共查询到20条相似文献，搜索用时 795 毫秒
1.
建立转子系统的扭矩激励与其电机电流耦合仿真模型,研究不同性质(阶跃、线性、暂态、正弦)扭矩激励下电机电流频谱特性,运用奇异值分解法剔除电流信号的工频成分,将除去工频成分后的不同性质扭矩激励下电机电流信号进行三层小波包分解生成能量谱特征向量,并设计优良性能的BP神经网络,将得到的电流信号的特征向量以及需要识别的扭矩激励类型输入BP神经网络训练,经试验数据验证表明:利用小波包能量谱和神经网络对转子系统电机电流分析可以实现转子系统扭矩激励的识别。 相似文献
2.
基于无人机多光谱图像的云南松虫害区域识别方法 总被引：3，自引：0，他引：3
针对云南省祥云县林区云南松虫害区域高效识别的需求,为更加高效准确地对虫害信息进行监测,本文搭建了林区八旋翼多光谱图像采集平台,基于无人机多光谱图像提出了一种Jeffries-Matusita(J-M)距离优化的反向传播神经网络(BP)分类方法。该方法首先引入J-M距离实现了对训练样本的优化,有效降低了"同谱异物"和"同物异谱"现象的影响,然后基于颜色矩和灰度共生矩阵提取了图像的颜色和纹理特征,并提取了580、680、800 nm共3个波段的相对光谱反射率作为光谱值特征,建立了5个植被指数模型,最后利用BP神经网络算法对颜色、纹理、光谱值和植被指数4种特征向量进行训练识别,实现了对虫害区域的分类识别。利用所提算法从总体分类精度和Kappa指数两方面与传统BP神经网络和支持向量机(SVM)算法进行对比试验。试验结果表明,本文算法总体分类精度和Kappa指数分别达到了94.01%和0.92,建模时间相对于传统BP神经网络缩短了38%,总体分类效果优于传统BP神经网络和SVM算法。 相似文献
3.
基于太赫兹衰减全反射技术的花生霉变程度判别 总被引：1，自引：0，他引：1
为了能够可靠、快速、便捷地检测花生仁不同程度的霉变,研究了一种基于太赫兹时域光谱技术、分别结合误差反向传播(Back propagation,BP)神经网络算法与支持向量机算法(Support vector machine,SVM)的霉变花生定性分析方法。为排除不同样本带来的偶然性,实验随机采集花育36号、鲁花9号两个花生品种进行霉变培养。依据花生的感官特征与前人的研究经验,将花生分为正常、轻度霉变、中度霉变与严重霉变4类,采用太赫兹衰减全反射技术采集花生仁样本光谱(波段0. 3～3. 6 THz)。利用傅里叶变换方法对时域光谱信号进行频域变换并进行加窗处理,然后对所得频域信号进行光学常数吸光度与吸收系数的提取,得到样本的光学常数信号,并进行特征波段筛选。在此基础上分别建立BP神经网络定性分析模型与SVM定性分析模型。实验表明,BP神经网络模型对花育36号花生霉变模型的预测集识别正确率为88. 57%,对鲁花9号花生霉变模型的预测集识别正确率为91. 40%;Lib-SVM模型对两个品种花生霉变的二分类模型、3类霉变花生的三分类模型的预测集识别正确率均为100%。应用太赫兹时域光谱技术结合SVM算法检测霉变花生仁效果良好,具有一定的可行性。 相似文献
4.
利用不同品种糯玉米各生长时期叶片的反射与透射数字图像特征,以叶片数字特征研究不同糯玉米品种的识别方法,以及不同类特征或特征类组合的识别稳定性。连续2年采集不同生长时期各糯玉米品种的叶片,提取叶片反射与透射图像特征各48个(其中,形态类特征11个、颜色类特征24个、纹理类特征13个),利用自建的BP神经网络模型对两种图像模式下的单特征和特征组合进行识别。结果表明,反射图像和透射图像的单特征和特征组合的平均识别率均达到了90%以上;基于反射图像,单特征中的纹理特征和颜色特征以及组合特征中的颜色+纹理特征组合均具有较高的识别稳定性;基于透射图像,单特征中的纹理特征以及形态+颜色、形态+纹理特征组合均具有相对较高的识别稳定性。利用各生长时期的叶片实现对糯玉米的品种识别具有一定的可行性;同时引入透射图像特征也为其它农作物的品种识别提供了一种新的借鉴方法。 相似文献
5.
为了适应蔬菜等农产品对大肠杆菌快速检测的需求,提出采用形态特征参数及染色后菌体区域的颜色特征参数统计值对大肠杆菌进行快速识别,同时提出采用主成分神经网络作为预测模型来提高识别能力.提取了Hu's不变矩、形状因子、密集度、饱和度等14个具有尺度、平移、旋转不变性的特征参数,提取主成分建立了基于主成分的3层BP神经网络模型.将其与普通神经网络模型比较的结果表明,主成分神经网络简化了网络结构、减少了训练时间和计算量、提高了识别的正确率,对大肠杆菌的识别正确率达到91.33％. 相似文献
6.
当前农业甜菜生产中存在普遍的氮肥过量使用的问题,建立实时准确农田氮肥推荐体系至关重要。为此,通过利用BP神经网络算法利用图像数据对甜菜氮素含量进行预测,通过合理剔除原始数据中不符合拍摄条件的异常图像数据,选取147组数据作为训练集,90组数据组为预测集,将R、G、B作为输入量,通过BP神经网络算法训练得到预测值与实际值最优相关系数为r=0.70,均方根误差RMSE=4.60。将R/(R+G+B)、G/(R+G+B)、B/(R+G+B)作为输入量,利用BP神经网络算法训练后预测值与实际值最优相关系数r=0.6 4,均方根误差RMSE=3.66。由此可以看出:使用BP神经网络算法建立甜菜颜色特征信息氮素模型是可行的,可为农业甜菜生产中实时无损诊断植株氮素含量提供方法支持。 相似文献
7.
为了适应蔬菜等农产品对大肠杆菌快速检测的需求,提出采用形态特征参数及染色后菌体区域的颜色特征参数统计值对大肠杆菌进行快速识别,同时提出采用主成分神经网络作为预测模型来提高识别能力。提取了Hu’s不变矩、形状因子、密集度、饱和度等14个具有尺度、平移、旋转不变性的特征参数,提取主成分建立了基于主成分的3层BP神经网络模型。将其与普通神经网络模型比较的结果表明,主成分神经网络简化了网络结构、减少了训练时间和计算量、提高了识别的正确率,对大肠杆菌的识别正确率达到91.33%。 相似文献
8.
《中国农机化学报》2015,(4)
主要探讨脱绒棉种颜色特征与种子活力之间的相关性,搭建脱绒棉种图像采集平台,并进行图像处理算法的研究。在RGB、HSV和I1I2I3颜色模型下提取颜色特征参数,同时进行脱绒棉种电导率的测定,采用SPSS19对各颜色特征参数与脱绒棉种电导率值进行相关性分析,结果表明脱绒棉种部分外观颜色特征参数与其电导率值之间相关性显著。基于BP神经网络的脱绒棉种内部品质检测模型,取脱绒棉种鼎丰10和新陆早45各300粒对模型进行训练,当鼎丰10和新陆早45隐含层的结点数分别选择为8和7时,网络均方误差和函数收敛效果较好,然后将脱绒棉种鼎丰10和新陆早45各取100粒对训练好的网络模型进行验证,结果表明用BP神经网络的检测精度分别可达到82.7%、86.1%。 相似文献
9.
在形状、身份、油分及颜色等因素中,颜色是影响烟叶等级的一个重要因子。为实现根据烟叶颜色特征对烟叶等级的自动区分,选取贵州黔南地区中部六个等级的烟叶作为实验样本,经过样本采集、预处理,提取出样本的颜色特征值,分析RGB、HIS及HSV三种颜色模型下各颜色分量对烟叶等级影响的研究;基于BP神经网络,依据烟叶等级间差异较大的颜色分量作为神经网络输入因子,从而实现烟叶等级的预测识别。结果显示,用该模型进行烟叶等级预测识别的准确率可达89.17%,耗时仅0.39s。说明根据设计的BP神经网络可实现通过颜色特征对烟叶等级较为准确的预测,可靠性高。 相似文献
10.
多类支持向量机在玉米品种识别中的应用 总被引：6，自引：1，他引：5
为了验证采用机器视觉以及图像处理方法对玉米品种进行自动识别的可行性,研究了一种基于玉米外观特征和多变量支持向量机(SVM)分类算法的玉米品种识别方法.采用数码相机获得了11个品种每个品种50粒共550幅图像,然后对各品种对应的籽粒群体图像提取每个籽粒的形态特征8个、颜色特征12个、纹理特征13个,共33个特征参数,并分别定义11个玉米品种的二进制编码作为网络的输出,建立特征参数与玉米品种之间的SVM识别模型.试验结果表明,该方法对11个品种550个籽粒的品种检出率为100%.在同样的情况下比较了基于BP神经网络(ANN)的识别性能,较ANN 94.3%的识别率,采用SVM的识别效果有了较大的提高,得到了较好的识别效果. 相似文献
11.
基于特征融合和SVM的稻谷品种识别 总被引：1，自引：0，他引：1
为快速有效地识别稻谷品种,提出一种基于特征融合和SVM的稻谷品种识别方法。采集华南双季稻区4种不同的籼稻品种(象牙香占、江航丝苗、小农占和五优234),采用图像处理的方法对稻谷图像进行灰度化、二值化和形态学处理等预处理操作,提取稻谷图像的形状特征和颜色特征,建立单特征模型和融合特征模型,构建SVM分类器,进行稻谷品种识别试验,并进行模型选择和讨论。结果表明,两两品种差异性显著的6个形状特征参数为:面积、长轴长、短轴长、离心率、周长和形状因子;形状特征模型对于不规则形状和大小的谷粒品种具备较好的识别能力;与BP神经网络识别模型相比,SVM模型的识别率更高、时间更短。基于特征融合和SVM的稻谷品种识别获得较高的准确率99.50%和较短的识别时间0.165 s,可满足稻谷在线识别与质量检测的精度和实时性要求。 相似文献
12.
为了获取有时空连续性的表层至深层土壤湿度数据，以美国McClellanville站和青藏高原MAWORS站为研究区域，利用有限气象观测数据，基于BP神经网络(Back Propagation Neuron Network,BPNN)，融合天牛须搜索算法(BeetleAntennaeSearchAlgorithm, BAS)，构建BAS-BP模型(BeetleAntennaeSearch-BackPropagation Neural Networks)，对表层至深层土壤湿度进行反演。结果表明：(1)融合优化的BAS-BP模型对各层土壤湿度的反演效果优于BP模型，两个站使用BP模型反演测试集的RMSE量值在0.016～0.191 m3/m3之间，MAE在0.012～0.177 m3/m3之间，R在0.390～0.987之间。使用BAS-BP模型得到的测试集RMSE在0.014～0.143 m3/m3之间，MAE在0.010～0.131 m3/m3之间，R在0.504～0.994之间。(2)BP和BAS-BP模型对各站不同深度土壤湿度的反演效果均在... 相似文献
13.
14.
15.
基于核磁共振成像技术的香梨褐变检测 总被引：3，自引：0，他引：3
将核磁共振成像技术与人工神经网络理论相结合,对香梨内部褐变进行了检测。在磁共振T2加权图像中选取果核区域作为感兴趣区域,提取出反映褐变特性的10个微观纹理特征参数,建立了BP神经网络模型进行识别研究。针对BP神经网络模型存在的不足,利用遗传算法对网络模型的权值和阈值进行优化。通过验证性试验发现：对于4组香梨样本,优化后BP神经网络模型的平均正确识别率为92.50%,比未优化模型的平均正确识别率80.83%,提高了11.67个百分点;同一组香梨样本相比较,优化后模型的识别效果也均优于未优化模型,每组香梨的识别率都得到了不同程度的提高。结果表明：遗传算法优化后的BP神经网络模型具有很好的预测精度和泛化能力,可以实现香梨内部褐变的无损检测。 相似文献
16.
为解决果园需水量预测精度低、鲁棒性差等问题,提出了遗传算法(GA)优化BP神经网络的果园需水量预测模型.选取空气温度、土壤含水率、光照强度3个主要环境因子作为BP神经网络的输入量,利用遗传算法的全局搜索能力优化神经网络权值和阈值,建立GA-BP神经网络模型预测果园需水量.仿真结果表明:GA-BP预测模型的预测值比BP模型更加趋近期望需水量,模型评价指标平均绝对百分比误差(MAPE)、均方根误差(RMSE)和平均绝对误差(MAE),均优于单一BP神经网络模型.与传统的BP神经网络算法相比,GA-BP神经网络模型能较好的表达果园需水量与主要环境因子的非线性关系,具有较高的预测精度和适应性. 相似文献
17.
针对机采棉中残地膜与棉花分离容易受到残地膜质量、机采棉飞入速度及强静电场电压等因素的影响,提出一种机采棉清杂过程中棉花与残地膜运动规律的预测方法。以南疆机采棉新陆早26号为研究对象,利用棉花与残地膜之间的分离率来表征运动规律。利用残地膜质量级别(1、2、3、4级)、荷电后的机采棉飞入速度(9、10、11、12m/s)、强静电场电压(30、40、50、60k V)3个因素作为BP神经网络模型的输入量,再利用改进的遗传算法训练所设计的网络的权值和阈值,建立能表征机采棉运动规律的分离率的预测模型。试验结果表明:利用改进遗传算法结合BP神经网络得到的机采棉与残地膜分离率预测模型能够很好地反应新陆早26号机采棉与残地膜分离应力与主要控制因素之间的非线性关系,预测结果与实测结果之间的平均绝对百分比误差为0.8 2,测试的样本实测值与理想值之间的相关系数为0.9 1 7 5 1,所得到的预测模型效果良好,可为机采棉清杂提供参考。 相似文献
18.
为了提高脱绒棉种品种识别的准确率,提出了基于BP神经网络的非线性识别方法。本文以新路早36、中棉50、惠远710三个品种为研究对象,基于图像处理技术提取了脱绒棉种的颜色和形状特征参数,后又通过对特征参数进行单因素分析选取了差别较明显的9个特征参数参与网络的训练,提高了训练速度。经训练比较得出,当训练目标为0.02,训练次数为3000,隐含层的结点数为12时,模型的训练误差最小。经过对测试集进行测试,得出综合测试准确率为90%,证明了该方法是可行的,提高了脱绒棉种的识别准确率。 相似文献
19.
20.
针对荞麦剥壳机调节运行参数时需要对出料口混合物中各种成分进行定量分析,而传统人工分析方法耗时且主观性强的问题,研究了一种基于主成分分析和BP神经网络的荞麦剥壳混合物识别方法。采集未剥壳荞麦、已剥壳完整荞麦米和破损荞麦米的图像,对图像进行预处理后,提取了每个单独籽粒图像的12个颜色特征、10个形状特征和18个纹理特征。使用主成分分析法将40个特征参数映射为5个综合特征作为输入参数,构造了一个5-11-3结构的单隐层BP神经网络对荞麦剥壳混合物进行识别,试验结果表明:该BP神经网络对未剥壳荞麦、已剥壳完整荞麦米和破损荞麦米的识别正确率分别为98%、90%和98%,平均正确率为95%,能够对荞麦剥壳混合物进行有效的识别。 相似文献