检索结果-南通市图书馆

多对象特征提取和优化神经网络的玉米种子品种识别

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2010年第6期26卷 199-204,I0005页

作者：王玉亮刘贤喜苏庆堂王朝娜南京航空航天大学机电学院南京210016 山东农业大学机械与电子工程学院泰安271018 鲁东大学现代教育技术教学部烟台264025

为了实现机器视觉代替人的视觉,对玉米种子品种进行实时、客观、准确和无损伤识别,研制了玉米品种识别硬件系统和软件系统。针对玉米种子及种子图像的特点,对玉米种子品种识别技术与算法进行了深入地研究和探索,提出了一种基于多对象有... 详细信息

为了实现机器视觉代替人的视觉,对玉米种子品种进行实时、客观、准确和无损伤识别,研制了玉米品种识别硬件系统和软件系统。针对玉米种子及种子图像的特点,对玉米种子品种识别技术与算法进行了深入地研究和探索,提出了一种基于多对象有效特征提取和主成分分析优化神经网络的玉米种子品种识别方法,提取了玉米种子的几何特征和颜色特征参数,优化了基于机器视觉的玉米种子图像处理策略和品种识别算法,提高了玉米品种识别的速度和准确率。对农大108、鲁单981、郑单958、五岳18共4个品种玉米种子进行了品种识别试验,每粒种子识别的平均耗时为0.127s,综合识别率达到97%以上。研究表明,基于机器视觉的玉米种子品种识别与检测方法是可行的,该方法可提高玉米种子品种识别效率和正确率。

关键词：特征提取主成分分析神经网络玉米种子品种识别

融合双线性网络和注意力机制的油橄榄品种识别

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2023年第10期39卷 183-192页

作者：朱学岩陈锋军郑一力李志强张新伟北京林业大学工学院北京100083 林木资源高效生产全国重点实验室北京100083 城乡生态环境北京实验室北京100083 林业装备与自动化国家林业局重点实验室北京100083 智慧林业研究中心北京100083

为解决自然条件下的油橄榄品种识别问题,该研究以油橄榄品种佛奥、莱星、皮削利和鄂植8号为研究对象,融合双线性网络与注意力机制,提出双线性注意力EfficientNet模型。针对不同品种油橄榄表型差异很小的特点,搭建双线性网络以充分提取... 详细信息

为解决自然条件下的油橄榄品种识别问题,该研究以油橄榄品种佛奥、莱星、皮削利和鄂植8号为研究对象,融合双线性网络与注意力机制,提出双线性注意力EfficientNet模型。针对不同品种油橄榄表型差异很小的特点,搭建双线性网络以充分提取油橄榄图像中的特征信息。在此基础上,选用兼顾了速度和精度的EfficientNet-B0网络为特征提取网络。针对自然条件下油橄榄品种识别易受复杂背景干扰的问题,将CBAM(convolutional block attention module,CBAM)注意力与双线性网络结合,使模型在提取油橄榄图像特征时,能够聚焦到对油橄榄品种识别起关键作用的特征上。经测试,所提模型对4个油橄榄品种识别的总体准确率达到90.28%,推理时间为9.15 ms。Grad-CAM(gradient-weighted class activation mapping,Grad-CAM)热力图可视化结果也表明,所提模型在识别油橄榄品种时重点关注了果实以及部分叶子区域。消融试验结果表明,在EfficientNet模型中引入CBAM注意力和搭建双线性网络后,总体准确率分别提高了5.00和10.97个百分点。并且,对比试验结果表明,与双线性ResNet34、EfficientNet-SE注意力、双线性ResNet18、双线性VGG16和双线性GoogLeNet等模型相比,所提模型的总体识别准确率分别高12.78、11.53、11.11、10.70和5.00个百分点。该研究为解决自然条件下的油橄榄品种识别提供了依据,同时也可为其他作物的品种识别提供参考。

关键词：图像处理模型品种识别油橄榄 EfficientNet-B0 CBAM注意力 Grad-CAM

基于高光谱图像和判别分析的草地早熟禾品种识别研究

在线全文

学校读者我要写书评

暂无评论

光谱学与光谱分析 2012年第6期32卷 1620-1623页

作者：肖波毛文华梁小红张利娟韩烈保北京林业大学草坪研究所北京100083 长江大学园艺园林学院湖北荆州434023 中国农业机械化科学研究院土壤植物机器系统技术国家重点实验室北京100083

利用高光谱成像技术(550～1 000nm),采集了6个草地早熟禾品种新鲜叶片的高光谱图像,提取了叶片的光谱信息,运用Wilks’Lambda逐步判别分析法,从94个波段中选择了9个特征波段,根据特征波段的光谱信息,采用Fisher线性判别法,构建草地早熟... 详细信息

利用高光谱成像技术(550～1 000nm),采集了6个草地早熟禾品种新鲜叶片的高光谱图像,提取了叶片的光谱信息,运用Wilks’Lambda逐步判别分析法,从94个波段中选择了9个特征波段,根据特征波段的光谱信息,采用Fisher线性判别法,构建草地早熟禾品种的判别分析模型。结果表明,选择3个、6个和9个波段组合,对120个训练样本的识别正确率分别为98.3%,100%和100%,对60个测试样本的识别正确率分别为83.3%,96.7%和100%,说明以9个特征波段的光谱信息构建的草地早熟禾品种判别模型是合适的,利用高光谱成像技术结合判别分析法,为快速识别草地早熟禾品种提供了一种新的方法。

关键词：高光谱成像判别分析草地早熟禾品种识别

采用可见/近红外成像光谱技术的玉米籽粒品种识别

在线全文

学校读者我要写书评

暂无评论

红外与激光工程 2013年第9期42卷 2437-2441页

作者：杨杭张立福童庆禧中国科学院遥感与数字地球研究所北京100101

利用地面成像光谱辐射测量系统(Field Imaging Spectrometer System,FISS)获取了5种玉米籽粒的成像光谱数据,经反射率反演、噪声去除和一阶微分处理后,运用Wilk-lambda逐步判别法进行波段选择并建立判别模型。交叉验证结果表明:(1)平均... 详细信息

利用地面成像光谱辐射测量系统(Field Imaging Spectrometer System,FISS)获取了5种玉米籽粒的成像光谱数据,经反射率反演、噪声去除和一阶微分处理后,运用Wilk-lambda逐步判别法进行波段选择并建立判别模型。交叉验证结果表明:(1)平均识别精度为91.6%,除了高油115的识别精度仅有87%外,其他品种的识别精度均在90%以上;(2)在分类方案、光谱波段数、每类样本数量不变的情况下,分类精度受类别数和类别间可分性的影响;(3)随着入选波段数的增加模型识别精度逐步提高。因此成像光谱技术在玉米品种的识别以及质量检测方面具有重要的应用前景。

关键词：地面成像光谱辐射测量系统玉米品种识别留一验证

在线全文

学校读者我要写书评

暂无评论

基于机器视觉技术的淡水鱼品种识别

农业工程学报 2011年第11期27卷 388-392页

作者：张志强牛智有赵思明华中农业大学工学院武汉430070 华中农业大学食品科技学院武汉430070

为了后续加工便利,需要对打捞上来的淡水鱼进行分类,而且分类是淡水鱼加工前处理的重要工序之一。为了实现淡水鱼的自动分类,该研究通过收集常见的4种淡水鱼240条为试验样本,分别为鲢鱼、鲫鱼、鳊鱼和鲤鱼。通过运用机器视觉技术采集各... 详细信息

为了后续加工便利,需要对打捞上来的淡水鱼进行分类,而且分类是淡水鱼加工前处理的重要工序之一。为了实现淡水鱼的自动分类,该研究通过收集常见的4种淡水鱼240条为试验样本,分别为鲢鱼、鲫鱼、鳊鱼和鲤鱼。通过运用机器视觉技术采集各种淡水鱼的图像,并运用数字图像处理技术对图像进行处理,提取其各个颜色分量及长短轴之比等特征值,最后运用该特征值建立有关淡水鱼的品种识别模型。研究表明,通过该识别模型可以完全实现对鲢鱼、鲫鱼、鳊鱼和鲤鱼这4种淡水鱼的品种的识别,准确率达到96.67%。机器视觉技术可以快速准确对常见的淡水鱼进行品种识别,具有较强的实际应用价值。

关键词：机器视觉鱼图像处理品种识别

在线全文

学校读者我要写书评

暂无评论

基于FISS成像光谱数据牛奶品种识别研究

光谱学与光谱分析 2011年第1期31卷 214-218页

作者：黄长平张立福张晓红郑兰芬童庆禧中国科学院遥感应用研究所遥感科学国家重点实验室北京100101 中国科学院研究生院北京100049

利用自主研制的地面成像光谱辐射测量系统(fieldimaging spectrometer system,FISS)获取了14种典型牛奶样品的高光谱图像数据,并基于此做了牛奶品种识别研究。首先剔除2个异常样品,对剩余12种牛奶样品随机取样,共取1200个像元样本;为消... 详细信息

利用自主研制的地面成像光谱辐射测量系统(fieldimaging spectrometer system,FISS)获取了14种典型牛奶样品的高光谱图像数据,并基于此做了牛奶品种识别研究。首先剔除2个异常样品,对剩余12种牛奶样品随机取样,共取1200个像元样本;为消除高频随机噪声和基线偏移,改善多重共线性,对所有样本做移动平均平滑和一阶微分预处理,再运用逐步回归法选择的特征波长建立牛奶多类判别分析模型。结果表明,对12种牛奶样本混合识别,总体判别精度高达95.5%,其中蒙牛、伊利和光明三种原味酸奶的总体正确识别率为88.3%;对这三种原味酸奶构成的样本子集单独识别,其总体正确识别率为88.7%。这说明FISS能够用于牛奶品种识别研究,还发现为实现有针对性的牛奶品种鉴别,同类型不同厂家生产的牛奶最好单独识别,这不仅能减少模型变量,提高模型运算效率和稳定性,也能提高判别的总体精度。

关键词：成像光谱技术遥感应用品种识别地面成像光谱辐射测量系统(FISS)

在线全文

学校读者我要写书评

暂无评论

高光谱参数和逐步判别的苎麻品种识别

光谱学与光谱分析 2018年第5期38卷 1547-1551页

作者：曹晓兰陈星明张帅崔国贤湖南农业大学苎麻研究所湖南长沙410128 湖南农业大学信息科学技术学院湖南长沙410128

为了探讨基于高光谱的苎麻品种识别和分类的方法,在大田栽培条件下,采集了4个不同基因型苎麻品种共927个叶片高光谱数据。根据苎麻叶片高光谱反射曲线,选择了2组特征参数:基于高光谱波形峰谷反射率和位置参数(V1组)、基于偏度和峰度参数... 详细信息

为了探讨基于高光谱的苎麻品种识别和分类的方法,在大田栽培条件下,采集了4个不同基因型苎麻品种共927个叶片高光谱数据。根据苎麻叶片高光谱反射曲线,选择了2组特征参数:基于高光谱波形峰谷反射率和位置参数(V1组)、基于偏度和峰度参数(V2组)。运用逐步判别的方法,通过设置不同F值筛选不同个数的变量,分别建立基于2组特征参数的多个Fisher线性判别函数,并从计算量、正确率和稳定性三方面对所建立的判别函数进行分析比较。结论:(1)所有组合的判别函数总体平均正确率为91.1%,标准差总体均值为1.2%;(2)综合权衡,在所有组合中,V2组且14≥变量个数n≥8判别效果最好——计算量中等,正确率和稳定性均高于平均值,其中,13个变量的Fisher判定函数平均正确率最高有94.2%,标准差最低为0%;(3)若优先考虑正确率,V1组且22≥变量个数≥15正确率最高,平均正确率最大有95.5%,但计算量比较大,稳定性中等,标准差最低为0.9%。研究表明,利用高光谱参数结合逐步判别方法识别苎麻品种是可行的。

关键词：苎麻高光谱逐步判别分析品种识别

在线全文

学校读者我要写书评

暂无评论

基于特征融合的玉米品种识别

中国粮油学报 2023年第12期38卷 191-196页

作者：司海平万里王云鹏宋佳珍 Fernando Bacao 李艳玲河南农业大学信息与管理科学学院郑州450046 NOVA Information Management School(NOVA IMS) Universidade Nova de LisboaCampus de CampolideLisboa 1070-312

为了充分利用图像的多级尺度特征,同时发挥深度学习与传统特征各自在提取玉米图像深度特征和底层特征方面的优势,进一步提升玉米品种识别的准确率,提出一种基于特征融合的玉米品种图像识别方法。以苏玉10、京科968和正大6193个玉米品种... 详细信息

为了充分利用图像的多级尺度特征,同时发挥深度学习与传统特征各自在提取玉米图像深度特征和底层特征方面的优势,进一步提升玉米品种识别的准确率,提出一种基于特征融合的玉米品种图像识别方法。以苏玉10、京科968和正大6193个玉米品种为研究对象,制作数据集并标记类别标签,分别记为1、2、3。通过VGG16和ResNet502种预训练网络来获取图像的深度特征,并与人工提取的特征进行融合得到新的玉米图像特征,输入到不同的分类器对玉米图像进行分类。实验结果表明,对特征进行融合相较于单一使用深度特征或传统特征具有更高的识别准确率,在3个玉米品种上分别达到99.58%、98.75%、99.17%,平均准确率为99.17%。

关键词：玉米品种识别卷积神经网络图像特征

在线全文

学校读者我要写书评

暂无评论

基于深度学习和籽粒双面特征的玉米品种识别

系统仿真学报 2021年第12期33卷 2983-2991页

作者：冯晓张辉周蕊乔璐魏东李丹丹张玉尧郑国清河南省农业科学院农业经济与信息研究所河南郑州450002 河南省智慧农业工程技术研究中心河南郑州450002 重庆市农业科学院农业科技信息研究所重庆401329

为构建高识别准确率且适用于手机端应用的玉米籽粒品种识别模型,提出利用手机获取玉米粒籽双面(胚面和非胚面)图像,基于轻量级卷积神经网络MobileNetV2和迁移学习构建玉米籽粒图像品种识别模型,针对已有研究中多以玉米籽粒单面识别为主... 详细信息

为构建高识别准确率且适用于手机端应用的玉米籽粒品种识别模型,提出利用手机获取玉米粒籽双面(胚面和非胚面)图像,基于轻量级卷积神经网络MobileNetV2和迁移学习构建玉米籽粒图像品种识别模型,针对已有研究中多以玉米籽粒单面识别为主,分析对比玉米籽粒单、双面特征建模及识别性能。结果表明,玉米籽粒双面特征建模的双面识别准确率达99.83%,优于单面特征建模识别以及胚面和非胚面图像分别建模后双面识别,适用于手机端玉米籽粒品种识别应用需求。

关键词：玉米深度学习品种识别 MobileNetV2 机器视觉