排序方式: 共有15条查询结果,搜索用时 15 毫秒
1.
基于色调分形维数的柑橘糖度和有效酸度检 总被引:4,自引:1,他引:4
研究了宫川温州蜜柑糖度及有效酸度的机器视觉检测技术及影响检测精度的因素.对机器视觉系统采集的柑橘图像进行图像裁切、亮度法去图像背景和RGB空间至HSI空间的转换,将柑橘色调范围分割为0°~20°、20°~40°、40°~60°、60°~80°、80°~100°和100°~120°共6个区域,提取各区域色调分形维数,以此作为BP神经网络输入,无损检测宫川温州蜜柑糖度及有效酸度.167个测试样本的检测结果表明:在±1.5°Brix精度范围内糖度正确识别率为66.6175%,在±0.5精度范围内有效酸度正确识别率为73.9275%.宫川温州蜜柑糖度及有效酸度与果皮色调分形维数之间具有相关性,可用机器视觉检测其糖度及有效酸度. 相似文献
2.
复杂生态系统稳定性的人工神经网络建模 总被引:3,自引:0,他引:3
建立以生物功能群为单元,不同功能群为结构层,影响生态系统稳定性的因素及各功能群的数量为网络输入的复杂生态系统稳定性的人工神经网络模型,用以方便、快捷、准确地评价生态系统的稳定性,为制定区域发展规划和生态保护规划,实施生态保护工程提供科学依据和技术支撑. 相似文献
3.
补偿模糊神经网络水果形状分级器分级误差 总被引:4,自引:1,他引:3
针对神经网络对水果进行分级时精度有待提高的问题,分析了补偿模糊神经网络椪柑形状分级器的分级误差。将椪柑图像前4个傅里叶描述子按期望输出模糊变量值大小排列成单调递增、单调递减、钟形分布和锯齿形分布4种训练样本,分别训练同一补偿模糊神经网络水果形状分级器,用递减排序后的同一测试样本检验分级器性能,试验表明,单调递减顺序训练样本所训练的分级器分级误差最小为1.875%,钟形分布、单调递增顺序和锯齿形分布训练样本所训练的分级器分级误差依次增大,分别为15%、63.125%、75%。分析分级误差与样本间顺序的对应关系,建立分级误差模型,结果表明,同顺序的测试样本与训练样本间相关系数大,分级误差小;不同顺序的测试样本与训练样本间相关系数小,分级误差大。因此,测试样本与训练样本按水果同一品质特征同序排列,提高样本间的相关程度,将大幅度降低神经网络类分级器分级误差,提高正确识别率。 相似文献
4.
基于数字图像的水果分形维数特征 总被引:1,自引:0,他引:1
温芝元 《湖南农业大学学报(自然科学版)》2010,36(4):478-482
为了定量描述仿球形水果表面轮廓间的差异,用周长-面积法研究水果的分形维数特征.取大小不同的温州蜜柑20个、麻阳冰糖橙17个和红富士苹果18个,设置3种水果花萼面和侧面2个方向上数字图像红色或蓝色分量阈值,将水果区域内外的红色、绿色、蓝色分量分别置为0和1,得到水果二值图像.以水果区域细化后的边界像素数和区域内像素数分别作为水果的周长和面积,以周长-面积法求得3类水果2个方向的分形维数.结果表明,3种水果花萼面的分形维数均比其侧面的分形维数小,花萼面分形维数间差异不明显,但侧面分形维数差异明显,表明仿球形水果的外形特征可用花萼面分形维数和侧面分形维数反映,但主要指标是侧面分形维数. 相似文献
5.
为研究群落生态系统环境因素的修正,讨论了m个种群群落生态系统环境因素修正后的生态系统角度,讨论了稳定性判断的敏感性评价指标体系;通过敏感性评价指标体系,找到了一个理论模型学派与生物生态学派就稳定性问题的结合点. 相似文献
6.
就企业产品结构比例提出了复合形法的优化方法,该方法不受约束条件的多少,约束性质的限制,为企业生产提供指导,具有广泛的意义。用 复合形法来求解经济模型,程序简单,使用方便,特别对经济领域中维数高、非线性约束少的问题十分有效。 相似文献
7.
椪柑果实病虫害的傅里叶频谱重分形图像识别 总被引:5,自引:5,他引:0
为探讨植物病虫害互不交叉、重叠的数字典型特征值来进行病虫害计算机识别,研究了椪柑病虫害为害状图像傅里叶变换幅度谱的多重分形特征。首先,用改进型分水岭算法检测病虫害为害状边缘,并对其进行区域合并,形成病虫害为害状边界。其次,对病虫害果进行二维离散傅里叶变换,依据病虫害为害状边界进行图像标记,提取标记区域内的傅里叶变换幅度谱图。最后,对傅里叶变换幅度谱图进行多重分形分析及多重分形谱的二次拟合,将拟合抛物线段的高度、宽度和质心坐标作为病虫害特征值,并以此为输入变量,建立 BP 神经网络椪柑病虫害识别模型来进行病虫害识别,椪柑蓟马、花潜金龟子、吸果夜蛾、侧多食跗线螨、椪柑炭疽病5类病虫害30组测试样本中吸果夜蛾识别正确率最高96.67%,侧多食跗线螨识别正确率最低86.67%,平均正确识别率为92.67%。试验结果表明:傅里叶变换幅度谱图的多重分形谱高度、宽度和质心坐标较精确地刻画了病虫害为害状这类复杂生物体的特征,该方法可进行椪柑病虫害自动识别,并可推广到其他植物的病虫害机器识别中。 相似文献
8.
为精确地度量柑橘品质分级,研究了病虫害为害状冰糖橙缺陷果实复杂性测度机器识别、脐橙果实周长-面积分形维数与分段色调单位坐标化多重分形谱高度/宽度的形状和颜色分级及糖酸度无损检测。对冰糖橙生理性缺硼、锈壁虱、油胞凹陷病3种常见病虫害果实为害状缺陷在0°—50°主色调区域实施长度为1°的分段,统计各分段色调区间像素分布概率,并计算统计复杂性测度C(Y)与Shannon信息熵H(Y),以C(Y)与H(Y)为检索词计算机查询果实病虫害检索表来进行病虫害缺陷果机器识别,平均正确识别率为93.33%。对脐橙果实果梗面与侧面在相垂直的2个投影面上的图像进行去背景与边界轮廓提取操作,计算边界轮廓周长-面积分形维数,以此为指标检索果实信息字典进行脐橙形状分级,正确率100%。以脐橙果实相对的2个侧面图像为研究对象,去其背景,将30°—120°主色调区域进行30°—50°、50°—70°、70°—90°和90°—120°的区间分割,生成4幅色调图像,计算此图像多重分形谱质心坐标、高度与宽度,对该高度与宽度进行单位质心坐标化处理,一方面以单位质心坐标化多重分形谱高度与宽度为指标检索果实信息字典进行脐橙颜色分级,正确率98%;另一方面以单位质心坐标化多重分形谱高度与宽度为参数通过糖酸度偏最小二乘模型映射果实糖酸度,糖度与酸度标准差分别在0.77及0.36以内,与实际值的相关系数分别在0.8及0.7以上。试验结果表明:统计复杂性测度、周长-面积分形维数、单位质心坐标化多重分形谱高度与宽度较精确地反映了柑橘分级中需识别的冰糖橙果实病虫害缺陷的特征、脐橙果实形状与颜色特性及内部糖酸度无损检测映射参数特点。 相似文献
9.
基于补偿模糊神经网络的脐橙不同病虫害图像识别 总被引:7,自引:5,他引:2
为了开发脐橙不同病虫害的通用机器识别技术,对病虫害危害后的脐橙图像进行蓝色分量去背景,改进型分水岭算法提取病虫害为害状边界,据此边界对原彩色图像中的为害状进行标记,以标记区红色、绿色、蓝色分量表征病虫害为害状的颜色特征,为害状边界分形维数表征病虫害为害状的形状特征,将这4个特征值作为补偿模糊神经网络输入,建立补偿模糊神经网络脐橙病虫害识别模型,识别脐橙病虫害。4种病虫害及机械损伤果的平均正确识别率为85.51%,该方法可用于脐橙病虫害识别。 相似文献
10.
一个企业生产多种产品时,如何合理组织生产,使其实现最小成本与最大利润,是企业最为关注的问题。建立合理的统一目标函数,并运用可行方向法解决这类问题,是企业实现这一目标的正确决策方法。 相似文献