基于优化神经网络的小麦品种分类研究

为提高基于图像处理的小麦品种识别的准确率,首先选取L8998、内乡188、9023、优展1号、豫麦47、周麦12等6个品种作为研究对象,对采集到的小麦颗粒图像进行中值滤波后采用迭代式阈值法分割图像,提取出颜色、形态和纹理3方面共16个特征,然后通过构建神经网络研究了小麦品种的识别准确率与品种数量之间的关系.最后,为避免网络因达到局部最优而停止训练,利用MIV算法计算了各输入特征参数对分类结果的平均影响值,进而使用遗传算法对网络结构进行了优化.结果表明,随着小麦品种的增加,分类的准确率逐步下降,当待识别的小麦种类增加到6类时,优化后的神经网络的样本识别准确率从81.3％增加至85.6％,有效提高了小麦品种分类的准确性.     

基于图像处理的小麦水分含量识别方法研究

研究了一种基于小麦图像特征和模式识别的小麦水分含量快速识别方法.将小麦水分含量分别调至10%、11%、12%、13%和14%,然后采集小麦不同含水量单籽粒和整批籽粒图像.单籽粒图像,提取其形态、颜色和纹理共62个特征参数,整批籽粒图像提取其颜色和纹理共48个特征参数.最后采用逐步判别分析对提取的特征参数进行筛选,分别建立线性参数统计分类器和BP神经网络模型实现小麦不同水分含量的检测识别.结果表明,BP神经网络模型对小麦水分的识别率高于统计分类器;与单籽粒图像相比,使用整批籽粒图像的特征参数能更好地对小麦水分进行有效识别.使用BP神经网络模型对整批籽粒图像水分进行识别,其识别正确率为90%⁹5%,整体判别正确率达到了92%.     

基于计算机图像处理的电路板非接触式检测研究

针对电路板尺寸小、器件多、质量要求高且不适合频繁接触检测的现状,提出了一种基于计算机图像处理的非接触式检测方案。该方案主要包括图像获取、算法处理和结果显示3部分。采用TWAIN协议获取电路板图像;在RGB色彩空间使用改进的轮廓提取算法获取元器件的轮廓;利用色彩空间的区分度,对电路板上的器件缺失和器件缺陷进行检测。相对于传统的人工检测,该方案在检测效率和检测准确性上,都有较大的提高。     

基于图像处理玉米水分检测方法研究

水分质量分数是影响玉米质量的限制指标之一。为了实现利用机器视觉准确判别玉米水分的质量分数,采用工业相机获取同一品种不同水分的玉米籽粒图像,利用均值滤波、最大类间方差法和形态学运算等方法对图像进行处理,并利用MATLAB软件编程提取基于籽粒的形态、颜色、纹理3类外部特征共48个特征参数,采用逐步判别分析方法和主成分分析法确定8个主成分因子,建立对玉米水分进行预测的8-17-1的3层BP神经网络模型。结果表明:检测值与实际值之间的决定系数为0.975 8,证明将机器视觉技术应用于玉米水分质量分数检测在理论与方法上是可行的。     

基于BP神经网络的储粮害虫分类识别研究

基于图像处理技术的储粮害虫检测过程中,需要解决多种害虫多特征的识别分类问题。提出运用BP神经网络来进行害虫特征分类的方法。通过对储粮害虫图像的预处理,获取并优化提取5个特征参数输入BP网络进行训练。仿真结果表明,训练网络对粮仓中4类常见害虫的识别率达到了95%,得到了较好的识别结果。     

基于数字图像处理技术的储粮害虫分类识别研究

阐述了在储粮害虫分类识别研究中利用计算机数字图像处理技术,自动提取静态储粮害虫图像的数理统计特征、纹理特征和几何形状特征,并在此基础上采用BP神经网络进行分类和识别的主要技术和方法.实验结果表明,BP具有较强的自适应性,对有噪声、残缺的储粮害虫图像识别也能得到较好的效果.     

基于机器视觉的瓷砖自动分类系统设计

对基于机器视觉的瓷砖自动分类系统的结构进行了介绍,并阐述了图像采集、图像处理和智能分类三个主要功能模块的特点.同时,针对各个功能特点选取了合适的设备、算法及方法,组建了基于机器视觉瓷砖自动分类系统.最后,用该系统对几个典型样本实例实现了分类.     

基于机器视觉的海产品外观品质分级方法

海产品外观品质的机器视觉检测分级方法旨在克服人工检测分级的主观性和随意性。主要采用中值滤波和边界跟踪法对图像进行预处理,在此基础上利用三点一线法和外接矩形旋转法确定海产品的横轴长和纵轴长。通过比较两种方法的优劣,采用三点一线法来处理图像,用时最短。提取横轴长、纵轴长、似圆度、形状参数、偏心率和中轴曲率作为分类特征,建立BP神经网络模型,实现海产品表观质量等级评定。识别的平均准确率达89.5%。     

基于特征提取的缺陷图像分类方法

针对缺陷图像表面复杂多变、特征不宜提取的特点, 提出了一种归一化转动惯量特征和不变矩特征相结合的时域分析方法来构建缺陷图像的统计特征量, 同时增加缺陷矩形框区域内压缩度、距离极值比和线度特征量作为缺陷分类的依据;提出了在缺陷频谱图像内提取特征量的频域分析方法, 并将矩形框区域内所有像素点灰度平均值和灰度方差值作为缺陷分类的另一重要依据;同时将BP神经网络应用于缺陷图像的自动分类中, 构建了系统的缺陷分类器, 并对现场采集的常见6种缺陷类型进行了实验.结果表明, 该特征提取方法在很大程度上提高了特征的分类有效性;该BP分类器识别率较高, 现场整体识别率达到90%以上, 在一定程度上解决了缺陷图像分类难的问题.     

神经网络用于通信信号分类识别研究

介绍了将神经网络方法应用于通信信号的分选和识别的初步研究结果；选择了二值自适应共振（ＡＲＴ１）神经网络完成对输入信号的分类，确定输入信号类型是否已被网络存储，发现新出现的信号并标记；再采用多层前馈误差反向传播（ＢＰ）神经网络完成每一标记信号的识别，即识别该信号类型。比较了神经网络分类识别器和树形分类器的性能，并给出了计算机模拟结果。结果表明，基于神经网络的分类识别器的性能远优于传统技术分类器。     

基于人工神经网络和生物光子学的小麦籽粒状态分类

将生物光子分析技术与人工神经网络相关算法相结合,识别小麦籽粒的不同状态.以经过不同时间的水浸泡处理和去胚芽前后的小麦籽粒为研究对象,通过定制的生物超微弱发光测试仪获取试验样品的生物光子辐射.利用人工神经网络中的误差反向传播(Back Propagation,BP)算法对测量的小麦籽粒生物光子辐射数据进行分类研究.结果显示,该方法对有无胚芽小麦的识别率均达90%以上,对于新旧小麦的识别率也在70%以上.     

基于方向图的指纹模式分类研究

指纹的方向图在指纹的预处理、特征提取以及指纹分类诸方面发挥着重要的作用。本文利用RBF神经网络对多幅指纹方向图进行分类研究。实验证明利用方向图信息进行指纹的分类具有算法简单易行、快速有效的优点 ,并对噪声具有相当的鲁棒性 ,取得了满意的实验效果     

基于粒子群优化算法的BP神经网络在图像识别中的应用

介绍了一种采用微粒群算法与BP算法相结合的方法用于BP神经网络模型优化，来提高模型的收敛速度和精度。仿真结果表明，与BP算法相比较，PSO—BP学习算法训练的神经网络不仅训练时间明显缩短，而且其预报精度也得到了较大的提高。     

数字图像测量技术在小麦三轴试验中的应用研究

将基于数字图像测量技术的三轴试验仪应用于测试粮食剪切强度及变形特性。选取河南小麦为研究对象,进行了围压25、50、75、100 k Pa下的三轴试验,并采用数字图像测量技术对试样剪切变形全过程进行监控。研究结果表明,基于数字图像测量技术的三轴试验可方便测试粮食剪切强度和变形特性。试验获得的小麦内摩擦角为25.13°。由小麦体变-应变曲线及变形图分析了剪切变形发展过程,试样先减缩然后发生剪胀现象,剪切破坏为鼓状破坏形式。研究结果表明,基于数字图像测量技术的三轴试验仪,适用于小麦剪切试验测试,能满足试验精度的需求,试验结果合理。     

加工对不同小麦制品中脱氧雪腐镰刀菌烯醇的影响

以脱氧雪腐镰刀菌烯醇平均含量为3 223.6 μg/kg的超标小麦为原料,经加工处理,制成全麦粉、麸皮、全麦粉干面筋、小麦粉干面筋,分别测定其脱氧雪腐镰刀菌烯醇含量,进行对比分析后发现:麸皮中脱氧雪腐镰刀菌烯醇的含量达到9 431.2 μg/kg,超标8.4倍,极显著高于全麦粉;全麦粉干面筋中脱氧雪腐镰刀菌烯醇的含量极显著降至1 159.5 μg/kg;在用分离麸皮后的小麦粉制作成的干面筋中,脱氧雪腐镰刀菌烯醇的含量极显著降至818.4 μg/kg,符合国家标准.试验结果表明,利用脱氧雪腐镰刀菌烯醇超标的小麦,采取适当的生产设备和工艺,生产的谷朊粉中脱氧雪腐镰刀菌烯醇含量能够达到国家标准.     

浸出法制取小麦胚油的研究

用4号溶剂油浸出小麦胚油的最佳工艺条件是:麦胚/溶剂=1:3:浸出时间80min;浸出温度35℃.在此条件下粕中残油率低于1%.毛油经过精炼,即可获得品质优良的小麦胚油.     

小麦面团加工过程中麦谷蛋白变化研究

以“强力”粉和“弱力”粉小麦为原料,研究了在面团加工过程中麦谷蛋白的变化,结果表明：面团加工过程中麦谷蛋白含量及湿面筋含量基本保持不变,但在面团搅拌过程中麦谷蛋白的提取率增加,而在静置过程中麦谷蛋白提取率则降低。通过测定自由巯基含量发现,搅拌过程中巯基含量升高,而静置过程中则相反,表明在面团加工过程中二硫键含量发生了变化,分析认为在面团加工过程中麦谷蛋白可能发生了解聚和重聚,使得溶解性发生了变化