检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于Gabor能量特征的牧草识别

内蒙古农业大学学报（自然科学版） 2012年第Z1期33卷 211-214页

作者：潘新刘桂香闫伟红李莹李燕华侯振杰中国农业科学院草原研究所呼和浩特010020 内蒙古农业大学计算机与信息工程学院呼和浩特010018 常州大学计算机与工程学院常州213164

草地是人类可再生的自然资源,对其进行数字化管理是实现可持续发展战略的重要途径。牧草的自动分类与识别是实现草地数字化管理的基础和关键环节。目前,牧草自动识别方面的研究较少,自动化程度较低,多数依赖于专家人工确定,费时低效,缺... 详细信息

草地是人类可再生的自然资源,对其进行数字化管理是实现可持续发展战略的重要途径。牧草的自动分类与识别是实现草地数字化管理的基础和关键环节。目前,牧草自动识别方面的研究较少,自动化程度较低,多数依赖于专家人工确定,费时低效,缺乏客观性。因此,本文提出一种基于Gabor整体能量特征的牧草自动识别的方法,以普通数码相机采集的整株牧草数字图像为研究对象,经过图像预处理、Gabor卷积、统计特征提取,以及特征匹配四个步骤,初步实现典型草原常见几类牧草的自动识别,实验验证了算法的有效性。

关键词：草地数字化牧草识别 Gabor卷积特征提取

在线全文

学校读者我要写书评

暂无评论

基于卷积神经网络的牧草识别方法的研究

基于卷积神经网络的牧草识别方法的研究

作者：王欣宇内蒙古农业大学

学位级别：硕士

我国草地面积辽阔,约占国土面积的40%,是世界上草地资源数量最多的国家之一。其中,牧草作为草地资源的重要组成部分,含有多种微量元素以及维生素,是饲养家畜的首选饲料,并作为一种可再生的自然资源,具有一年可以收割多次的特点。对牧草... 详细信息

我国草地面积辽阔,约占国土面积的40%,是世界上草地资源数量最多的国家之一。其中,牧草作为草地资源的重要组成部分,含有多种微量元素以及维生素,是饲养家畜的首选饲料,并作为一种可再生的自然资源,具有一年可以收割多次的特点。对牧草进行快速、准确的分类识别有助于实现草地牧草资源数字化与自动化管理,推动畜牧业以及相关行业的发展。目前,牧草的分类识别主要依靠专家人工识别,耗时费力且结果具有主观性。因此,为了提高牧草分类精度、效率以及草地牧草数字资源信息获取的自动化程度,本论文展开了基于卷积神经网络的牧草种子图像分类识别与牧草景观图像分类识别的相关研究,主要研究内容和结论如下:（1）采集并建立牧草种子图像与牧草景观图像数据集。目前国内外未有完整且公开的牧草图像数据集,实验室自建图像数据库是使用单反数码相机以及手机摄像头人工采集获取的。采集10类禾本科牧草种子图像,包括老芒麦、圆柱披碱草、垂穗披碱草、光穗冰草、蒙古冰草、沙生冰草、大芒鹅观草、多变鹅观草、纤毛鹅观草、鹅观草。采集环境为均匀光源下的固定地点,并统一采用黑色背景。图像的预处理过程包括对原始图像进行几何归一化处理,去除冗余信息并分割实验感兴趣区域。为了保证卷积神经网络训练参数的充足,对种子图像数据通过放射变换与映射变换等方法进行了扩充后建立了牧草种子图像数据集。牧草景观图像库包含5类常见牧草,如无芒雀麦、光穗冰草、蒙古冰草、老芒麦、豆科苜蓿。分别通过不同型号的手机和单反相机,在不同天气情况和牧草不同生长时期进行了拍摄,增加了数据的多样性,为验证模型的鲁棒性提供了依据,并且对实现牧草不同生长状态中的识别具有重要的研究意义。（2）提出基于卷积神经网络的禾本科牧草种子的两种分类识别方法。方法一:通过自建立多层卷积神经网络模型,提取牧草种子图像深度特征,并通过Softmax分类器进行训练与识别,最终识别率可达91.67%。该方法对比其他传统识别方法,如KNN、朴素贝叶斯、SVM等,以LBP纹理特征为分类依据的情况下,识别率平均高出7%-44%,并且模型具有很好的鲁棒性,在训练和测试过程中拟合效果良好。方法二:将VGGNet中的VGG-16模型改进为用于牧草种子图像分类识别的VHS模型。通过特征向量融合并精调参数的迁移学习方法,在不同数据集和参数设置基准下进行模型的训练和测试,得到36组识别结果,最终准确率最高可达94.14%。该模型在相对最佳参数设置下,能够快速达到最优解并且拟合效果良好。（3）提出基于卷积神经网络和铰链正则化损失函数的牧草景观图像的分类识别方法。原有的CNN模型使用的是交叉熵损失函数和Softmax分类器,模型在该方法下,无法适应高学习率,容易出现严重参数溢出现象并导致训练异常终止。为了提高模型训练速度,同时在高学习率下保证模型对数据集的良好鲁棒性和分类准确率,本文首先提出了铰链正则化损失函数,然后在多分类策略下组建多重SVM分类器,并参考了 VGGNet卷积神经网络特征提取层的结构,建立了 VHN牧草景观图像分类模型。最终VHN模型在迁移学习方法和高学习率（最大3）下的分类准确率达到95%,有效提高了模型训练速率,并对牧草景观图像数据集具有良好鲁棒性。同时在相同学习率下,该方法训练速率均高于交叉熵损失函数。

关键词：牧草识别卷积神经网络迁移学习损失函数

基于小波变换与改进局部二进制模式的牧草识别

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于小波变换与改进局部二进制模式的牧草识别

作者：韩璠内蒙古农业大学

学位级别：硕士

我国草地面积近400万km2,拥有世界上最丰富的草地类型和牧草品种资源,但由于长期不合理利用以及气候和其它因素的影响,草原生态系统出现了严重的退化现象。数字草业技术是有效管理草地资源,防止草地进一步退化以及实现草业可持续发展的... 详细信息

我国草地面积近400万km2,拥有世界上最丰富的草地类型和牧草品种资源,但由于长期不合理利用以及气候和其它因素的影响,草原生态系统出现了严重的退化现象。数字草业技术是有效管理草地资源,防止草地进一步退化以及实现草业可持续发展的技术保障。而目前,我国草地数字化的水平较低,特别是牧草分类识别等工作需要人工完成,具有效率低、主观性强、识别精度低等缺点。因此本论文重点研究牧草自动识别的方法,提高牧草识别效率与识别精度,丰富了草地数字化研究的内容。从植物分类的角度来看,鉴别叶片是识别植物最有效和简单的方法。叶片含有相对丰富和稳定的纹理信息,不会随叶片颜色发生变化。因此本研究的重点是提取叶片纹理信息,尝试采用小波技术与LBP相结合提取牧草叶片的纹理特征,并利用欧氏距离与蚁群算法作为分类器进行特征匹配,实现基于叶片的牧草识别。具体内容如下： (1)图像采集阶段。采用三星手机GT-18150摄像头获取牧草叶片图像,获取方式更为便捷,拓展了牧草识别的应用范围。 (2)图像预处理阶段。对采集的叶片图像经过图像灰度化、图像分割、滤波去噪等传统预处理,与对图像采用小波变换进行预处理形成对比,可得选用dbl小波变换得到的低频子图,能被有效提取纹理信息,同时减少识别时间及提高识别精度。 (3)特征提取阶段。局部二进制模式(LBP)是目前较为活跃的纹理特征提取算法,为提高LBP的表示精度,将LBP中的双线性插值改进为三次插值,使提取的特征向量数据更为均匀分配,并且增大类间距离,进而提高了识别率。 (4)特征匹配阶段。除采用常用的最近邻分类器外,还尝试使用蚁群算法进行分类,达到了较好的识别效果。

关键词：数字草业牧草识别纹理特征小波变换 LBP算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于机器学习的牧草识别算法研究及应用

基于机器学习的牧草识别算法研究及应用

作者：田明华内蒙古大学

学位级别：硕士

牧草的自动识别不仅是牧食动物智能化精细养殖的基础,而且为研究牧草种类及数量与牧食动物生长状态、绒毛细度和肉类质量的关系提供重要依据。传统的牧草识别方法仅依靠人工观察,费时费力。近年来,随着人工智能的发展,如何利用计算机视... 详细信息

牧草的自动识别不仅是牧食动物智能化精细养殖的基础,而且为研究牧草种类及数量与牧食动物生长状态、绒毛细度和肉类质量的关系提供重要依据。传统的牧草识别方法仅依靠人工观察,费时费力。近年来,随着人工智能的发展,如何利用计算机视觉相关算法进行牧草识别成为了研究热点。为节省人力物力,提高识别精度,本文使用深度学习算法对牧草识别技术进行研究,现将主要研究内容总结如下:首先,本文构建了鄂托克旗地区的首个牧草数据集。采用Cutout数据增强算法和基于自适应阈值的图像分割算法进行数据处理,并扩充牧草数据集,为牧草的深度学习识别算法研究提供了数据基础。其次,本文提出了边缘自编码网络（Edge-Autoencoder-Net,E-A-Net）算法,该算法利用Sobel算子和自编码网络提取到不同类型的牧草特征,与基础卷积神经网络进行多尺度特征融合。实验结果表明,本文提出的E-A-Net与VGG16、Res Net50、Efficient Net B0相比,F1分数分别提高了1.6%、2.8%和3.7%,其中E-A-Efficient Net B0最高为96.9%。最后,为将上述识别算法进行压缩,满足边缘端部署的需求,本文提出了一种基于知识蒸馏的牧草识别算法。将改进后的E-A-Efficient Net B0作为教师网络,Mobile Net V2作为学生网络。最终的实验结果表明,相比E-AEfficient Net B0,知识蒸馏后的Mobile Net V2,F1分数达到96.7%,参数量减少了72.9%。蒸馏后的Mobile Net V2可以有效部署到Jeston nano深度学习开发板上,并利用该开发板设计出一款可移动式牧草识别系统。

关键词：牧草识别 E-A-Net 知识蒸馏 Jeston nano

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于图像纹理特征的牧草识别分类算法与应用

基于图像纹理特征的牧草识别分类算法与应用

作者：周文慧内蒙古大学

学位级别：硕士

草地数字化管理是保护生态系统与发展畜牧业的重要手段,是实现可持续发展战略的重要途径,是提高畜牧业自动化程度的重要过程。实现草地数字化管理的基础和关键环节是牧草的自动识别与分类。目前对牧草种类识别、品质鉴定以及草地覆盖度... 详细信息

草地数字化管理是保护生态系统与发展畜牧业的重要手段,是实现可持续发展战略的重要途径,是提高畜牧业自动化程度的重要过程。实现草地数字化管理的基础和关键环节是牧草的自动识别与分类。目前对牧草种类识别、品质鉴定以及草地覆盖度等,主要依靠人工判断,改用计算机自动处理可提高效率和准确性。论文用图像识别技术研究牧草的自动识别方法,针对荒漠化草原,以内蒙古农牧业科学院科研基地采集的牧草叶片图像作为对象,选三种牧草：羊草、鹅绒萎菱菜、糙苏,用图像的纹理特征技术实现自动识别、分类。论文对叶片图像进行彩色图像分割,去除背景提取叶片的灰度图像,用灰度-梯度共生矩阵算法提取牧草叶片的纹理特征,包括叶片图像的能量、相关性、灰度熵、梯度熵、混合熵、惯性和逆差矩,共7个图像不变矩特征。这些特征对平移、缩放、镜像和旋转具有不变性,可用于分类。设计BP神经网络作为分类器,输入7个不变矩,输出分类结果,实现对牧草叶片图像的分类,识别率达到94.6%。论文的所有算法在MATLAB环境编程仿真,仿真结果验证算法的有效性。论文设计完成一个牧草自动识别系统,在PC机编程,MATLAB环境中嵌入VC++6.0加入上述算法完成牧草识别分类应用系统,在该系统扩展多种牧草特征,可用于牧草识别工程应用。

关键词：牧草识别纹理特征图像分割共生矩阵 BP网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于分区LBP及蚁群算法的牧草识别

基于分区LBP及蚁群算法的牧草识别

基于方差选择和高斯朴素贝叶斯的草地牧草高光谱图像识别研究

中国草学会2013学术年会

作者：韩璠潘新郜晓晶闫伟红罗小玲刘霞内蒙古农业大学计算机与信息工程学院中国农业科学院草原研究所

本文依据牧草叶片的纹理特征对18种牧草进行分类识别。针对牧草纹理具有分区的特点,采用分区LBP提取其纹理特征,借鉴蚁群算法作为分类器进行识别分类。实现了对牧草叶片图像的分类。将采集的样本经过标准预处理之后形成样本数据库。识... 详细信息

本文依据牧草叶片的纹理特征对18种牧草进行分类识别。针对牧草纹理具有分区的特点,采用分区LBP提取其纹理特征,借鉴蚁群算法作为分类器进行识别分类。实现了对牧草叶片图像的分类。将采集的样本经过标准预处理之后形成样本数据库。识别结果表明,最高识别率达到90%,同时实验结果证明:分区LBP能够对牧草叶片图像有效编码,蚁群算法可以提高牧草叶片识别的准确率,为实际应用提供了新的思路。

关键词：牧草识别分区LBP 蚁群算法纹理特征

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

光电子．激光 2020年第7期31卷 688-695页

作者：赵烜赫潘新闫伟红马玉宝内蒙古农业大学计算机与信息工程学院呼和浩特010018 中国农业科学院草原研究所呼和浩特010020

近年来,草地调查和监测工作中主要基于卫星遥感光谱图像,但其整体分辨率略低、成本高,具有一定的局限性。而近距离获取的高分辨率高光谱图像可弥补图像分辨率较低的缺陷,目前研究较少。因此,本研究通过结合高光谱成像技术和机器学习,提... 详细信息

近年来,草地调查和监测工作中主要基于卫星遥感光谱图像,但其整体分辨率略低、成本高,具有一定的局限性。而近距离获取的高分辨率高光谱图像可弥补图像分辨率较低的缺陷,目前研究较少。因此,本研究通过结合高光谱成像技术和机器学习,提出了一种基于方差选择与高斯朴素贝叶斯的草地牧草高光谱图像快速准确识别方法。首先,利用高光谱成像系统采集可见-近红外光谱(400~1 000 nm)的草地高光谱图像,通过基于方差选择的降维方法优化特征中的有效信息;然后,采用高斯朴素贝叶斯(gaussian naive bayes,GaussianNB)和支持向量机(support vector machine,SVM)并结合K折交叉验证法分别建立识别模型;最后,通过Kappa系数、OA、测试时间等指标进行模型评价。预处理环节中对比多元散射校正(MSC)、标准正态变量变换(SNV)、归一化(normalize)、Savitzky-Golay平滑滤波(SG)和移动窗口平滑光谱矩阵(nirmaf)5种方法,其中MSC预处理提高信噪比和保障预测模型的精度与稳定性最优。特征选择与提取中,采用基于方差选择的主成分分析白化(V-pcaw)法,根据阈值和主成分选择最佳特征变量数为2,与主成分分析(PCA)法比较,总体分类精度和Kappa系数平均值分别提高2.995%和0.050 25。同等情况下比较GaussianNB模型和SVM模型,在GaussianNB模型中,经MSC处理的牧草光谱在V-pcaw特征提取后识别效果最佳,耗时最少,OA值达到99.33%,Kappa系数为0.99,测试时间为0.002 022 s。研究结果表明,基于方差选择与高斯朴素贝叶斯的方法可有效增强草地牧草高光谱图像的特征表达能力,从而实现高效快速的牧草种类识别。

关键词：高光谱成像牧草识别方差选择 PCA白化高斯朴素贝叶斯

基于机器学习的草地牧草高光谱图像识别算法研究

在线全文

学校读者我要写书评

暂无评论

基于机器学习的草地牧草高光谱图像识别算法研究

作者：赵烜赫内蒙古农业大学

学位级别：硕士

近年来,草地牧草的调查和监测工作中主要基于卫星遥感多光谱图像,但其受到整体分辨率、采样周期与成本等因素的制约。而近距离获取的高分辨率高光谱图像可弥补以上缺陷,且目前研究较少。因此,本文以草地牧草高光谱图像为研究对象,对现... 详细信息

近年来,草地牧草的调查和监测工作中主要基于卫星遥感多光谱图像,但其受到整体分辨率、采样周期与成本等因素的制约。而近距离获取的高分辨率高光谱图像可弥补以上缺陷,且目前研究较少。因此,本文以草地牧草高光谱图像为研究对象,对现有机器学习算法进行研究的基础上,提出适用于草地牧草高光谱图像的分类与识别算法,以提升识别精度和效率,从而为提高草地智能化管理水平奠定基础。主要研究内容和结论如下:（1）采集并建立草地牧草高光谱图像数据集。本研究通过利用高光谱仪器（Hyper Spec（?）PTU-D48E）实地采集可见-近红外光谱（400nm～1000nm）草地牧草高光谱图像（hyperspectral image,HSI）,共16类草地牧草。考虑到牧草不同生长时期和生长区域的光谱特性差异,分别建立了相同研究区域同一生长时期的牧草高光谱图像数据集和不同研究区域不同生长时期的牧草高光谱图像数据集。（2）数据预处理。在实地采集高光谱图像过程中,牧草样本生长状态分布不均匀、株高不同,且易受到外界自然因素的干扰,例如光照、风力、气候、阴影等。数据存在噪声和失真等情况,需进行预处理。首先,对采集的图像提取感兴趣区域（ROI）,然后采用MSC、SNV、Normalization、S-G和Nirmaf进行预处理。其中MSC最优,有效提高了信噪比,消除了冗余噪声,保障了预测模型的精度与稳定性。（3）提出适合草地牧草高光谱图像的分类模型。模型一:构建了基于RBF-SVM的草地牧草高光谱分类模型。首先,采用PCA白化对预处理后的数据进行特征提取;然后,选择其中的最佳主成分作为SVM的输入;最后,结合K折交叉验证法自动进行参数调优。实验对比不同SVM核函数对应的牧草高光谱图像自动分类结果,其中,RBF-SVM的分类结果较优,识别准确率达到95%以上。结果表明,此模型构造简单、易练习、训练速度快、具有较高的OA,与GBDT和KNN相比具有一定的优势,是一种高效、鲁棒性较好的识别模型。模型二:构建了基于方差选择和高斯朴素贝叶斯的草地牧草高光谱图像分类模型。首先,本模型提出了基于方差选择的主成分分析白化（V-pcaw）的特征提取方法,通过基于方差选择的降维方法优化特征中的有效信息,根据阈值和主成分选择最佳特征变量数为2;然后,采用Gaussian NB和SVM并结合K折交叉验证法分别建立识别模型;最后,通过Kappa系数、OA、测试时间等指标进行模型评价。实验将V-pcaw与PCA比较,OA和Kappa系数的平均值分别提高了2.995%和0.05025。同等情况下比较Gaussian NB模型和SVM模型,Gaussian NB模型在保证分类精度较好的情况下耗时更少。其中,MSC-V-pcaw-Gaussian NB模型识别效果最佳,耗时最少,OA值达到99.33%,Kappa系数为0.99,测试时间为0.002022s。结果表明,基于方差选择与高斯朴素贝叶斯的方法可有效增强草地牧草高光谱图像的特征表达能力,并取得了较好的识别性能。模型三:构建了基于F-SVD与XGBoost的草地牧草高光谱图像识别模型。针对SVD在高光谱识别中时间复杂度高、精确度不佳等问题,提出F-SVD。该方法将潜在因子（F）引入SVD分解策略中,利用潜在变量和原始变量之间的相关性,改进奇异矩阵。然后,建立了基于XGBoost的牧草识别模型。F-SVD-XGBoost与FA-XGBoost和SVD-XGBoost相比,OA分别增加了1.98%和1.67%,耗时分别减少了1.369s和0.522s。结果表明,此模型在损耗时间和分类精度方面具有较明显的优势,尤其针对多类别牧草样本时。

关键词：高光谱图像牧草识别特征选择机器学习

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

禾本科牧草种子图像预处理方法的研究

内蒙古农业大学学报（自然科学版） 2013年第3期34卷 159-162页

作者：潘新苏静闫伟红刘桂香李燕华侯振杰中国农业科学院草原研究所呼和浩特010020 内蒙古农业大学计算机与信息工程学院呼和浩特010018 内蒙古自治区人民医院B超室呼和浩特010017 常州大学计算机与工程学院常州213164

牧草自动识别是对普通数码相机获取的牧草数字图像进行预处理、特征提取与特征匹配等环节处理,达到利用计算机实现牧草分类的目的。牧草自动识别具有成本低,易于采集,准确性高等优点,是实现草地数字化的基础。图像预处理是保证识别精度... 详细信息

牧草自动识别是对普通数码相机获取的牧草数字图像进行预处理、特征提取与特征匹配等环节处理,达到利用计算机实现牧草分类的目的。牧草自动识别具有成本低,易于采集,准确性高等优点,是实现草地数字化的基础。图像预处理是保证识别精度的关键环节,本文以典型草原优质牧草禾本科种子为研究对象,研究图像的预处理方法,获取感兴趣区域(Region of Interest,ROI)。主要步骤包括:首先对图像进行去噪、灰度化、二值化处理,然后对二值图像进行形态学腐蚀、膨胀运算,确定种子边缘,最后根据种子主体位置建立坐标系,分割原始图像,获取ROI。为验证预处理方法的有效性,本文利用主成分分析(Principal Components Analysis,PCA)提取特征,对20个样本的禾本科牧草种子1000幅图像进行识别,平均识别率达到94.6%。

关键词：牧草识别图像预处理主成分分析禾本科牧草种子图像