排序方式: 共有10条查询结果,搜索用时 15 毫秒
1
1.
为考察近红外光谱对玉米种子的品种识别与产地识别性能,采集了8个玉米品种波长范围为12 000~4 000 cm-1的近红外光谱数据,并基于此数据研究了基于PCA的光谱数据特征的提取方法,并探讨了神经网络(ANN)和支持向量机模型(SVM)在品种识别上的性能,进一步研究了玉米品种的产地识别技术,且比较了传统可见光图像的品种识别。研究发现:基于近红外的玉米品种识别,在6个主分量的情况下整体上性能达到90%以上;SVM算法较ANN算法稳定可靠,更适合于小样本情况下的光谱分析;基于光谱的品种识别与基于可见光图像的品种识别效果相当;另外发现同一品种在不同产地上其光谱特征差别较大,据此可以应用光谱进行产地鉴别,鉴别力达到95%以上。本研究所构建的方法对玉米品种识别和产地识别具有积极意义。 相似文献
2.
3.
4.
矿用开关组件的工作性能直接影响着厂矿的生产和工作人员的人身安全 ,而现场判断开关组件工作性能是一个非常棘手的问题。论述了采用PLC可编程控制器设计制作的矿用开关组件微机检测控制系统的工作原理、设计思路及系统组成。它与计算机联接 ,不仅能自动检测组件 ,并可显示和打印检测结果 ,具有很高的实用价值。 相似文献
5.
矿用开关组件的工作性能直接影响着厂矿的生产和工作人员的人身安全,而现场判断开关组件工作性能是一个非常棘手的问题。论述了采用PLC可编程控制器设计制作的矿用开关组件微机检测控制系统的工作原理、设计思路及系统组成。它与计算机联接,不能自动检测组件,并可显示和打印检测结果,具有很高的实用价值。 相似文献
6.
7.
[目的]从穗粒重与果穗三维几何关系的角度探索籽粒产量的制约因素,寻找进一步提高玉米产量的途径.[方法]利用图像处理技术采集了10个品种的果穗几何特征,分析了穗粒重对果穗几何特征组合的回归,以及穗粒重与穗大小特征的相关性.矩形度定义为果穗面积占其外接矩形面积的比例,分别与穗长+穗粗、穗面积、穗体积组合建立回归方程.[结果]上述3种组合方程,分别解释了品种间籽粒产量总变异的77.7%、70%和78.7%,矩形度的贡献大于或者约等于穗大小几何特征.同样结构的回归方程在矫正品种产量后,解释了环境间籽粒产量总变异的81.3%-82.0%,矩形度的贡献小于穗大小几何特征.穗大小对籽粒产量的简单决定系数为:在品种间,三种维数的大小特征都不显著;在环境间,穗长,穗粗、穗面积、穗体积分别为0.387、0.167、0.590、0.571.[结论]穗大小单一特征的重要性次序为:穗体积>穗面积>穗长、穗粗,穗矩形度是反映穗形态的一个重要性状,与穗大小特征相组合,能够高精度预测穗粒重. 相似文献
8.
玉米品种图像识别中的影响因素研究 总被引:1,自引:1,他引:1
为了研究玉米品种图像识别中的关键影响因素,搭建了一套基于PCA和ICA特征提取和支持向量机(SVM)分类算法的玉米品种识别系统,采用扫描仪获得了11个品种每个品种50粒图像,基于图像的像素特征和统计特征,分别研究了主分量分析(PCA)和独立分量分析(ICA)的特征提取和特征优化方法,并进一步考察了支持向量机(SVM)模式分类过程中的关键参数优化问题.试验结果表明,对11个品种550个籽粒的品种最高检出率为97.17%,在同样的情况下ICA优化的特征较PCA优化的特征识别率能提高3%左右,适当选择统计特征比使用像素特征识别率提高约10%,另外SVM参数影响到识别效果,但整体影响不大.本方法与结论对玉米种子纯度和品种真实性检验具有积极意义. 相似文献
9.
10.
1