公共文化服务平台

共 8 条记录，以下是 1-8

全选清除导出

排序方式：

基于机器视觉的脱绒棉种染色特征的提取算法被引量：3: 2015年; 针对种子活力四唑染色法检测中由于人工视觉疲劳、劳动强度大等因素引起的人工误判情况,提出了一种基于机器视觉的脱绒棉种染色特征的提取算法。此算法是在随机选取了庄稼汉品种的脱绒棉种进行四唑试验后进行的,通过对染色棉种进行图像采集,对图像进行灰度变换、HSI颜色空间转换、中值滤波、自动阈值分割等预处理,经去噪、补洞后得到整粒脱绒棉种的面积和染色部分的面积。同时,计算出图像染色比例,为脱绒棉种活力在线检测奠定理论基础。; 董翠翠李景彬坎杂王晓华王晨彭顺正; 关键词：脱绒棉种机器视觉图像处理

基于高光谱图像技术的脱绒棉种活力检测被引量：2: 2018年; 为了寻求一种快速无损检测脱绒棉种活力的方法,提出采用高光谱图像技术进行脱绒棉种活力检测。以新陆早50、新陆早57、新陆早62等3个不同老化程度下的脱绒棉种为研究对象,采集脱绒棉种在450~1 013 nm的高光谱图像,并以单粒脱绒棉种全区域作为感兴趣区,共提取3个品种810个感兴趣区;对提取的光谱平均反射率采用Savitzky-Golay平滑方法,结合多元散射校正(mutiplicative signal correction,MSC)进行去噪处理;基于前10个主成分和特征波段分别建立距离判别分析、支持向量机(SVM)脱绒棉种活力预测模型。试验结果表明,采用基于特征波段的判别模型分类精度达到96%以上,检测结果可靠且效果良好的。本研究为脱绒棉种活力无损检测检测方法提供了一种新的方法和思路。; 尤佳李景彬黄勇黄蒂云彭顺正; 关键词：脱绒棉种支持向量机

脱绒棉种活力检测系统的设计与实现被引量：2: 2017年; 为了实现脱绒棉种活力的快速无损检测,利用VS2010和Open CV混合编程方式开发一套脱绒棉种活力在线检测系统分析软件,应用BP神经网络原理构建活力预测模型。软件系统主要包括图像采集模块、参数记录模块、图像处理分析及活力检测模块,主要实现了图像采集、图像特征提取与分析、脱绒棉种活力预测及参数记录等功能。选取新陆早50、鼎丰10号、神农11号3个品种进行活力预测试验,准确率分别达到90.29%、84.27%、8 6.8 0%。软件系统的开发为脱绒棉种活力实现快速无损检测分级奠定了基础。; 彭顺正尤佳李景彬; 关键词：脱绒棉种 BP神经网络

基于颜色特征的脱绒棉种电导率检测方法研究被引量：2: 2015年; 主要探讨脱绒棉种颜色特征与种子活力之间的相关性,搭建脱绒棉种图像采集平台,并进行图像处理算法的研究。在RGB、HSV和I1I2I3颜色模型下提取颜色特征参数,同时进行脱绒棉种电导率的测定,采用SPSS19对各颜色特征参数与脱绒棉种电导率值进行相关性分析,结果表明脱绒棉种部分外观颜色特征参数与其电导率值之间相关性显著。基于BP神经网络的脱绒棉种内部品质检测模型,取脱绒棉种鼎丰10和新陆早45各300粒对模型进行训练,当鼎丰10和新陆早45隐含层的结点数分别选择为8和7时,网络均方误差和函数收敛效果较好,然后将脱绒棉种鼎丰10和新陆早45各取100粒对训练好的网络模型进行验证,结果表明用BP神经网络的检测精度分别可达到82.7%、86.1%。; 李景彬尤佳董翠翠坎杂彭顺正; 关键词：图像处理脱绒棉种

基于高光谱技术融合图像信息的脱绒棉种品种分类检测研究被引量：9: 2018年; 开展种子品种的识别研究是保证种子质量的重要手段。利用高光谱图像技术融合图像特征信息对脱绒棉种的品种进行判别分析。采集4个品种共240粒脱绒棉种样本的高光谱图像数据(400~1 000nm),提取样本的光谱信息及长、宽、面积、圆形度、等12个形态特征。采用连续投影算法(SPA)选出11个特征波段作为输入结合偏最小二乘判别分析法(PLS-DA)、软独立模式识别法(SIMCA)、最邻近节点算法(KNN)、主成分分析结合线性判别(PCA-LDA)及二次判别(PCA-QDA)进行建模分析,得出PLS-DA建模集和预测集的总体识别率分别为93%和90%。利用图像信息进行建模分析,模型整体的识别率均不高,说明单独使用高光谱图像的形态特征进行分类效果不佳。将特征波段的光谱和形态特征信息进行融合作为输入,建立基于PLS-DA,SIMCA,KNN,PCA-LDA及PCA-QDA的信息融合模型,其精度均比基于光谱或形态信息模型高,其中PLS-DA模型识别效果最好,建模集和预测集总体识别率分别为98%和97%。表明融合高光谱图像的光谱与图像信息可以在少量波段情况下有效的提高脱绒棉种品种的分类检测精度。; 黄蒂云李景彬尤佳坎杂; 关键词：高光谱成像脱绒棉种信息融合

基于高光谱的脱绒棉种电导率快速检测研究: 2017年; 为了寻求一种快速、无损检测脱绒棉种活力的方法,提出基于高光谱技术预测脱绒棉种电导率。采集了新陆早50、新陆早57、新陆早62三个品种且不同老化程度下共810粒脱绒棉种高光谱图像(400~1 000nm),通过组合不同预处理方法,采用chauvenet检测方法剔除异常值后建立了偏最小二乘法(PLS)、逐步多元线性回归(SMLR)、主成分回归(PCR)模型。结果表明,采用变量标准化(SNV)、卷积平滑(Savitzky-Golay)、一阶微分(First derivative)和norris微分平滑组合的预处理方法,波段范围为480~530,650~980nm下建立的PLS模型效果最佳;其中PLS模型得到新陆早50、新陆早57、新陆早62的预测集相关系数和校正集相关系数分别为0.88,0.90,0.92,0.91,0.89,0.90;预测集均方根误差(RMSEP)和校正集均方根误差(RMSEC)分别为44.3,38.4,37.8,46.5,43.5和40.8μS·cm-1。研究结果表明,采用高光谱技术预测脱绒棉种电导率具有一定的可行性,也为其他种子的活力检测奠定了良好的基础。; 尤佳李景彬黄蒂云彭顺正; 关键词：电导率

基于BP神经网络的脱绒棉种品种识别(英文)被引量：10: 2012年; 为了提高脱绒棉种品种识别的准确率,提出了基于BP神经网络的非线性识别方法。该文以新路早36、中棉50、惠远710等3个品种为研究对象,基于图像处理技术提取了脱绒棉种的颜色和形状特征参数,后又通过对特征参数进行单因素分析选取了差别较明显的9个特征参数参与网络的训练,提高了训练速度。经训练比较得出,当训练目标为0.02,训练次数为3000,隐含层的结点数为12时,模型的训练误差最小。经过对测试集进行测试,得出综合测试准确率为90%,证明了该方法是可行的,提高了脱绒棉种的识别准确率。该研究可为其他粒状种子品种识别提供参考。; 李景彬陈兵旗邵鲁浩田绪顺坎杂; 关键词：神经网络特征参数提取脱绒棉种

基于MATLAB GUI设计的脱绒棉种颜色特征提取系统被引量：3: 2014年; 为了实现脱绒棉种颜色特征的快速、简单、程序化提取,应用MATLAB GUI讨论了I/O文件读取函数、回调函数等具体函数的应用,设计出简明美观的人机交互式界面,并实现了脱绒棉种的图像读取、颜色特征值提取和显示,并以.xls格式保存,可实现RGB颜色模型下各颜色分量直方图曲线显示;并且通过对定时器的设置,实现了目标图像的自动数据采集;通过对mcc进行编译,将设计好的程序转化为独立的.exe文件。基于MATLAB GUI设计的简单、快速提取脱绒棉种图像特征值的方法,有助于基于脱绒棉种颜色特征的种子质量研究。; 邓向武坎杂李景彬谢凡董翠翠王晓华; 关键词：MATLAB GUI 脱绒棉种

全选清除导出

共1页<1>

国家自然科学基金(31260290)

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

国家自然科学基金(31260290)

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈