基于Adaboost算法的田间猕猴桃识别方法

实现猕猴桃自动化采摘的关键是自然环境下果实的准确识别。为提高田间猕猴桃果实的识别效果,基于Adaboost算法,利用RGB、HSI、La*b*3个颜色空间中的1个或多个通道构建6个不同的弱分类器,用采集的猕猴桃果实和背景共300个样本点进行训练生成1个强分类器。然后选择655个测试样本点进行验证,强分类器分类精度为94.20%,高于任意弱分类器。对80幅图像中215个猕猴桃进行试验,结果表明：Adaboost算法可有效抑制天空、地表等复杂背景的影响,适合于自然场景下的猕猴桃图像识别,识别率高达96.7%。该技术大大提高了猕猴桃采摘机器人的作业效率。     

基于空间分析方法的甘肃省经济差异分析

以甘肃省为例,采用Moran’s I指数测定区域经济的空间自相关性,运用GIS技术和Deoda分析了甘肃省经济差异,对2000-2008年甘肃省县域经济总体发展差异和局部空间异质性的演变特征进行了实证研究,结果表明：①从时间上看,2000年以来甘肃省经济发展的空间集聚效应明显,2002年后县域经济总体差异呈扩大趋势,且极化现象严重;2008年县域经济的集聚性增强,总体差异减小,扩散效应增强。②从空间上看,甘肃经济发展呈＂哑铃＂型的空间格局,县域经济的集聚性程度可分为河西地区经济集聚性显著区域（HH）、中部集聚性变化较大区域（HL,LH）和陇东集聚性显著区域（LL）。③甘肃省县域经济空间集聚的总体地理分布分为4种类型。