基于图像处理的小麦品种分类研究

籽粒的外观特征是区别不同小麦品种的重要标志,对小麦的选育工作具有重要的参考价值.首先采用中值滤波和迭代式阈值法对采集到的4类小麦共468粒样本图像进行处理和分割;然后针对每类小麦,提取了其6个颜色特征、5个形态特征和5个纹理特征等共16个参数;最后通过构建神经网络比较了仅使用颜色和形态特征作为网络输入以及3类特征共同作用时的分类效果.试验结果表明:仅使用颜色、形态两方面的11个特征参数时,小麦样本的识别率为87.6%;当增加5个纹理特征时,样本的识别准确率达到93.13%,可有效识别出4类小麦样本.     

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。     

基于外观特征识别玉米不完善粒检测方法

为了利用机器视觉对玉米不完善粒进行准确识别,采用图像处理的方法通过工业相机获取同一品种的7种不同质量的玉米籽粒图像,通过均值滤波、形态学运算等处理并选取了基于籽粒的形态、颜色、纹理3类外部特征共48个特征参数,采用主成分分析法确定7个主成分因子作为输入单元,建立了7-15-7的3层BP神经网络模型对玉米不完善粒进行识别.结果表明:此方法对完善粒、虫蚀粒、病斑粒、破损粒、生芽粒、热损伤粒和生霉粒的正确识别率分别为95.00%、90.00%、91.67%、98.33%、93.33%、95.00%和96.67%,因此利用该模型对玉米不完善粒的检测识别具有较高的可行性.     

高精度配电网电气设备故障识别检测方法

针对电气设备红外图像边界模糊、噪声大等问题,结合卷积神经网络模型和图像识别技术,利用可见光图像与红外成像,实现了对配电网电气设备的高精度远程识别和发热诊断.采用卷积神经网络和边框回归算法完成了对识别对象的标记,基于灰度梯度信息矩阵提取了配电网红外图像的纹理信息特征参数,采用主成分分析的方法得到特征参数的主成分分量,并将其作为输入向量,对设备运行状态进行识别.结果表明,样本训练及测试的准确率能够分别达到95%、90%以上,设备发热故障识别准确率约为85%.     

基于二维离散小波的鲜玉米果穗成熟度的等级评定

采用计算机视觉技术,经二维离散小波分解后提取与玉米果穗成熟度相关的图像特征实现成熟度等级评定。在HSI颜色模型下对鲜玉米果穗图像H分量进行二维离散小波分解,提取低频子带的颜色特征。在RGB颜色模型下提取鲜玉米果穗图像高频子带的纹理特征。通过主成分分析法实现特征参数的降维。以前4个主成分值作为网络输入,构建概率神经网络,实现鲜玉米果穗成熟度的等级评定,评定正确率为95%。     

基于BP神经网络小麦含水量的近红外检测方法

为了实现小麦籽粒水分含量的快速、准确测定,以小麦含水量的国标测定值为BP神经网络的目标向量,采用近红外分析仪扫描小麦籽粒光谱图并进行预处理,使用主成分分析对预处理后的光谱数据降维,将其作为BP神经网络的输入向量,采用BP神经网络对小麦的含水量进行预测.结果表明:国标法测定值与BP神经网络结合近红外法测定值之间的T检验结果为P=0.52＞0.05,两种方法测定结果无显著性差异.采用BP神经网络对小麦水分的预测值与国标测定值之间的R2为0.999,可以用来预测小麦的水分含量.     

基于小波变换的木材表面纹理分类

以300个木材样本为对象,研究了基于多分辨率灰度共生矩阵参数的木材表面纹理的分类方法.以灰度共生矩阵特征参数的相关性为依据,确定以"角二阶矩"、"对比度"、"相关"、"方差"、"均值和"5个参数描述木材表面纹理.用sym let4小波对木材图像进行了2级分解,在小波重构域,以一级重构的水平细节h1、垂直细节v1、对角细节d1、二级重构的近似a2、水平细节h2、垂直细节v2、对角细节d2共7个图像的23个特征参数构成多尺度参数体系.以BP神经网络进行了纹理分类验证,正确率为94.0%,优于单分辨参数方法(87.5%).实验表明:多分辨参数可以更细致地描述木材的纹理特征,并能提高分类正确率.     

基于多光谱图像的不同品种绿茶的纹理识别

为了提高茶叶加工的智能化水平,提出一种基于多光谱图像纹理分析的快速识别不同品种绿茶的方法.通过3CCD成像仪同时获得绿茶样本的红光、绿光和近红外三个通道的图像,采用灰度共生矩阵和纹理滤波相结合来提取图像纹理特征,分析了不同品种绿茶的各个通道图像的纹理特征.非监督聚类分析表明,基于组合方法提取的纹理特征优于仅依靠灰度共生矩阵得到的纹理特征.优化和筛选后得到10个特征参数作为支持向量机模型的输入,建立模式识别模型.结果表明,对于126个建模样本的识别正确率达到94.4％,对于未知64个预测样本的识别正确率达到93.8％,说明提出的组合纹理特征提取和模式识别方法能够较好地识别不同品种的绿茶.     

基于多颜色和局部纹理的水果识别算法研究

为提高水果种类识别的准确性,本文提出一种基于多颜色特征和纹理特征的水果识别算法。该研究选择不同种类的水果图像作为实验测试样本,使用最大类间方差法Otsu分割图像,得到水果图像的目标区域,分别对目标区域进行红、绿、蓝(RGB)颜色模型和色调、饱和度、明度(HSV)颜色模型的直方图分析,采用颜色矩算法和非均匀量化算法对RGB模型和HSV模型提取特征,利用局部二值模式(local binary patterns,LBP)对目标区域提取局部纹理特征,对颜色和纹理特征向量进行优化组合,结合基于梯度下降算法的BP神经网络对测试样本进行训练分类。针对输入层输入不同特征分别进行实验并比较,得到基于不同特征的水果识别率。研究结果表明,本算法分类识别率可达90%以上,高于单一特征算法识别率。该研究具有一定的实际应用价值。     

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.     

《安徽建筑工业学院学报》引文分析

根据《安徽建筑工业学院学报》２８８篇文章的引文数量、类型、语种的统计分析,从中看出《学报》作者利用专业文献的特点及规律,为图书情报部门做好文献服务工作提供了可靠的参考依据。     

氯氧化镁生成热的测定

利用氧化镁与2.5mol/L氯化镁溶液反应制备氯氧化镁(A)和(B)。在微量量热计上测得样品在2.163mol/L盐酸中的溶解热,据溶解热与比值n的关系求得(A)和(B)的溶解热,进而获得它们的生成热。     

一类LP问题算法的改进

对单纯形法的基本理论进行了简化处理,并给出了更加直观的证明,从而,总结出单纯形法迭代的“二看一算”规则。     

自定中心振动筛的自定中心原理研究

筛箱各点运动轨迹为圆的振动筛工作时,激振轴上存在唯一的瞬时速度中心线,而且瞬心线的位置不变。瞬心线位于激振轴中心线与偏心块质心之间,该线到激振轴中心线的距线等于振动筛的振幅。只要胶带轮的几何中心安装于瞬心线上,胶带轮就只作定轴转动,不随筛箱振动。     

水的浊度测量方法的分析

本文对浑浊度的测量方法进行了分析。所得结论将对研制及合理使用各种测量浊度的仪器有一定的指导意义。     

智能小区实验室设计

本文通过我院智能小区实验室设计方案的论述,着重讨论了智能小区实验室的建设模式.     

桑茄蒂公司面粉气力压运系统设计计算方法的分析

通过对桑茄蒂公司气力压运系统设计计算方法的分析，归纳出该方法的适用范围，并得到实际工艺的验算证明。     

高校课堂教学评估信息系统程序设计

高等学校课堂教学评估信息系统(EEIS/EBKT)研究确立了以连续定点采集数据、使用计算机进行信息处理的教学评估模式.其计算机应用系统的程序设计为这一模式得以实现并实施作了多方面的研究与探讨,最终完成了EEIS/EBKT计算机应用软件系统。本文对该应用软件系统中的程序设计目标、数据结构设计、程序逻辑控制以及人——机界面设计作了全面介绍,并提出了进一步完善的基本设想。     

砌体结构弹性模量取值方法

砌体结构中的一个重要力学参数是弹性模量。本文总结了国内外砌体结构弹性模量取值,评述了其取值原则,指出了进一步研究砌体弹性模量的方向及应考虑的问题。     

五种桉木制浆性能的比较

对5种桉木进行了原料分析，同时在用碱量(Na2O)17％、硫化度25％、液比1：4、升温时间2h、保温2h、最高温度170℃的优化工艺条件下进行了蒸煮实验，进而对其综合制浆性能进行了比较。