人工神经网络技术在鲜茶叶分选中的应用

将人工神经网络技术应用于鲜茶叶的分类,茶叶图像面积、周长、凸壳面积、凸壳周长、等二阶距椭圆长轴长度、短轴长度、椭圆偏心率等几何参数和R、G、B三个彩色空间分量的均值、标准偏差、平滑度和一致性等纹理参数可以作为茶叶分类的特征值。试验表明,BP网络用于茶叶分类能够取得较好的效果,分类判断的正确率达到90%。网络的隐藏层和输出层为多个神经元时,其可能达到的分类效果要略好于隐藏层和输出层只有单个神经元的网络,但前者训练出的网络会出现权值不能收敛到全局误差最小值的情况,其可靠性不如后者。     

基于人工神经网络与图像处理的苹果识别方法研究

针对中国苹果等级划分主要依靠人工感官进行识别判断的现状，提出了以应用计算机视觉以及图像处理技术为基础，通过改变传统学习向量量化(LVQ)网络输入层各参数的权重来改变其在竞争层中的竞争能力。采用改进后的LVQ网络算法，对苹果进行等级判别试验，取得了良好的试验结果，识别正确率达88.9%，且具有较好的稳定性。     

果实形状的计算机识别方法研究

在综合分析果实形状的基础上，提出用6个特征参数表示果形，这6个特征参数分别为半径指标、连续性指标、曲率指标、半径指标的对称性、连续性指标的对称性、曲率指标的对称性。首次将参考形状分析法用于果形判别，利用人工神经网络对果形进行识别和分级。结果表明，用提取的特征参数和果形识别技术，计算机视觉与人工分级的平均一致率在93%以上。     

一种基于人工神经网络的水库水温分层模式判别方法

该文提出了一种判别水库水温分层模式的人工神经网络方法,该方法不直接描述水温分层的物理机制和物理模型,通过设定前馈网络结构并利用已有实例进行训练,使网络能很好地模拟水温垂直分层模式影响因素与水温分层模式间的映射关系,其特点是分类准确、适应能力强,对线性和非线性分类问题均适用。     

西北地区干红葡萄酒产地与酒龄的理化判别方法

西北地区具有独特的风土条件,适宜酿酒葡萄的种植,已形成\     

小麦高产技术专家系统的研究

本文介绍一种运用人工智能技术，结合小麦专家丰富的知识和经验，以河南省小麦生产为例的微机专家系统。阐述该系统的结构、工作原理和设计过程。该系统操作简单，易于掌握，输出的生产措施详尽，有很高的实用价值和推广前景。     

基于Fisher判别分析法的泥石流预报模型研究

针对泥石流形成原因复杂,形成机理认识不足,预测预报困难等特点。根据泥石流形成的直接成因降雨因素,运用判别分析理论,提出了泥石流预报的Fisher判别分析模型。该模型基本思想是将一系列与泥石流发生相关的因子数据投影到某一个方向,使得投影后数据尽可能地分组,借助组内方差尽量小,组间方差尽量大的一元方差分析思想确定判别函数,依据判别准则,判定新样本的归属类别。该方法具有操作简单易懂及计算速度快的特点,可及时对泥石流状况进行判别。实例研究结果表明,提出的Fisher判别分析泥石流预报模型能够有效提高预报精度。     

黄花梨果形的机器视觉识别方法研究

黄花梨的果形是分级的重要特征之一。利用机器视觉采集黄花梨图像,研究了不规则果品的形状描述方法,提出在黄花梨的分级过程中采用傅立叶变换与傅立叶反变换对来描述果形,开发了基于人工神经网络的果形识别软件。研究发现该傅立叶描述子的前１６个谐波的变化特性足以代表梨体的主要形状,采用傅立叶描述子与人工神经网络相结合的方法进行果形识别的精确率可达９０％。而且只要有合适的训练对,该方法也可以用来对其它水果进行外形识别     

果型综合评价系统中的退火演化和神经网络融合方法研究

应用计算机视觉技术获取了国光、富士和黄元帅三个不同品种苹果的形状特征参数，采用退火演化算法及神经网络“融合”方法建立了分级合作的层次处理自动评价系统，实现了对果型的快速、准确综合判别。实验表明，该方法准确率达到９５％，并具有较好的鲁棒性和灵活性，能够满足多品种、大批量实时分级的需要。     

用遗传神经网络方法进行苹果颜色自动检测的研究

该文通过计算机视觉技术获取苹果的色度直方图并提取其表面颜色特征，采用先进的遗传算法建立了一个多层前馈神经网络系统，从而实现了苹果成熟度的自动判别。实测表明，该方法准确率较高，并具有鲁棒性、灵活性和高速度。     

水果表面缺陷自动检测系统中的人工智能方法研究

通过计算机视觉技术获取了带有各种表面缺陷的苹果图像并进行预处理，采用自适应特征聚类（ＳＡＦＣ）神经网络与模糊加权决策树（ＦＷＤＴ）相结合的方法实现了缺陷区域的准确检测和详细分类。实验结果表明，用人工智能方法进行表面缺陷检测，具有良好的抗噪容错能力并能有效地克服传统图像分割方法适应性差的缺点，提高判别准确率和分类精度。     

神经网络参数辨识在具有传感器特性的传动系统中的应用

论述了一种基于Ｈｏｐｆｉｅｌｄ神经网络线性系统参数辨识方法,导出了辨识的充分条件,并将该方法应用于鼠笼式电机传动系统的转动惯量,风阻系数以及负载转矩的辨识。仿真结果表明,即使上述参量的不正确值设置而导致系统运行状况恶化时,该方法仍能保证辨识结果收敛于正确值。     

基于BP神经网络的台风降雨量预测研究

台风登陆所带来的强降雨可引发严重的灾害。依据BP神经网络基本原理,结合台风及降雨特征,建立了台风降雨量BP神经网络预测模型,利用200509号台风"麦莎"期间温州地区88个雨量观测站的连续6h雨量和台风特征参数,对该模型进行了训练和检验。模型检验表明,6h降雨量预测相对误差小于30%的数据组所占比例达到71.1%。为台风期间降雨量时空分布快速预测提供了有益的尝试,对于沿海地区台风灾害预警、损失评估和应急决策具有重要现实意义。     

水果表面缺陷自动检测系统中的人工智能方法研究

通过计算机视觉技术获取了带有各种表面缺陷的苹果图像并进行预处理，采用自适应特征聚类（ＳＡＦＣ）神经网络与模糊加权决策树（ＦＷＤＴ）相结合的方法实现了缺陷区域的准确检测和详细分类。实验结果表明，用人工智能方法进行表面缺陷检测，具有良好的抗噪容错能力并能有效地克服传统图像分割方法适应性差的缺点，提高判别准确率和分类精度。     

基于神经网络的投入产出优化模型及应用研究

本文提出了把投入产出模型与神经网络模型互相结合对系统进行优化,制定系统的发展目标与方案。并以广西都安县五竹村为例进行了实证研究。     

基于神经网络的土地利用规划方案优化方法研究

本文提出了一种基于神经网络的土地利用规划方案优化方法，采用此方法可实现多目标土地利用方案的优化。这一方法用于武鸣县土地利用规划方案的优化，取得了比较满意的结果。     

BP神经网络在降雨侵蚀力预测预报中的应用研究

降雨侵蚀力反映由降雨引起土壤侵蚀的潜在能力,是建立通用土壤流失方程USLE的最基本因子之一。由于降雨侵蚀力计算过程中所需资料较难收集,给其计算增加了难度。运用BP神经网络方法对降雨侵蚀力与地理之间的关系进行研究,建立降雨侵蚀力BP神经网络模型。对福建省46个地域的降雨侵蚀力进行研究,结果表明:所建立的降雨侵蚀力BP神经网络模型对模拟预测福建不同地域的降雨侵蚀力,平均模拟精度为96.81%,平均预测精度为95.68%,达到了较为理想的效果。这不仅为降雨侵蚀力的预测预报提供了科学依据,而且也为BP神经网络在水土保持研究中的应用开辟了新的思路。