作者:张伟,屠康,刘鹏,潘磊庆,詹歌 单位:中国农业机械学会;中国农业机械化科学研究院 出版:《农业机械学报》2012年第02期 页数:6页  (PDF与DOC格式可能不同) PDF编号:PDFNYJX2012020290 DOC编号:DOCNYJX2012020299 下载格式:PDF + Word/doc 文字可复制、可编辑
《多传感器信息融合技术及其应用》PDF+DOC1997年第01期 张晓明,孙宝元 《指控系统中的数据融合与人工神经网络》PDF+DOC1997年第02期 刘大昕,刘群,印桂生,刘育刚 《在铣削加工中通过神经网络融合多路传感器监测刀具破损》PDF+DOC1995年第01期 金明华,韩云台,张德远 《基于神经网络信息融合技术的应用》PDF+DOC2005年第22期 汪召堂,于晓阳 《移动机器人多传感器信息融合技术综述》PDF+DOC2004年第02期 司现军,王志良 《基于机器视觉工业实时测量技术研究》PDF+DOC2003年第02期 阳佳,吴久峰,邓志刚 《基于神经网络的数据融合技术的新进展》PDF+DOC2003年第04期 倪国强,李勇量,牛丽红 《独立电源多智能体信息融合故障诊断方法》PDF+DOC2010年第08期 张莉,袁海文,吕弘,袁海斌 《基于多信息融合的鸡蛋新鲜度检测研究》PDF+DOC2014年第08期 徐彦伟,崔建鹏,颉潭成,南翔 《基于改进证据理论的齿轮泵故障诊断方法研究》PDF+DOC2013年第07期 刘希亮,陈桂明,李方溪,张倩
  • 为提高判别种蛋孵化前期受精的准确性和稳定性,将视觉和声学2种传感器信息在孵化第5天进行特征层融合,采用2种人工神经网络构建种蛋孵化前期受精性判断的融合模型。研究表明:采用LVQ神经网络判别模型的准确率和稳定性,优于BP神经网络。单独利用计算机视觉技术和敲击振动技术对鸭蛋孵化早期受精情况的判别准确率为92%和88%,而将2种传感器信息进行融合构建的模型的准确率可达98%,说明传感器信息融合技术在判断鸭蛋孵化前期受精性方面是可行的。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。