基于小波变换和BP神经网络的蛋壳破损检

提出了一种基于多层小波变换和纹理分析的蛋壳破损检测方法。该方法对获取的鸡蛋透射图像G分量在不同水平上进行小波分解,计算和分析各水平高频细节子图像的纹理特征参数,实验确定最有效的8个特征参数作为BP网络输入,建立结构为8—20—2的BP神经网络蛋壳破损分类模型。实验表明,该方法对无破损蛋、线状破损蛋、网状破损蛋和点状破损蛋的判别正确率分别为95%、90%、95%、80%,平均识别率为     

基于PCA和神经网络的荞麦剥壳混合物识别

针对荞麦剥壳机调节运行参数时需要对出料口混合物中各种成分进行定量分析,而传统人工分析方法耗时且主观性强的问题,研究了一种基于主成分分析和BP神经网络的荞麦剥壳混合物识别方法。采集未剥壳荞麦、已剥壳完整荞麦米和破损荞麦米的图像,对图像进行预处理后,提取了每个单独籽粒图像的12个颜色特征、10个形状特征和18个纹理特征。使用主成分分析法将40个特征参数映射为5个综合特征作为输入参数,构造了一个5-11-3结构的单隐层BP神经网络对荞麦剥壳混合物进行识别,试验结果表明:该BP神经网络对未剥壳荞麦、已剥壳完整荞麦米和破损荞麦米的识别正确率分别为98%、90%和98%,平均正确率为95%,能够对荞麦剥壳混合物进行有效的识别。     

倒谱和功率谱分析在禽蛋破损检测中的应用

为了在蛋品加工中能够快速地检测并剔除破损蛋,将声卡采集到的蛋在敲击时的声脉冲信号送入计算机,利用倒谱和功率谱进行分析,分别提取出6个特征参数,并进行逐步判别分析,选择出最优判别因子,建立判别模型.实践表明:其对破损蛋的识别准确率达到95%,对禽蛋破损检测提供了参考方法.     

基于DSP的鸡蛋蛋壳破损检测系统硬件设计

根据无损蛋和有损蛋声学特性的差异,设计了一种基于DSP的鸡蛋蛋壳破损检测硬件系统.该硬件系统具有声音信号采集与处理、破损识别、结果显示以及与PC机通信等功能,可实现破损蛋壳的检测.     

考虑光照条件的蛋壳蛋心颜色识别方法

研究了机器视觉识别中光照条件对蛋壳蛋心颜色的影响;根据白壳与青壳蛋透光性的差异,对比分析了鸭蛋不同壳色在不同光照强度下的颜色信息,找出了白壳蛋与青壳蛋图像信息差异最大的参数以及对应的光照条件.同时,分析了与蛋黄颜色相关性较大的特征参数及光照条件.实验表明:光照条件的亮度等级为120时,鸭蛋图像的可分度最好,利用形心区域的尺分量来判断蛋壳的颜色,计算量减少,分类准确,易实现;白壳蛋在180亮度及青壳蛋在210亮度等级下,根据形心区域的H分量建立判别模型,预测精度高.     

基于人工神经网络的田间秸秆覆盖率检测系统

以VC++为工具,田间实拍图像为研究对象,在分析田间秸秆和土壤纹理特征差别的基础上,设计了BP神经网络秸秆覆盖率检测系统.该系统采用了神经网络与纹理特征相结合的方法提取秸秆,并以纹理特征熵值为标准建立了网络输入层学习样本选取准则.人工模拟和田间试验表明,设计的BP神经网络秸秆覆盖率检测系统对田间秸秆的识别率达90%以上,秸秆覆盖率计算误差可控制在5%以内;与传统的拉绳法相比,检测效率提高50～120倍.     

基于小波分解的纹理分割的农机化应用研究

农业机械自动导航是农业自动化的重要标志之一,其中图像分割技术已成为农业机械导航的重要环节.为此,根据已收割和未收割的农作物图像具有不同纹理特征的性质,采用小波分解方法,对农作物图像的自动分割进行了大量实验研究,并且与纹理分割常用的Laws能量特征法进行了实验效果和运行效率对比.理论分析和实验结果均表明:基于小波分解的纹理分割方法,完全适用于农业机械导航中的农作物图像自动分割.     

基于计算机视觉和神经网络的牛肉颜色自动分

将采集的牛胴体眼肌切面图像人工确定其颜色等级,然后通过计算机图像处理方法,分割出肌肉区域并提取出其在RGB和HIS颜色空间的颜色特征参数.设计一个以牛肉的颜色特征参数为输入、牛肉的颜色等级为输出的BP神经网络模型,通过训练,确定模型的结构参数,用测试样本对该模型进行验证.结果显示,用该模型进行牛肉颜色等级预测的正确率可达95%,耗时仅0.25s.表明利用所设计的模型可以对牛肉的颜色等级进行快速、准确的自动判定.     

基于Bayes判别的禽蛋破损检测模型研究

通过对敲击蛋壳的声音信号进行功率谱分析,得到功率谱面积的平均值、最大功率谱面积与最小功率谱面积的差值、X轴方向上质心的平均值等8个反映蛋壳破损特征的参数;再运用Bayes判别原理建立与这些特征参数相关的蛋壳破损检测模型。试验研究表明,该模型准确率达到92%。     

基于高光谱成像技术的小麦籽粒赤霉病识别

利用高光谱成像技术通过光谱分析和图像处理进行小麦赤霉病的识别。采用标准正态变量变换(SNV)和多元散射校正(MSC)方法对光谱进行预处理,分别利用连续投影算法(SPA)和正自适应加权算法(CARS)进行变量筛选提取特征波段,结果表明采用MSC-SPA和SNV-SPA算法时决定系数分别为0.901 9和0.900 6,均方根误差分别为0.223 8和0.223 2,筛选波长个数分别为7个和5个。利用SVM和BP神经网络算法建立的交叉验证模型及验证模型的准确率均达到90%以上。其中,MSC-SPA-SVM和SNV-SPA-SVM方法的建模集准确率分别为97.08%和94.17%;验证集准确率分别为98.33%和97.50%,均优于MSC-SPA-BP和SNV-SPA-BP模型。为了研究染病小麦的高光谱图像信息,利用主成分分析方法,根据权重系数选择最佳特征波长为627.698 nm。利用图像处理方法对特征波长下的特征图像进行预处理、特征提取。分别提取特征波长图像的形态参数特征和纹理特征参数等,根据特征参数相关性分析选择最优的建模特征参数。分别利用10折交叉验证方法建立线性判别分析、支持向量机和BP神经网络识别模型,结果表明3种识别算法识别准确率均在90%以上,具有较好的识别效果。     

基于多进制小波变换及多维纹理特征的遥感影像融合方法

探讨了基于多进制小波变换与多维纹理特征融合相结合的遥感影像融合方法。在融合过程中,首先对高分辨率全色影像和多光谱影像进行多进制小波分解,再联合提取局部方差、局部梯度、局部能量和局部信息熵4维纹理特征,将高分辨率影像的高频分量分别与多光谱影像的高频分量以多维纹理特征进行多判据联合方法融合,形成新的高频分量,然后与多光谱影像的低频分量进行多进制小波逆变换,最后经 RGB合成为彩色影像。试验选取淮南矿区SPOT 10 m与TM 30 m空间分辨率影像,从目视判读（定性评价）、地物光谱曲线分析、定量评价指标三方面对融合方法进行了评价。结果表明,该方法既保留了原影像的光谱信息,同时也改善了影像的清晰度和分辨率,利用融合后的影像进行矿区土地利用变化监测,效果明显提高。     

基于小波纹理和随机森林的猕猴桃果园遥感提取

为快速、准确地从高分影像中获取猕猴桃种植分布信息,提出了一种结合小波变换纹理分析和随机森林分类的QuickBird影像猕猴桃果园自动提取方法。首先,采用coif5小波对QuickBird全色影像进行多尺度小波分解,计算各子频带小波系数的能量特征作为纹理特征;然后,将小波纹理与光谱特征组合构建分类特征;最后,利用随机森林分类实现土地利用分类和猕猴桃果园空间分布提取。结果表明,小波纹理识别猕猴桃果园的效果明显优于光谱特征和其他2种纹理特征;光谱+小波纹理特征的分类精度最高,猕猴桃果园提取精度(Fk)和总体分类精度(OA)分别为95.30%和94.46%,比光谱+灰度共生矩阵纹理分类分别提高6.70%和2.88%,比光谱+分形纹理分类显著提高13.43%和6.98%;随机森林分类结果优于相同特征下的支持向量机、最大似然分类。本文提取的猕猴桃果园面积与目视解译结果的相对误差小于7%。此外,利用本文方法对同期QuickBird影像另一研究区的苹果园分布进行提取,结果表明,该方法对苹果园提取有较好的适用性。     

基于小波变换的汽车轮速信号去噪

传统的汽车轮速信号处理方法难以消除干扰信号的影响。根据信号与噪声通过小波变换后在各尺度空间呈现的不同特性,选用Daubechies四阶正交小波（db4）对噪声信号进行多层小波分解,对小波分解的各层细节信号,分别采用软阈值处理方法进行量化处理,然后进行小波逆变换重构信号以达到对信号去噪和恢复的目的。研究结果表明,采用此方法能够有效地去除轮速信号中的各种干扰。     

小波变换与分水岭算法融合的番茄冠层叶片图像分割

在基于机器视觉的作物营养诊断研究中,通常需要采集叶片样本并在实验室条件下定量测定其营养素含量,但由于叶片间相互重叠,往往使得叶片样本不能清晰地反映在群体番茄冠层图像中。为了解决这一问题,需要利用图像分析技术有效提取作物冠层图像中的叶片,并根据处理结果采集实验室测定样本。本文从复杂背景剔除、梯度图计算、小波变换、标记选取、分水岭分割等环节出发,实现了基于小波变换与分水岭算法融合的番茄冠层多光谱图像叶片分割。首先对比了4种复杂背景剔除算法,发现当增强因子a=1.3时,基于归一化植被指数(Normalized difference vegetation index,NDVI)的阈值分割目标提取准确,适合各种光照条件,时空复杂度低。其次在梯度图计算方面,近红外(Near infrared,NIR)波段图像形态学梯度在保持目标边缘的同时,能消除大量由叶脉、光照等引起的叶片内纹理细节。然后以小波分析为基础进行标记选取,发现当选取db4小波函数、4层小波分解低频系数、阈值为18的H-maxima变换能得到最优的目标标记结果。最后对多光谱番茄冠层图像的小波变换分水岭分割和数学形态学分水岭分割结果进行叠加,发现对复杂背景及不同光照强度下的番茄冠层叶片平均误分率为21%,为基于多光谱图像分析的番茄叶片营养素含量检测提供了一定的技术支持。     

小波分析方法在月降水量多时间尺度分析中的应用

为了研究查哈阳灌区月降水量在时域中存在的多层次时间尺度结构和局部化特征,运用小波分析理论,采用Mexican Hat小波函数对降水量序列进行小波变换,进而分析其多时间尺度特性,揭示降水量在不同时间尺度下的小波变换时频特征及其丰枯交替变化的周期规律。研究结果表明,从80~120个月的较大尺度来看,灌区的月降水量可能存在30年左右的周期变化,且未来5年将仍处于偏少期;随着尺度的减小,则表现出突变点增多、周期变小的现象,且降水量很快就会从偏少期转为偏多期。     

基于K-L变换与LS-SVM的玉米品种识别方法

为实现外观相似的不同玉米品种的有效识别,提出了K-L变换与最小二乘支持向量机相结合的籽粒品种鉴别方法.采用标记算法及多尺度小波分析方法获得玉米单籽粒图像,应用K-L变换技术提取籽粒图像的特征数据,设计了二叉树型多类LS-SVM分类器,实现了对特征数据的有效分类.通过试验分析,确定了较为合理的状态空间维数(L=3),正确识别率可达95.3%.     

小波域马铃薯典型虫害图像特征选择与识别

为准确、快速地识别马铃薯典型虫害,提出了一种基于小波域的马铃薯典型虫害特征提取与识别方法。该方法以自然环境下的马铃薯虫害分割图像为对象,提取小波域高斯空间模型的高频协方差阵特征值与低频低阶矩(HELM)的12个不变纹理特征、空间域Hu不变矩的4个形状特征,进行支持向量机(SVM)的虫害分类识别。通过对8类典型虫害的识别,试验结果表明:在SVM识别方法下,本文HELM特征提取方法,相比传统纹理特征提取方法,在特征计算量不增加的同时,平均识别率至少提高了17个百分点;在HELM特征与Hu矩特征下,本文SVM的运行时间为0.481 s,比人工神经网络快了近2 s,平均识别率为97.5%,比人工神经网络、贝叶斯分类器识别率提高了至少6个百分点,有明显的识别优势。     

基于离散小波变换的二甲醚HCCI爆震试验

在一台由柴油机改造为二甲醚进气道喷射的发动机上,用离散小波变换分析正常燃烧工况、爆震工况的缸内压力,计算其在各尺度细节部分的能量特征值,研究二甲醚HCCI燃烧的爆震特性.结果表明,正常燃烧工况、爆震工况缸内压力的能量特征值分布具有明显的规律.正常燃烧工况时,细节部分D3的能量特征值最大;爆震工况时,细节部分D1的能量特征值最大.转速升高或进气道喷射燃料添加LPG对正常燃烧工况、爆震工况缸内压力能量特征值的分布无影响,爆震强度决定能量特征值的分布.爆震强度越大,D1的能量特征值越大.根据各尺度细节部分D1、D2和D3的能量特征值可检测爆震.     

基于三维小波变换的农机CAD模型特征提取与评价方法

为提高三维CAD模型特征提取准确度,满足农业机械制造领域CAD模型智能化检索需求,提出一种三维CAD模型的特征提取与评价方法。首先对农业机械模型库中三维模型进行平移归一化、旋转归一化、尺度归一化处理,规范化后的CAD模型进行三维离散小波变换,CAD模型经过单层三维小波变换后被表示为8个维度的频域系数子空间;然后对低频子空间LxLyLz进行二次小波变换,二层级小波变换后单个CAD模型被分解为15个特征量,采用AHP层次分析法确定不同频域空间特征量权重,以距离度量法定义含有权重系数的相似性度量值,完成不同模型间特征提取及相似性比较,计算并建立三维CAD模型频域特征索引表;最后以VS2010与Matlab 2016b为开发环境,以Open Cascade为几何造型平台,使用ESB通用模型库及农业机械零部件参数化模型库验证算法有效性。在ESB模型库中T型零件检索结果表明,在保持相同查准率条件下,本文小波变换算法排序误差更小。拨禾轮CAD模型检索结果显示,相似性评价度量方法不仅考虑模型的形态相似性,同时兼顾了应用领域语义相似性,算法实用性高。农机装配体检索实例应用结果表明,借助本文检索算法,可从海量模型库中检索出所需模型,根据实际设计要求对检索出的相似模型进行编辑和修改,可快速完成零部件模块化设计。三维小波变换检索算法查准率受小波函数性质影响,coif类小波函数具有较强的检索适用性,层次分析法能有效区分不同分解层权重,二层级小波变换能够达到现阶段机械零件模型检索精度要求。小波变换设计重用检索算法可满足模型检索设计需求,拓宽设计者设计思路,促进智能化设计。