《基于图像处理的花生荚果品种识别方法研究》PDF+DOC
作者:韩仲志,邓立苗,于仁师
单位:中国粮油学会
出版:《中国粮油学报》2012年第02期
页数:5页 (PDF与DOC格式可能不同)
PDF编号:PDFZLYX2012020220
DOC编号:DOCZLYX2012020229
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于支持向量机的花生荚果品种识别模型优化研究》PDF+DOC2016年第06期 于仁师,孙华丽,宋欣欣,韩仲志
《纸币识别系统设计与实现》PDF+DOC2008年第04期 多滨,王旭峰
《认知无线传感器网络新型SVM频谱感知策略》PDF+DOC2017年第04期 王晓东,陈长兴,任晓岳,林兴
《一种基于卷积神经网络的纸币脏污识别方法》PDF+DOC2020年第07期 孙伟忠,马跃,尹震宇,谷艾,徐福龙
《基于机器视觉的医药注射剂智能检测系统研究》PDF+DOC2009年第01期 周博文,王耀南,葛继,张辉
《基于SVM的传感器非线性特性校正新方法》PDF+DOC2005年第04期 吴德会,王晓红,朱程辉
《钢铁连铸过程中的振动式高灵敏度大包下渣检测系统的研究及开发》PDF+DOC2005年第04期 赵丽,王友钊
《基于图像处理的远程抄表系统的设计》PDF+DOC2012年第06期 马婷
《多维传感器标定的支持向量机复合式方法》PDF+DOC2011年第06期 马迎坤,张希农
《传感器动态建模的最小二乘支持向量机方法》PDF+DOC2006年第07期 汪晓东,张长江,张浩然,冯根良,许秀玲
为实现品种鉴定与真伪识别的自动化,基于图像识别的方法,采用扫描仪采集了20个品种,每个品种100颗花生果正面和2个侧面的图像,分别获取每幅图像的形态、颜色和纹理三大类共50个特征,并对这些特征进行主分量分析(PCA)优化,针对优化和没有优化的特征,搭建了人工神经网络识别模型和支持向量机模型,并采用两种模型进行品种识别,结果表明,采集的特征经PCA优化后表现出更强的识别性能,SVM较神经网络识别效果总体上得到提高,并且识别效果稳定。品种的数量对识别效果有影响,在通常情况下可根据品种的数量来确定特征的数量,可以进一步提高效率,对20个品种,需要选择超过15个特征。颜色类特征比形态类和纹理类特征具有更好的识别效果,经过不同类别的特征组合后,整体上识别性能达到90%以上,基本可以推广到实际生产中使用。
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。