首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 15 毫秒
1.
从国产树种挑选针叶树材46种,阔叶树材100种,均以商品木材为主。参照IAWA木材解剖特征标准,结合我国实际情况,分别制订针叶树材和阔叶树材的解剖特征与主要材性、分布及用途标准,据此编制微机检索程序。该程序用C语言编写主控程序,并借Spawnl函数和关键字p—wait串行,调用其它模块,因此,除识别木材树种外,还可检索木材其它特性、用途及分布,具有操作快和通用性强的性能。  相似文献   

2.
木材识别方法研究综述   总被引:8,自引:1,他引:7  
介绍了人工知识、对分检索和穿孔卡片检索等3种传统木材识别方法和数据库检索识别方法。指出基于计算机视觉的木材识别方法的优点,它将成为木材识别的一种趋势。根据识别过程将该方法按照给定木材的类型、识别的特征和分类器等3种方式进行分类.并给出了每种类型详细的分类和当前研究的进展。最后,对今后木材识别研究在语义特征提取、语义特征与纹理特征的结合、树种指纹挖掘、无切片识别和设备研制等5个方面提出了自己的看法。  相似文献   

3.
本文给出用BASIC语言编写的闸孔出流的水力计算程序,内容包括(1)流量计算(平板闸门和弧形闸门,自由出流和淹没出流),(2)闸上游水头计算,(3)闸门开启高度计算。文中给出了各种情况的算例。  相似文献   

4.
介绍了几种分形算法(Von Koch曲线迭代分形算法、递归算法和逃逸算法等),给出了几种分形图的构造,编写了实现相应算法的Mathematica程序。编写的Mathematica程序简单易懂,且通用性强,体现了Mathematica语言在绘制分形图方面的优越性。  相似文献   

5.
常用坐标系统换算的数学模型及程序设计   总被引:1,自引:0,他引:1  
为了解决GPS在导航及测量应用中不同坐标系统之间的换算关系,作者研究了各系统之间的几何关系,着重讨论了建立转换数学模型的有关问题及计算机通用程序编写的基本思路。文中附有几种常用坐标系统之间的转换参数,以给出一个坐标转换的参考模型。  相似文献   

6.
为提高木材缺陷的正确识别率,该研究基于卷积神经网络算法的识别方法,提出了一种采用渐近式学习方法来确定训练样本数目的识别算法,文中给出对应的神经网络结构图。在Matlab2010a进行试验,结果表明:该算法不需要对原始图像进行复杂的预处理,便能够识别多种木材缺陷的类型,算法精度较高且复杂度比较小,能够节约算法的时间,具有更好的鲁棒性,也克服了传统算法中的诸多固有缺点。该研究与采用径向基核函数的支持向量机算法相比较,渐近方式的CNN,识别木材缺陷的正确率更高,能够达到90%以上,可为进一步的木材识别开发提供技术支持。  相似文献   

7.
基于神经网络的水稻三化螟识别系统的研究   总被引:7,自引:0,他引:7  
本文给出了一种基于图像处理和神经网络技术进行水稻三化螟识别的方法,即利用图像处理技术提取特征,利用MATLAB神经网络包进行识别。文中给出了系统的总体设计和实现方案,研究结果表明,该系统获得了理想的检测效果。这一思路为农田害虫自动识别提供了一种新方法。  相似文献   

8.
在 DBASE3或 FOXBASE 数据库管理系统中,为用户提供了大量的命令,使用户根据自己的需要编写不同的数据库管理程序。但是我们知道 DBASE3数据库管理系统是解释型语言,其本身是用 C 语言写成的。若我们还是照搬编写高级语言的一套设计方法,就不能编写出效率高的应用程序来。下面举几个应用实例来说明这个问题。(一)LOCATE 命令的应用LOCATE 命令是顺序搜索数据中满足条件的第一个记录。当在程序中要查找数据库某个特征的值时就可以利用这个命令。例如:查询工资的最大值时,按常规编程方法如图一。此程序要利用循环语句与条件语句对数据库进行搜索。此程序运行速度慢、效率差。若利用 LOCATE 命令如图  相似文献   

9.
该文基于ZigBee技术给出了一种用于温室数据采集的系统方案。硬件部分选择温湿度传感器SHT11和光传感器TSL2550D采集温室环境参数,软件部分采用C语言编写上位机程序,数据的采集和传输采用周期上报和中断立即上报两种工作方式。实验结果表明,该系统可以实时、准确、可靠地完成温室环境因子监测,有效地降低了系统功耗,为今后将该网络应用于实际温室的数据采集打下基础,具有广泛的应用前景。  相似文献   

10.
木材与人们的生活息息相关,不同品种木材的用途各不相同。如何快速并正确地识别不同种类的木材是目前亟须解决的问题。纹理是木材表面重要的天然属性,也是区分木材的重要依据,因而如何准确地提取木材的纹理特征是本文研究的重点。本文设计了一种木材自动识别系统,其基本工作流程如下:首先,使用K-means聚类算法,根据图像的纹理采用SPPD(导管分布的统计特性)及BGLAM(基本灰度级氛围矩阵)特征对木材进行预分类,实现对木材数据库的降维,为提高识别效率做好准备;其次,使用GA(遗传算法)挑选出对木材纹理具有较强区分度的LBP(局部二值模式)特征;最后,用KNN(K最近邻)分类器根据挑选出的LBP特征对木材图像进行最终的分类识别。试验结果表明,木材样本类别个数为20时,识别率较高,可以达到98.13%以上;当木材样本类别个数增加为30时,识别率也在95%以上。  相似文献   

11.
根据木材缺陷图像识别技术的现状,针对适合识别木材各种表面缺陷图像的算法,对现有典型模型法进行图像识别方法的分析,提出了一种基于多个模型融合的木材表面缺陷图像快速识别算法。首先,在C-V模型中引入加权总变分能量(VTg(u)),使得二者分别能够与GAC模型连接,实现了在同一全局最小化框架下统一2种模型;然后采用全变分范数对偶化方法对模型进行了快速求解;最后给出了模型的数值化实现算法。结果表明:该算法不依赖初始轮廓线的选择,能够比较快速、准确地识别出木材的节子、孔洞、腐朽、空心等缺陷和单板多节子缺陷图像。  相似文献   

12.
本文在对选择指数的基本理论作了简要概述之后,给出了一种计算所有性状组合的指数系数的快速算法及其程序。该算法使计算量、存储量和误差的积累都降低到最低限度。程序用微机上广泛采用的CP/M操作系统下的BASIC语言编写,在APPLE II PLUS机上实现。本程序也可以非常方便地移植到其他类型的微机上。  相似文献   

13.
编定优秀的应用软件,首要的一条是建立良好的用户界面。编写用户界面在整个程序中所占的比重越来越大。对于一些程序设计语言(如C、Pascal等)编写友善的界面相对容易一些,而对数据库语言(如DbaseⅢ)、Foxbase等),由于受自身特点的约束。这方面就显得非常困难。我们针对这一难题,通过多次实践,利用FoxBase~-编写了一个通用的下拉式菜单程序。  相似文献   

14.
根据三相异步电动机在αβo坐标系下的数学模型 ,用 MAT-LAB语言编写仿真程序。通过实例对三相异步电动机的两种故障状态即电机一相开路和电源一相对电机中点短路的运行过程进行仿真计算 ,并对仿真结果进行分析  相似文献   

15.
本文介绍了用dBASEⅢ语言编写彩条驱动式菜单程序的设计思想。并给出了一个具体实现的例子,这种方法与通过输入功能号的方式选择功能编写dBASEⅢ中的管理系统相比较,大大改善了用户的界面。  相似文献   

16.
集成材是同一种木材经锯材加工脱脂、烘蒸干燥后,根据需求的不同规格,由小块板材通过指接胶拼接、经高温热压而成。因为这一板材是由实体木材的短小材加工成要求的规格尺寸和形状,做到小材大用,劣材优用,极大地提高了木材的种用率。文中重点论述了集成板材的特点和应用现状。  相似文献   

17.
本文根据清洁水体、浑浊水体和冰体在不同波段的反射率不同,运用C#语言编写黄河凌汛监测系统程序,将水体、冰体检测出来,同时系统运用GIS的地图控件计算水体、冰体面积变化,以实现对黄河凌汛的动态监测.  相似文献   

18.
一种基于形态学的木材导管图像分割方法   总被引:1,自引:2,他引:1  
木材识别对木材科学和产业具有重要的意义,微观识别方法准确性高但过程繁琐,只有木材专家才能掌握。基于图像的智能木材识别方法是通过自动提取木材的识别特征来识别木材。该文提出了一种基于显微结构图像的木材导管自动提取方法,运用数学形态学的腐蚀、膨胀及开、闭运算进行去噪处理和边缘增强,将导管形态从阔叶材横切面显微图像中成功地提取出来。该方法为定量分析和提取阔叶材管孔式特征奠定了基础,是对基于图像的智能木材识别技术的有益探索。大量的试验表明,该方法是有效的。   相似文献   

19.
燕红文 《农业网络信息》2010,(6):134-136,145
介绍了Java语言的主要特征,对设计坦克游戏的双缓存机制做了详细研究,并且给出了具体的实现代码。游戏主要是由玩家通过键盘来控制的,所以文中对于键盘事件的处理做了原理性的论述,并且编写了键盘事件处理的关键代码。  相似文献   

20.
木材微波干燥的极化理论   总被引:4,自引:0,他引:4  
微波技术的发展,引起木材工业应用微波干燥木材的重视,但目前仍处于试验生产和科学研究阶段。为了从理论上了解微波干燥木材的机理,本文应用唯象理论进行了简要的讨论。分析表明:在木材的四种极化现象中偶极子取向极化的热效应是介质损耗的主要方面。木材是一种复杂的不均匀各向异性电介质,介电系数极为复杂,文中以介电张量表示之,根据微波场中木材极化弛豫规律导出了木材介电张量随频率变化的关系,并且得到木材微波干燥发热量的一般表达式。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号