大比例尺航片正射影像中的树冠提取

为使森林航片的分类精度达到单株林木提取水平,以凉水国家级自然保护区1:8000正射影像、DEM及红松(Pinus koraiensis)生境、立地条件特征为基础,对航片进行了传统的非监督分类、监督分类和专家分类,并对其分类机理进行了分析,提取了红松树冠光谱特征、纹理特征。在构建的红松树冠识别模型基础上,执行分类,并运用混淆矩阵分析法对分类结果进行了精度检验。结果表明:将纹理信息、DEM信息、红松生境及立地条件特征信息作为专家知识,构建红松树冠识别模型进行分类的方法,能有效地降低地物分类中"同物异谱"和"同谱异物"现象,使分类的总体精度达到96%,比监督分类提高了10%,从而使大比例尺森林航片分类精度达到了单株林木提取水平。     

自然环境下山核桃果实的图像识别提取方法

研究了自然环境下成熟山核桃果实的机器视觉图像识别方法。通过分析顺光、逆光、遮挡等环境下拍摄的山核桃成熟待采时的果实图像,确定了2R-G-B色差模型,用最佳阈值函数进行图像分割,经形态学滤波后采用Canny算子进行边缘检测,提取出复杂背景下山核桃果实的轮廓。试验结果表明,该方法对山核桃果实的有效识别率达86.7%,可为山核桃采摘机器人的研发提供技术参数。     

基于支持向量机的苹果叶部病害识别方法研究

为提高苹果叶部病害自动识别水平并实现快速有效地识别苹果叶部病害,本研究首先采用小波滤波算法对采集的苹果叶部锈病、斑点落叶病的图像进行去噪平滑,然后利用病斑颜色差异和边界跟踪算法对病斑进行分离,最后提取病斑颜色、形状和纹理等方面的特征,采用支持向量机(SVM)技术对病害进行自动识别。试验表明,该方法对苹果叶锈病和斑点落叶病样本进行处理识别的正确率较高,能够满足实际需求。该结果对苹果叶部病害的自动快速诊断和防治具有一定的指导意义。     

不同产地滇重楼HPLC指纹图谱及化学模式识别研究

 采用高效液相色谱法,建立了滇重楼的HPLC指纹图谱,使用SPSS 170软件对19批不同产地滇重楼根茎样品的HPLC指纹图谱进行了主成分分析,在主成分得分系数矩阵的基础上,对其进行了系统聚类分析;并使用相似度评价软件进行了相似度评价验证。结果表明,19批滇重楼根茎样品共提取出3个主成分,被分为3大类;与共有峰直接聚类相比,主成分—聚类分析更符合相似度评价结果。本研究所建立的模式识别方法,操作简便,统计结果具有可靠性,可对滇重楼化学计量分类及其质量评价提供参考。     

基于超声波技术的水平管气液两相流流型识别方法

根据超声波在不同介质界面处的反射回波强弱不同的特性,提出了应用超声波对水平管气液两相流流型进行非介入式在线识别的方法。理论计算得到钢管内壁接触的介质分别为水和空气时的声压反射率,证明了超声波流型识别法的可行性。数值仿真研究管内的流体分别为水、空气时不同界面的反射回波特点,得到了超声波流型识别法的实现方式。依据数值仿真结果,开展超声波气液两相流流型在线识别实验,分析气液两种流体在管道横截面上的分布,从而识别水平管气液两相流流型。研究结果表明：在不影响生产的前提下,超声波流型识别方法能够准确获取水平管气液两相流流动过程中的实时流型,操作方法简便,且结果可靠。（图10,表1,参9）     

基于稀疏表示的森林火灾火焰识别研究

为了实现森林火灾的智能识别,提出一种基于稀疏表示的林火火焰自动识别方法.以林火火焰和5类干扰物体为研究对象,每类对象从视频图像中随机选取50帧作为训练样本,150帧作为测试样本.对每幅图像提取疑似火焰区域,求取面积变化率、颜色、纹理和形状特征参数.所有训练样本的特征向量构建训练样本特征字典,对每个测试样本利用l1最小化范数计算其在训练字典上的投影系数,根据最小重构残差进行分类识别.结果表明,稀疏表示方法的识别率可达到93.56％,为林火火焰识别提供了一个有效的解决方案.     

基于物联网平台的小麦病虫害诊断系统设计初探

小麦是中国主要粮食作物,栽培品种多、种植面积大、分布区域广、生长周期长,容易遭受病虫害威胁,快速监测和准确识别病虫害成为一项重要的课题。基于前期构建的小麦物联网监控系统平台,研发了集成图像获取、图像识别诊断于一体的应用系统。初步研究了小麦比较常见的三种病虫害的识别与诊断方法,并利用图像分割、特征提取及数字图像分类识别技术,将物联网系统获取的感白粉病、锈病、蚜虫的不健康叶片与健康小麦叶片的图片分别进行对比实验研究。实验结果显示,识别率都较为理想,其中白粉病的识别率为82.5%,锈病、蚜虫和健康叶片的识别率都在95%以上。将病虫害图像识别技术与物联网技术结合,方便病虫害图像的远程传输、多点获取等优点,大幅度提升对病虫害远程识别和诊断能力,具有广阔的发展前景。     

模糊识别模型在高职院校专业发展阶段上的应用研究

本文试图通过确定高职院校专业发展阶段识别的指标体系,建立相应的模糊识别模型,客观地认识和区分高职院校已有专业所处的发展阶段,准确地掌握高职院校专业的发展现状与未来变动趋势,并为增设新专业、调整和修改老专业提供一个系统化、可操作性强的分析管理工具,减少专业设置和发展中的盲目性和随意性。     

一种新型卷积神经网络植物叶片识别方法

为提高植物叶片识别的准确率及减少计算代价,在Pytorch框架下提出一种融合了深度卷积生成式对抗网络(DCGAN)和迁移学习(TL)的新型卷积神经网络叶片识别方法。首先,对植物叶片图像进行预处理,通过DCGAN对样本数据库扩充;其次,利用迁移学习将Inception v3模型应用于图像数据处理上,以提高植物叶片识别的准确率;最后,通过对比实验对该方法的有效性进行验证。结果表明:该方法可以获得96.57%的植物叶片识别精度,同时参数训练的迭代次数由4000次缩短到560次。     

基于统计模式识别的植物病害彩色图像分割方法

根据植物病害彩色图像的特点，提出了用颜色空间作为特征空间，利用统计模式识别的监督分类方法。采用基于Fisher准则的线性判别函数来对彩色图像进行真彩色二值化分割。结果表明：该方法具有快速、有效、准确等优点，对彩色植物病害图像的分割处理十分有效。