遥感图像时空分析的数据处理系统设计

简单介绍了配准后的NOAA-AVHRR图像数据的空间格局时序分析的数据处理系统设计。主要分析了系统目标,介绍了数据处理的数学模型和相应的技术措施,提出了数据处理结果正确性检查机制及对反演多样化数学模型变更作出快速反应的方法,同时还探讨了时空数据物理设计的有关问题。     

远程多媒体图像监控系统在森林防火中的应用

远程多媒体图像监控系统一般都采用这样的结构：在远端监控现场，有若干个摄像机，各种检测、报警探头与数据设备。通过各自的传播线(有线、无线)，汇接到多媒体监控终端上，多媒体图像监控终端可以是一台PC，也可以是专用的工控机。监控终端，除了处理各种信息和完成本地所要求的各种功能外，还将通过通信设备，将多媒体信息送到各式各样的通信网上，通过一种或多种类型的通信网，将这些信息传到一个或多个监控中     

卫星遥感图像应用处理新模式的研究

卫星遥感图像增强与处理的研究旨在通过卫星遥感图像的处理,增强图像的显示质量,提高森林资源判读效果。通过应用ERDAS、ENYI遥感软件对TM、SPOT卫星数据的研究,实现资源调查卫片自主生产,降低了成本,提高了工作效率。     

一种汽车LED动态转向灯检测系统研究

针对用机器视觉代替人眼进行车灯产品检测、提高产品合格率的问题,提出了一种LED动态转向灯检测系统,实现对LED车灯的动态图像和动态电流的时序检测。硬件包括高速工业相机、工控机、可编程万用表等,软件基于Virtual C#和Halcon,具有图像采集、图像判断、电流采集、电流拟合度计算等功能,具有较大的应用价值。     

基于迁移学习的花类图像分类方法研究

传统的花类识别方法和普通卷积神经网络模型无法对花类图像进行准确的特征提取,花类之间较高的相似性使得分类识别较难。针对以上问题,为提高图像识别率,提出一种基于VGG16网络的迁移学习方法,对花卉图像进行分类。首先对花卉图像进行数据加强,然后对数据集预训练模型进行迁移学习,修改全连接分类层,最后对优化器与激活函数进行微调,得出分类结果。实验表明：该模型在花类分类识别中比传统方法和普通卷积神经网络模型得出的准确率高,迁移后准确率达到89.10%。     

基于近红外光谱的土壤氮含量模型及生物炭对土壤光谱的影响

采集添加生物炭的土壤（标记为ABS）和不添加生物炭的土壤（标记为CS）,获取其近红外光谱,通过预处理算法和偏最小二乘法（partial least squares,PLS）建立两种土壤氮含量预测模型。试验结果显示,CS和ABS分别经过Baseline和Smoothing预处理的预测模型效果最好,定向系数（determination coefficient,R2）分别为0.913和0.753,预测均方根误差（root mean square error of prediction,RMSEP）分别为0.093和0.753,利用近红外光谱可对两种土壤氮含量建模预测。研究了生物炭对土壤光谱及建模的影响,结果表明,添加生物炭会改变土壤成分含量,使近红外光谱和建模不同于普通土壤,而联合建模可减小差异的影响,取得较好的预测效果,联合建模结果显示,经过Smoothing预处理的预测效果最好,R2为0.907,RMSEP为0.086。     

国外加工渔用饲料的新技术

1 电脑自动控制技术 　　国外电脑自动控制技术早已应用在渔用饲料的加工上.在一些大中型渔用饲料加工厂,几十种饲料配方由电脑自控来精确完成,颗粒饲料的自动称量和包装,也用电脑自动控制,精度很高.整个饲料加工过程,已由电脑单机单控制系统发展成为高级的自控系统,在中央控制室内能显示彩色图像,计算机程序控制和机器运行的通讯网络,可在无人操作情况下,完成全部的生产程序.……     

近红外光谱分析法测定菜籽油中芥酸的含量

采用多通道PDA型近红外光谱仪,应用偏最小二乘法建立了菜籽油中芥酸含量与近红外透射光谱的校正模型,讨论多项式求导及平滑的窗口宽度和相关系数法筛选有效波长对校正模型的影响,并对10个预测集样品利用预测相关系数R_p和预测均方根误差RMSEP指标进行了预测精度分析,结果发现：在使用全谱数据进行偏最小二乘回归建模时,一阶7点求导及平滑的预处理方法结果最佳,此时建模效果为：R_p=0.739,RMSEP=1.659;在此基础上通过相关系数法筛选波长后的建模效果为：R_p=0.958,RMSEP=0.963。后者R_p提高29%,RMSEP减少42%。由此可得出多项式求导及平滑法和相关系数法相结合对校正模型稳健性,预测精度都有较大提高的结论。研究证明：多通道近红外光谱仪快速测测菜籽油中芥酸含量的方法是可行的。     

用基于遗传算法的BP神经网络识别牛肉肌肉与脂肪

利用遗传算法的全局搜索能力,改进标准BP算法随机选取初始权重的不足,并构建了3-12-1的三层遗传BP神经网络,进行了3次牛肉肌肉与脂肪像素的分类试验,研究用BP网络对牛肉肌肉与脂肪两类像素点进行识别的可行性。以像素点的RGB值作为BP网络输入向量,每次训练集样本数62,测试集样本数43。测试的最终结果为：训练集的样本识别率分别为100%、100%、98.3871%;对应测试集的样本识别率分别为97.6744%、97.6744%、100%。试验结果表明,尽管基于遗传算法的BP神经网络对训练样本集以及测试样本集的肌肉和脂肪的识别率均在97%以上,但由于牛肉图像像素值在颜色空间中比较分散,有利于聚类的规律性不明显,因而是否可用BP网络来完成肌肉与脂肪的识别,还需要在网络拓扑结构、训练样本集等方面进一步研究。