数和粮虫分类效果2个方面,将KPCA法...