排序方式: 共有75条查询结果,搜索用时 31 毫秒
1.
2.
基于随机森林算法的自然光照条件下绿色苹果识别 总被引:6,自引:0,他引:6
果实识别是自动化采摘系统中的重要环节,能否快速、准确地识别出果实直接影响采摘机器人的实时性和可靠性。为了实现自然光照条件下绿色苹果的识别,本文采集了果实生长期苹果树图像,并利用随机森林算法实现了绿色苹果果实的分类和识别。针对果树背景颜色和纹理特征的复杂性,尤其是绿色果实和叶片在很多特征上的相似性,论文基于RGB颜色空间进行了Otsu阈值分割和滤波处理,去除枝干等背景,得到仅剩果实和叶片的图像。然后,分别提取叶片和苹果的灰度及纹理特征构成训练集合,建立了绿色苹果随机森林识别模型,并使用像素模板验证数据集,对模型进行预测试验,正确率为90%。最后,选择10幅自然光照条件下不同的果树图像作为检测对象,使用该模型进行果实识别并使用霍夫变换绘制果实轮廓,平均识别正确率为88%。结果表明,该方法具有较高的鲁棒性、稳定性、准确性,能够用于自然光照条件下绿色果实的快速识别。 相似文献
3.
车载式土壤光-电特性参数采集系统研究 总被引:1,自引:0,他引:1
土壤电导率是衡量土壤传导电流能力的一种固然属性,除了能够反映土壤质地外,还能够反映土壤的含水率、含盐量、有机物含量等特性。利用土壤光谱数据可以分析出土壤含水率、养分等,且测量过程中无需采样、搅动土壤。通过土壤电导率数据和光谱数据的综合、校正,能够提高系统的精度。基于嵌入式技术开发了土壤电导率和光谱反射率综合检测系统。土壤电导率测量系统采用基于改进的电流-电压四端法原理,使用深松犁的尖端作为电极传感器,能够在测量的同时完成松土的作用。光谱测量系统使用微型光谱传感器采集光谱数据,并进行实时处理。在采集土壤电导率、光谱数据的同时,系统同步采集GPS信息,并和土壤电导率、光谱数据一起保存,供进一步绘制土壤特性分布图使用。系统能够实时综合处理多种数据,并进行显示、保存等操作,具有良好的应用 前景。 相似文献
4.
土壤成分与特性参数光谱快速检测方法及传感技术 总被引:10,自引:0,他引:10
近红外光谱技术在分析土壤成分含量以及理化特性参数方面获得了良好的预测精度.人工神经网络、遗传算法、小波变换和支持向量机等现代数据处理算法的应用,最大限度消除了光谱外界干扰、提取了光谱有效信息,使得土壤特性参数预测分析模型更准确、稳定.在进行土壤参数原位实时光谱检测时,如何消除土壤含水率、土壤粒度等的影响,还需要技术突破.开发便携式或车载式农田土壤光谱实时分析仪,是促进精细农业实践的重要措施,已开发的车载式土壤在线光谱仪可以实现多个土壤参数的分析,并达到了相当高的精度.进一步开发多功能土壤在线检测系统,利用土壤介电特性或机械特性与光谱特性测量结果相互补偿与校正以消除误差并提高测量精度,是未来的发展方向之一.光声光谱、激光诱导击穿光谱和太赫兹光谱技术等现代光谱分析方法在土壤成分与特性参数分析方面表现出很强的能力,开展基础研究,揭示这些光谱技术在不同土壤类型、不同土壤成分条件下的吸收特征参数,是未来的研究方向. 相似文献
5.
6.
7.
利用面向对象技术进行软件开发是目前软件开发的趋势。为了构建基于面向对象的冲裁模CAD/CAM系统,利用VB平台提供的接口技术,通过实现接口继承来实现类的继承性和多态性,并使用GUIDS方法层层深入地组织系统结构,最终以零件类为基类,建立了较为科学的系统模型。将该模型应用于应用软件的设计中可增强应用软件的可维护性和可扩展性。 相似文献
8.
为了提高近红外光谱法快速测定枣叶氮含量的准确性和鲁棒性。采用偏最小二乘法建立了冬枣叶片氮含量近红外光谱模型。模型的相关系数为0.799,均方根误差为0.055。整个光谱区域包含了许多与冬枣氮含量无关的光谱变量。冗余信息的存在降低了模型的预测性能。所以采用间隔偏最小二乘(IPLS)结合遗传算法和模拟退火算法来选择冬枣叶片氮含量的特征波长。用凯氏定氮法测定冬枣叶样品的氮含量。试验选用15棵枣树,每棵树5个叶片作为试验对象。用于光谱测量的仪器是ASD光谱仪,测试仪在350~2 500 nm波长范围内,光谱分辨率为1 nm。在数据采集前使用了白板进行校正(标准白板反射系数为1),每个样品测量了5次,取平均值作为样品的相对反射率。遗传算法结合间隔偏最小二乘法选取的4个特征波长为685,689,781,783 nm。根据这4个波长,建立了冬枣叶片氮含量近红外光谱模型。模型预测相关系数为0.9175,预测均方根误差为0.063。利用模拟退火算法,建立了7个波长的冬枣叶片氮含量的近红外光谱模型。模型的相关系数为0.9301,均方根误差为0.052。因此,近红外光谱结合光谱选择方法的特点,可以有效地提高模型的精度,使模型更实用。但光谱选择方法的特点并不普遍。基于单波长变量选择的模型更为敏感,更适用于均匀采样。基于波长间隔选择的模型抗干扰能力相对较强,但更适合于不均匀采样。因此,基于状态与模型相结合的特征选择可以更好地应用于模型。 相似文献
10.