数字图像模式识别技术在植物叶片识别中的应用

植物分类鉴别是森林资源及林下中药资源清查和保护工作的基础, 但现在植物的鉴别主要依靠人为进行, 效率低、主观性强, 且专业人才较少。随着数字信息化技术的发展, 构建计算机化的植物模式识别体系已经成为植物鉴别过程中强有力的工具,可为植物学的定种工作提供便捷、准确的保障。文中从叶片特征选择、常用叶片识别方法及图像识别在手机系统上的应用3个方面综述了叶片模式识别的相关研究成果,并探讨了利用计算机视觉辅助植物分类方面的问题和展望,以期为数字图像模式识别技术在植物叶片识别中的应用和进一步研究提供参考。     

高光谱数据森林类型统计模式识别方法比较评价

在我国东北地区获取EO-1 Hyperion高光谱数据,以高空间分辨率的全色SPOT-5数据及其影像分割结果为辅助,通过外业测量获取真实可靠的森林类型空间分布数据.以这些数据为地面实状数据,对现代先进的统计模式识别方法用于森林类型识别的效果进行比较评价,总结可以有效解决有限样本条件下高光谱分类问题的基于统计模式识别的森林类型分类技术方案.评价结果表明:对高光谱数据进行降维处理,并采用更加有效的二阶统计量估计方法,进而应用将空间上下文信息和光谱信息相结合的分类算法,如ECHO,可以有效提高高光谱数据森林类型的识别精度.     

基于改进的CLARANS算法在数据挖掘中的研究

数据挖掘的目的是把人工智能、机器学习、神经网络、统计学、模式识别与数据库等技术结合起来,由计算机自动从已有数据中发现未知的、具有潜在应用价值的信息或模式,解决数据量很大、而知识贫乏的矛盾。通过聚类,能够识别密集的和稀疏的区域,发现全局的分布模式和数据属性之间有趣的相互关系。在充分继承CLARANS算法原有的优点基础上,利用遗传算法对CLARANS算法进行改进,提高了聚类效率。     

人工智能研究热点及其发展方向

通过人工智能研究,人们现已建立了具有不同程度的计算机系统,例如能够求解微分方程、设计分析集成电路、合成人类自然语言,进行情报检索,提供语音识别、手写体识别的多模式接口,应用于疾病诊断的专家系统以及控制太空飞行器和水下机器人等智能系统.目前人工智能研究的3个热点是:智能接口、数据挖掘、主体及多主体系统.智能接口技术是研究如何使人们能够方便自然地与计算机交流.为了实现这一目标,要求计算机能够看懂文字、听懂语言、说话表达,甚至能够进行不同语言之间的翻译,而这些功能的实现又依赖于知识表示方法的研究.因此,智能接口技术的研究既有巨大的应用价值,又有基础的理论意义.目前,智能接口技术已经取得了显著成果,文字识别、语音识别、语音合成、图像识别、机器翻译以及自然语言理解等技术已经开始实用化.     

基于分形理论木材表面缺陷识别的研究

木材表面缺陷检测是多学科交叉的技术,该技术对木材生产领域及其深加工等方面有着较高的应用价值。本文主要围绕分形理论对木材表面缺陷检测进行深入研究,通过将分形理论、小波多分辨率分析以及人工神经网络模式识别技术相结合,研究了木材表面缺陷特征提取、模式识别问题。在对200块试件进行测试时,系统平均识别率达96.5%。结果表明,用分形理论进行特征提取能够高精度地识别木材表面缺陷。     

植物学多媒体辅助教学系统的设计与实现

植物学多媒体辅助教学系统的设计与实现华南热带农业大学彭金莲（一）植物学多媒体辅助教学系统的特点多媒体技术是一种使计算机具有对声音、文字、图形、图像进行输入、识别、存储、处理、管理、输出等综合能力的技术；多媒体计算机辅助教学（ＭＭＣＡＩ）是９０年代多媒...     

江西省研发国内首款昆虫识别软件——“江西昆虫”APP

<正>为切实解决基层监测人员和林农在害虫识别和防治技术方面的迫切需求,江西省林检局借助人工智能技术,扎实开展了智能诊断系统--"江西昆虫"APP研发工作,目前已顺利完成该软件验收。"江西昆虫"APP是国内首款昆虫识别软件,包括"昆虫、拍照识别、我的"3个功能模块,分别对应昆虫的分类特性及防治措施、拍照识别、个人资料信息等内容。该APP已建立与林业有关的10个目、203个科、526个属、1 000余种昆虫的目录,其     

基于ResNet网络的小蠢虫识别研究

随着人工智能的发展,视觉感知技术为林业害虫识别防治提供了新方法和实现思路.论文提出一种基于深度感知神经网络框架实现小蠢虫的检测识别,检测系统具体采用了特征金字塔结构、形变结构和新型非极大值抑制技术进行构建,其准确率达到了96.32％.这说明了基于人工智能技术方案识别林业害虫的可行性.与传统方法相比,此方法在精准识别林业害虫的同时,有效减少不必要的资源消耗.     

基于卷积神经网络的雄性海南长臂猿声纹识别

【目的】利用鸣叫声对雄性海南长臂猿个体进行识别,为海南长臂猿种群智能感知和监测及海南热带雨林国家公园智慧保护地建设提供支撑。【方法】许多研究证明某些物种鸣叫的声音具有个体差异,这种差异可以作为一种声音指纹来对物种个体进行识别。本研究基于雄性海南长臂猿鸣叫声谱的特征以及声纹识别的基本原理,提出基于卷积神经网络的声纹识别的方法,通过采用主动声学监测和被动声学监测2种方法收集海南长臂猿鸣叫的原始数据,对原始数据进行预处理,将7只雄性海南长臂猿鸣叫短语中的调频音符组合的声谱图作为输入。通过搭建卷积神经网络和残差卷积神经网络2种模型,7只雄性海南长臂猿鸣叫声谱中提取声纹特征并进行分类,实现个体识别。【结果】通过五折交叉验证得出卷积神经网络模型识别正确率为91.2%,识别效果标准差为4.24%。残差卷积神经网络模型识别正确率为95.04%,识别效果标准差为2.97%。相比卷积神经网络,残差卷积神经网络识别准确率更高,且分类效果更加稳定,但是计算耗时更长。【结论】利用卷积神经网络模型和残差卷积神经网络模型对雄性海南长臂猿鸣叫声谱图进行分类并实现个体识别是可靠的,本方法可以应用于对海南长臂猿的声纹识别...     

模式识别技术在森林分类中的应用

用模式识别技术进行森林分类,可大面积、快速地取得有关森林分布的信息,分类精度可达80%以上。本试验是在牡丹江地区江山娇林场和带岭林业局凉水林场进行的,采用美国第二号地球资源技术卫星1981年7月13日和1975年9月2日提供的卫星影象资料。一、试验方案的选取方案的选取以提高分类精度、加快分类速度为依据。采用无监督分类和有监督分类两种方法相结合。首先用无监督方法处理一部分象元(由于数据量小,小机器也可胜     

林火自动识别报警系统研建

运用图像识别、模式识别和地理信息系统(GIS)技术进行林火自动识别报警,通过对摄像头摄取的图像进行处理,提取其颜色特征和纹理特征,根据烟雾、火焰的图像特征与森林图像特征的不同,来分析识别烟雾、火焰信息,并在GIS中自动识别并定位火点。     

模糊控制技术及其产品

模糊控制技术及其产品模糊控制技术是利用模糊数学原理来进行技术控制的，而模糊数学是一门新兴的数学科学，它是研究现实世界中许多界限不分明甚至模糊的问题的。模糊数学在模式识别、人工智能等领域有着广泛的应用．日前，我国利用模糊控制技术在上述领域已开发出了下列...     

木材树种计算机视觉识别技术发展与应用

我国是全球林产品生产、贸易和消费第一大国,因此受到国际社会的广泛关注。在木材和木制品贸易流通环节经常出现以假乱真、以次充好的现象,为国际履约执法和林产品产业监管带来严峻挑战。基于木材解剖的传统木材树种识别方法,一般只能识别木材到"属"或"类"。近年来发展的DNA条形码、近红外光谱等木材树种识别新技术虽然可以实现木材"种"的识别,但难以在口岸、现场等多场景下对大批量样本进行自动精准识别。随着计算机技术的快速发展,计算机视觉识别技术可以从不同类别图像中提取关键特征,从而对图像进行分类,为木材树种分类带来新的途径。笔者首先介绍了基于图像采集、特征提取和树种分类的传统木材树种计算机视觉识别技术研究概况,然后从图像数据集构建、模型构建训练与测试以及系统开发等应用等方面介绍了基于深度学习的木材树种计算机视觉识别技术研究应用现状,并结合国内外研究进展对基于深度学习的计算机视觉识别技术在木材树种识别领域的应用进行了展望和提出建议,以期为木材树种自动精准识别研究提供新的思路。     

基于计算机的木材特征提取和分类识别技术研究综述

木材由于内部结构和组成成分的差异,使不同种类木材表现出完全不同的理化性质,并决定其不同的用途和商业价格,因此针对木材的分类识别研究具有重要的应用价值。木材分类识别通常经过木材特征提取和基于特征的分类识别这2个步骤。目前木材特征提取主要利用计算机视觉、光谱分析等技术。木材分类识别是基于木材特征的数字化,这一部分可利用计算机算法实现自动识别,较以往人工识别可大幅提高准确度。文中通过分析近20年来木材特征提取和分类识别的相关文献,介绍各种基于计算机的木材特征提取与分类识别技术的特点及适用范围,并结合计算机技术的发展方向探讨木材特征提取与分类识别技术的发展趋势,以期为构建更准确的木材分类识别技术提供参考。     

人工智能在木材加工中的应用

随着新一代人工智能技术不断取得应用突破,将人工智能技术与木材加工产业深度融合,实现木材加工产业智能化控制、精准化配置、高效率利用、可持续发展,是促进林业人工智能发展的主要任务之一.文中概述了人工智能算法及理论在木材无损检测与分类、木材干燥、木材优选加工等木材加工过程中的应用现状,分析了相关算法的不足之处,提出人工智能技...     

利用微型电子计算机在卫片上对森林进行特征识别和分类

利用微型电子计算机在卫星照片上对森林进行特征识别和分类,可为森林资源连续清查提供极为有利的条件。我们用微型机MZ 80C组成图象处理系统,用训练分类法,采用特征空间变换技术,在卫星照片上对带岭凉水林场地区的森林进行了特征识别和分类试验,获得了87％的总分类精度,86％的类型级实际分类精度。     

森林植被遥感分类研究进展与对策

遥感分类是遥感应用中的主要问题之一,分类的精度直接影响遥感数据的应用水平和实用价值。本文概述了遥感分类的方法,综述了森林植被遥感分类研究的国内外进展,在此基础上分析了森林植被遥感分类存在的问题,提出了发展对策,指出基于知识的人工智能技术和高光谱技术是森林植被遥感分类未来的发展趋势。     

基于数字图像的木材缺陷识别研究进展

数字图像处理技术是在木材缺陷识别中应用最广泛的技术之一,具有准确、快速、无损和成本低等优点。本文阐述基于数字图像的木材缺陷识别技术的研究现状,分析图像预处理、分割、特征提取及融合、图像识别分类过程涉及的算法,并对每种方法的特点以及局限性进行总结,对未来研究的发展趋势进行展望。数字图像处理技术进一步走向自动化和智能化,还需要更深入的研究。     

基于卷积神经网络的车型识别

车辆分类识别自动化是当前道路安全和智能交通系统面临的重要挑战之一。图像处理、模式识别和深度学习技术的发展克服了许多障碍,针对车型多、计算量大导致车型识别准确率低、效率低的问题,深度学习的卷积神经网能够很好地解决这一问题。基于该方法实现5种车型的识别。首先,收集足够多的数据集以此来平衡数据集(交通网获取足够多的图片数据)。其次,使用这些数据集来训练特殊的卷积神经网模型及设置各个网络层参数。通过评估卷积层数、卷积核大小、卷积层与池化层的数量配比及各动量等参数,实现网络性能的比较和优化及卷积核的选择。     

基于颜色和纹理特征的竹材分类方法研究

为了应用机器视觉技术实现竹条表面颜色等级的分类识别,提出了用颜色矩和灰度共生矩阵描述竹材颜色特征和纹理特征的方法,并采用支持向量机对竹材进行分类识别,正确率达92．3％以上。结果表明,用颜色矩和灰度共生矩阵的特征参数来识别竹条颜色等级是可行的。