基于Fisher判别分析的轮毂识别研究

针对传统轮毂生产线因人工目检带来的识别问题,提出以机器视觉为识别基础、Fisher判别为分类方法对轮毂进行识别分类研究。在对机器视觉系统获取轮毂图像进行预处理后,对图像进行特征提取操作获得轮毂半径、轮毂辐条数、辐条类型、轮毂宽度的特征数据。进而用Fisher判别法对轮毂样本数据库进行学习分类。由检测结果得知,Fisher判别法对轮毂分类具有较好的效果,且方法简单,具有较高的识别率。     

PPP融资模式下风电项目的风险识别及优化

文章从全寿命周期角度出发,对风电PPP项目宏观和建设各阶段风险进行识别,并基于大数据可视性分析指导思想,结合风险识别的流程,利用Visual Fox Pro数据库软件给出拟建数据库的人机交互界面并对数据库的运用作了详细介绍。风险识别数据库的建立,实现了项目风险的有效管理和交互使用,解决了PPP模式下不确定性因素较多,风险管理复杂且困难的难题。     

RFID技术在橡胶苗品种识别与信息追溯中的应用

海南是我国最重要的天然橡胶生产基地,然而部分地区的天然橡胶由于品种选育不当,直接影响了橡胶的抗寒、抗风和抗病能力,从而使天然橡胶的产量下降。为此,提出将RFID技术应用到海南橡胶苗品种识别与信息追溯中,结合Visual Basic.NET程序设计和Access数据库技术等,实现对优质橡胶苗的品种信息与育苗生长数据的追踪,以达到监督、指导海南橡胶的种植与管理的目的,从而扩大优质品种的种植面积,保障海南天然橡胶的产量和品质。     

培养瓶内黄杨苗位置的机器视觉识别方法

根据培养瓶内黄杨组培苗的形态特点,提出从苗瓶底部识别瓶中单株苗位置的方法.200棵苗的实测数据表明,97%的苗株在根块上的生长位置距根块中心在1.5 mm之内,该方案是可行的.建立了苗瓶图像采集系统,开发了从瓶底图像中提取根块图像,进行各根块区域标记,进而计算各根块中心的图像处理算法.对60瓶共240棵苗进行了图像识别,并测取根块中心位置计算值与实际苗株中心间的距离,试验结果表明:根块个数的识别成功率为92.05%,计算出的根块中心与实际苗株中心间的平均距离为0.85mm,满足了移苗作业的精度要求.     

基于高光谱成像技术和卷积神经网络的沙果成熟度检测

为探究卷积神经网络(Convolutional neural network,CNN)在果品品质检测中的预测能力,实现不同成熟度沙果的识别,本研究以未成熟、可采成熟、食用成熟、生理成熟4个不同成熟度沙果为研究对象,采用高光谱成像技术,分别利用光谱和图像信息采用CNN建立沙果成熟度判别模型。结果表明,基于光谱和图像信息分别建立的沙果成熟度CNN模型的识别准确率均达到98.75%,实现了不同成熟度沙果的识别,为水果品质的无损检测提供了方法和思路。     

基于高光谱和集成学习的库尔勒香梨黑斑病潜育期诊断

黑斑病是危害库尔勒香梨的真菌病害之一。若在黑斑病症状显证之前实现早期诊断,对于防止病害蔓延、减少经济损失具有重要的意义。结合高光谱成像技术和Stacking集成学习算法,构建了香梨黑斑病早期快速诊断模型。获取了健康、潜育期、轻度发病和重度发病的黑斑病库尔勒香梨的高光谱图像,提取感兴趣区域内的平均光谱,经标准正态变量变换、一阶导数、二阶导数及组合预处理后,利用主成分分析进行数据降维。然后,以K最近邻法（KNN）、最小二乘支持向量机（LS-SVM）和随机森林（RF）算法为基学习器,以LS-SVM为元学习器,构建了黑斑病病害程度的Stacking集成学习预测模型。结果表明,随着病害程度加深,光谱反射率整体呈下降趋势,且存在显著性差异,为分类模型的建立提供了理论依据。所建模型对健康和不同病害程度黑斑病库尔勒香梨的总体判别准确率为98.28%,对潜育期香梨的判别准确率为100%。与利用单一分类器建模结果相比,总体判别准确率和潜育期香梨判别准确率分别上升5.18、23.08个百分点。结果证明,Stacking集成学习具有较强的特征学习能力,将其与高光谱成像技术结合,能实现库尔勒香梨黑斑病潜育期的识别。该结果为库尔勒香梨黑斑病的早期快速诊断和发病过程的实时监测提供了一种新的方法。     

基于卷积神经网络的水电机组轴心轨迹类型识别

针对常规水力机组故障类型识别需要人工参与、识别效率低下的问题,借助轴心轨迹图片蕴含的丰富信息,在引入细粒度模型对故障严重程度进行区分的基础上,提出了一种基于卷积神经网络的水力机组轴心轨迹类型的智能识别方法.该方法先建立了4种故障严重程度的评判标准和对应的2种水电机组轴心轨迹细粒度数据库;利用改进过卷积层与池化层参数的卷...     

支持向量机-近红外光谱法用于真假奶粉的判别

将基于统计学理论的支持向量机(SVM)与近红外光谱分析技术相结合,对真假奶粉进行分类判别.以50个奶粉样品作为实验材料,通过SVM建立识别真假奶粉的模型.实验中采用高斯径向基函数(RBF)为核函数,根据SVM的不同输入量调整核参数建立最佳SVM模型,对学习机的38个样品识别率可达到100%,对预测集12个奶粉样品预测率可达到100%.实验表明,应用支持向量机-近红外光谱法建立判别真假奶粉的近红外定性分析模型,为真假奶粉的判别提供一个方便快捷的分析方法.     

基于颜色特征的健康苗快速识别方法研究

为实现健康苗定位补苗移栽机自动化作业,根据幼苗的颜色特征,介绍一种基于计算机视觉的快速植物幼苗识别方法。该法能够快速准确地将幼苗从复杂的土壤背景中识别出来,为后续工作奠定基础。     

基于神经网络的智能型采棉机器人开发与研究

棉花成熟度和空间位置的识别是智能型采棉机器人研究的关键技术.为此,运用彩色图像处理、神经网络理论以及机器人技术研究开发了采棉机器人样机.该样机具有学习功能,采摘时根据示教的成熟棉花与未成熟棉花的标准样本自动摘取成熟棉花.同时,提出了基于神经网络的棉花成熟度判别策略及棉花重心位置的提取方法.