共查询到13条相似文献,搜索用时 78 毫秒
1.
针对羊绒鉴别的问题,研究了光学显微镜下纤维鳞片纹图基因码的统计规律。研究表明, 羊绒鳞片纹图基因码中除纤维直径的均匀性较好、变异系数较小以外,其它基因码的变异系数均较大。所有纹图基因码中除了鳞片矩形度的最优拟合为正态分布外,其它形状参数的最优拟合均为对数正态分布,其拟合相关度均超过了0.99。羊绒纹图基因码中相对形状参数离散度较小而绝对形状参数离散度较大。在所有的纹图基因码中,鳞片矩形度的离散度最小而面积的离散度最大,羊绒纤维鳞片形状较更似方形或窄矩形。这些统计特征为羊绒最优判别基因组的构造提供了参考依据,为羊绒纤维鉴别准则的发现提供了理论基础。 相似文献
2.
3.
4.
基于准规则斑图的生成原理与变化方法,运用计算机绘图技术,结合纹织实验,对应用准规则斑图所形成的纹织设计新方法进行探讨,并对获得的某些特定图形的优化设计途径进行研究,从而得到了几点有益的启示。 相似文献
5.
滚动码技术实际上是一种的加解密技术,具有较高的保密性,而射频识别技术是一种自动识别技术,具有较高的精准度,这两种技术都是汽车防盗器技术的重要组成部分,在汽车防盗领域得到了广泛应用,功能性较强,基于滚动码及射频识别技术在汽车防盗领域的重要性,文章针对利用滚动码及射频识别技术的汽车防盗器系统设计进行了全方位研究与探讨。 相似文献
6.
7.
基于贝叶斯方法的山羊绒与细羊毛的鉴别 总被引:3,自引:0,他引:3
根据细羊毛与山羊绒的鳞片形状与结构特征的不同,提出智能识别2类纤维的方法。通过CCD系统获取2类纤维的灰度图像,采用图像技术将灰度图像处理成单像素宽度的二值图,从二值图中提取描述2类纤维鳞片形状特征的4个比对指标。在样本数据库上基于4个比对指标的统计假设建立辨识细羊毛与山羊绒纤维的贝叶斯分类模型。仿真结果表明:该模型具有较好的纤维鉴别能力,对山羊绒纤维的识别准确度达到83%,对细羊毛则达到90%;并且随着参数的增加,模型有进一步提高鉴别精度的可能。 相似文献
8.
基于视觉词袋模型的羊绒与羊毛快速鉴别方法 总被引:2,自引:0,他引:2
为快速准确地鉴别羊绒和羊毛,提出一种基于视觉词袋模型的鉴别方法。该方法使用羊绒和羊毛的光学显微镜图像作为实验样本,将纤维鉴别问题转化为图像的分类问题。首先对光学显微镜图像进行预处理以增强特征,然后从纤维形态中提取局部特征并生成视觉单词,再依据视觉单词对纤维图像进行分类,从而达到鉴别纤维的目的。使用了4 400 幅纤维图像作为数据集,从中选择不同的羊绒和羊毛的混合比作为训练集和测试集,得到的识别率最高为86%,最低为81.5%,鉴别1 000根纤维需要的时间小于100 s,训练好的分类器可保存并用于后期的检测工作。 相似文献
9.
10.
11.
为快速准确地鉴别羊毛与羊绒,提出一种基于多特征融合的鉴别方法。首先利用光学显微镜及数码相机对羊毛与羊绒纤维进行图像采集,然后分别采用2种类型的预处理操作得到单根纤维图像与去除背景的纤维二值图像;其次通过灰度共生矩阵算法提取第1类预处理后羊毛与羊绒纤维图像的纹理特征参数,基于中轴线算法提取第2类预处理后纤维图像的直径形态特征参数;最后将纹理及形态特征参数融合成多维数组并通过K均值算法进行聚类识别。实验结果显示,与传统利用单一纤维特征提取算法进行识别的方法相比,该算法平均识别率可达到95.25%,识别率较高,可用于羊毛与羊绒纤维的自动分类识别。 相似文献
12.
提出了一种新的基于模糊理论的毛针织服装款式识别算法,使毛针织服装CAD更具智能化,可提高后续衣片拆分和工艺单计算的效率.该方法首先分析毛针织服装款式轮廓点的特点,建立了由7个特征组成的款式轮廓点分类依据;根据模糊理论建立了模糊聚类矩阵,通过计算机将款式轮廓点自动归类;根据毛针织服装款式的特点,给出了款式对比前的缩放公式,并提出了用于款式模糊识别的贴近度公式.得出了该套算法可快速准确将毛针织服装款式轮廓点归类并可准确识别款式类型的结论. 相似文献
13.
Tianniam S Tarachiwin L Bamba T Kobayashi A Fukusaki E 《Journal of Bioscience and Bioengineering》2008,105(6):655-659
Gas chromatography time-of-flight mass spectrometry was applied to elucidate the profiling of primary metabolites and to evaluate the differences between quality differences in Angelica acutiloba (or Yamato-toki) roots through the utilization of multivariate pattern recognition-principal component analysis (PCA). Twenty-two metabolites consisting of sugars, amino and organic acids were identified. PCA analysis successfully discriminated the good, the moderate and the bad quality Yamato-toki roots in accordance to their cultivation areas. The results signified two reducing sugars, fructose and glucose being the most accumulated in the bad quality, whereas higher quantity of phosphoric acid, proline, malic acid and citric acid were found in the good and the moderate quality toki roots. PCA was also effective in discriminating samples derive from different cultivars. Yamato-toki roots with the moderate quality were compared by means of PCA, and the results illustrated good discrimination which was influenced most by malic acid. Overall, this study demonstrated that metabolomics technique is accurate and efficient in determining the quality differences in Yamato-toki roots, and has a potential to be a superior and suitable method to assess the quality of this medicinal plant. 相似文献