共查询到20条相似文献,搜索用时 15 毫秒
1.
在水产养殖中,检测鱼类的摄食状态对于投喂控制具有重要意义。以镜鲤为实验对象,提出了一种基于鱼群图像的形状及纹理特征和BP神经网络的鱼群摄食行为检测方法。首先,对采集到的图片进行背景减、灰度化、二值化等处理,得到图像形状与纹理信息,然后计算鱼群图像的形状参数和图像熵,最后利用BP神经网络建模,对鱼群的摄食状态进行检测识别。结果显示,本方法的正确识别率达到98.0%。与单一的基于纹理的检测方法相比,不仅可以把因水面抖动、水花等不利因素的干扰作为纹理的特有属性进行分析,而且考虑了图像的形状信息,提高了检测的准确性,可以用于指导水产养殖中的精准投喂控制。 相似文献
2.
基于支持向量机的鱼群摄食行为识别技术 总被引:1,自引:0,他引:1
应用计算机视觉技术对镜鲤鱼群的摄食行为进行识别,减少养殖过程中人力的损耗,提出了一种基于图像纹理的鱼群摄食的自动检测识别方法。首先利用相机采集鱼群正常状态和摄食时的图片,之后对图片进行预处理,利用灰度差分统计法、灰度共生矩阵和高斯马尔科夫随机场模型提取鱼群的13个纹理特征,最后利用支持向量机(support vector machine,简称SVM)算法对鱼群图像进行分类识别。结果表明,支持向量机对测试集的识别率达到96.5%,运行时间为39.04 s,且使用主成分分析(principal component analysis,简称PCA)算法后,支持向量机对测试集的识别率达到93.5%,运行时间为0.63 s,可以达到对鱼群摄食自动识别的要求。 相似文献
3.
《内蒙古农业大学学报(自然科学版)》2021,(4)
在基于图像分析的火焰目标检测判别函数中,判别特征的选取会显著影响判别的准确率,为了提高检测的准确率并且降低火焰目标特征向量的维数,本文提出了基于逐步判别法与BP神经网络的火焰目标检测方法,该方法对火焰目标的颜色、亮度和纹理特征及其检测算法进行了研究,然后利用逐步判别法筛选出区分能力强的特征向量子集并作为BP神经网络的输入端分量完成火焰目标的识别,该方法的漏报率为6.7%,准确率为93.3%,火焰目标检测效果最佳。 相似文献
4.
使用计算机视觉系统提取沙糖橘果皮正面图像,构建有效的图像采集方法、预处理方法、分割方法。从目标区域图像中提取6个与品质密切相关的果皮纹理特征信息用来分类识别果皮光滑,使用单一方差参数配合参数区间分类的方式正确率较低,为76.3%;进而以果皮6个灰度纹理特征开展MLP模型设计和训练,使用训练后的模型进行分类检测。在实测一定数量的果皮得出分类检测结果的基础上,进行系统设计的可行性验证。结果表明,基于3层的BP神经网络模型,设计6-8-2BP网络结构,分类识别正确率达到97.5%。该设计方法可对果蔬果皮特征检测提供参考和借鉴。 相似文献
5.
以南美白对虾为研究对象,提出一种基于计算机视觉和XGBoost的虾体活力检测方法:跟踪对虾应激前后的运动轨迹,提取运动行为特征参数;根据应激性红体现象提取对虾的颜色特征,通过灰度共生矩阵(GLCM)提取虾体应激形成水面波动的纹理特征;运用XGBoost 算法筛选出评价因子,通过加权融合确定评价因子的最佳权重;根据融合后特征对虾体活力强度进行检测。结果表明,提出的方法决定系数为0.905 6,识别准确率为98.61%,较单一颜色、单一纹理以及光流与纹理相结合的方法,识别准确率分别提高6.63%、2.05%和1.61%。 相似文献
6.
基于高光谱成像技术的冷鲜羊肉嫩度检测方法研究 总被引:1,自引:0,他引:1
传统羊肉品质检测方法效率低、破坏样品,为实现冷鲜羊肉嫩度快速无损检测,以内蒙古锡林郭勒羊肉为研究对象,采用多元散射校正法对光谱进行校正,利用主成分分析法获得620.23、761.48、819.48 nm波长下的特征图像,并提取其纹理特征和颜色特征,分别建立羊肉嫩度的BP神经网络和支持向量机预测模型。结果显示,BP神经网络模型预测效果优于支持向量机模型预测效果,BP神经网络模型对预测集的决定系数(R2)和预测均方根误差(RMSEP)分别为0.85和1.86;支持向量机模型分别为0.77和2.37。研究表明,利用高光谱和图像信息特征层融合方法对冷鲜羊肉嫩度进行预测具有可行性。 相似文献
7.
一种基于混合纹理特征的木板材表面缺陷检测方法 总被引:1,自引:0,他引:1
利用计算机视觉技术检测木板材表面缺陷。提出了一种基于混合纹理特征的表面缺陷检测算法,能准确、鲁棒地检测出木板材表面图像中是否有缺陷。首先,分别使用灰度共生矩阵方法、Gabor滤波方法和几何不变矩方法提取了10个优化后的图像纹理及尺度、平移、旋转不变特征;然后,对特征向量进行有效组合;最后,基于融合后的混合纹理特征向量,应用BP人工神经网络对样本集进行训练和检测。实验表明,该方法能准确地对木板材表面缺陷进行检测,平均检测成功率达96.2%。 相似文献
8.
基于小波与曲波遗传融合的木材纹理分类 总被引:2,自引:2,他引:0
针对木材表面存在的直纹、抛物纹与乱纹3 类纹理,提出一种快速、准确的分类方法。分别提取小波变换的
15 个特征与曲波变换的16 个特征,通过设计纹理类型的遗传网络分类器,遗传优选出14 个主要特征;最后,运用
BP 网络构建基于优选特征量的纹理分类器。对3 类300 个样本进行了仿真实验,基于小波变换、曲波变换和遗传
融合方法的平均分类准确率分别为86.5%、89.3%和90.9%,平均分类时间分别为0.025、0.563 和0.216 s。实验
结果表明:小波变换对直纹分类具有较好的分类效果,但缺少方向性,对复杂纹理分类精度低;曲波变换可用于表
达复杂的木材纹理特征,但特征计算时间较长;基于遗传融合的特征提取方法,融合了小波分类速度快与曲波分类
精度高的特点,实现了小波与曲波的特征有效选择,提高了纹理分类的速度与分类精度。 相似文献
9.
为了实现板材表面纹理和缺陷的自动分类识别,提出一种融合小波、曲波和双树复小波3种频谱变换的板材表面纹理和缺陷的快速协同分类方法。分别提取小波变换的14个特征、曲波变换的16个特征和双树复小波变换的38个特征;融合三者特征以及整幅图像的标准差和熵,采用粒子群算法优选出24个关键特征;运用BP神经网络作为分类器,针对乱纹、抛物纹、直纹、活结和死结5种类别的300幅图像进行仿真实验,基于小波变换、曲波变换、双树复小波变换与特征融合方法的平均分类正确率分别为80.0%、81.1%、84.2%、88.0%,分类平均时间分别为0.018、0.503、0.021、0.325 s。实验结果表明,特征融合方法实现了对小波特征、曲波特征和双树复小波特征的有效选择,提高了分类的速度和精度。 相似文献
10.
【目的】研究一种基于卷积神经网络干制哈密大枣纹理分级的方法。利用卷积神经网络解决干制哈密大枣的纹理分类问题。【方法】将大小统一的彩色图片输入网络,卷积核自动提取其纹理特征,进行分类。【结果】分类准确率达到了97.7%。【结论】与常用的灰度共生矩阵提取干制哈密大枣纹理特征(最大概率,相关性,对比度、能量、同质性和熵),再用BP神经网络和支持向量机(SVM)分类准确率相比的方法,避免了复杂纹理提取和图片预处理的过程,在测试时间相近的情况下识别率更高。 相似文献
11.
12.
13.
板材表面的纹理特征是木质板材表面最为直观的特性,同时也是建筑装潢质量和木制品品质的重要评价指标。以中国东北部常见的红松、落叶松、白桦、水曲柳和柞木等5种树种的弦切、径切图像作为研究对象,提出一种基于多通道Gabor滤波和Tamura纹理特征的板材纹理特征提取方法,克服了传统方法在提取样本图像的全局特征时对局部纹理特征不敏感的问题。具体是将基于视觉心理学的Tamura纹理特征与Gabor滤波器进行结合,在不同频率、不同方向上共24组滤波器的虚部卷积图像上进行纹理特征参数提取,结合上述的纹理特征参数在BP神经网络、KNN和支持向量机分类器上进行分类试验,最佳特征参数体系的识别率达97.8%。 相似文献
14.
牛乳体细胞的分类计数是判断奶牛乳腺炎及牛奶质量的重要指标。为了提高牛乳体细胞的识别率,提出了基于二分法与BP神经网络结合的牛乳体细胞识别算法,对4类牛乳体细胞进行图像特征提取,选择了3类经过特征选择的几何特征和1类通过局部二进制模式(local binary pattern,LBP)描述的纹理特征,并将多级BP神经网络分类器结构应用到分类识别中。实验证明,树形结构的分类器预测效果理想,进行三次二分类后的识别率达到了95.76%。 相似文献
15.
基于叶片图像多特征融合的观叶植物种类识别 总被引:9,自引:4,他引:5
叶片图像特征提取对于植物自动分类识别有着重要的研究意义。本文以观叶植物叶片为研究对象,综合提取叶片图像的颜色、形状和纹理特征,基于支持向量机(SVM)原理提出了基于图像分析的观叶植物自动识别分类方法。通过对50种观叶植物样本图像进行训练和识别,与BP神经网络和KNN识别方法进行比较,本文所采用的SVM分类器的识别率能够达到91.41%,取得了较好的识别效果。 相似文献
16.
《信阳农业高等专科学校学报》2015,(4):119-123
本文采用阈值分割和主成分分析方法对高光谱图像进行处理,以得到虫害区域分割结果。然后选取2个特征波长作为光谱特征,提取4个纹理参数作为纹理特征,并将其优化组合成4组特征向量。利用BP神经网络进行鲜桃虫害检测。结果表明,667nm和746nm波段的光谱反射值的光谱特征和270°方向的能量、对比度、熵、相关性的纹理特征的组合为鲜桃虫害检测的最优特征向量,果实识别正确率为100%。 相似文献
17.
图像特征是用来区分图像内部最基本属性或特征的,它包括了几何特征、形状特征、颜色特征、纹理特征等,在这些特征中纹理特征理解过于复杂,至今尚未有一个大家都认同的定义,从而也就使得纹理分析变得很困难。该文主要研究图像的分类识别,采用基于灰度共生矩阵的纹理特征的提取。以8位灰度图为研究对象,依次对图像进行4个方向(0°、45°、90°、135°)的扫描,并分别建立灰度共生矩阵,从而提取纹理特征参数,然后建立BP神经网络模型,用提取的纹理特征值,来训练BP神经网络模型,使网络模型能够识别图像的内容。此文提出了用纹理特征训练神经网络的方法来识别图像,研究结果表明,纹理是图像分析中一个非常重要的特征,所提取的图像特征是描述图像相当有效的参数。 相似文献
18.
针对水体大比热容性造成的水产温室水温变化非线性、大滞后性、时变性等问题,考虑到传统PID控制器自适应能力差、鲁棒性不强等缺陷,提出采用基于BP神经网络的PID控制策略。在该控制策略中,PID的控制参数可以通过神经网络进行实时调节,以实现最佳的控制效果。利用MATLAB软件对传统的PID控制策略和神经网络PID控制策略的控制效果进行仿真模拟。研究结果表明,基于BP神经网络PID控制的系统动态响应更快、鲁棒性更强、稳态精度更高、超调量更小,具有更好的控制效果。 相似文献
19.
基于无人机平台和图像分析的田间作物检测 总被引:2,自引:0,他引:2
为高效、精准、及时地获取农作物的空间分布及其面积,建立了基于无人机平台和图像分析的大田作物检测方法:采用小型四旋翼无人机搭载高性能数码相机获取作物图像后,通过图元分割和目视解译获得目标样本,提取其21维颜色特征和3维纹理特征,采用BP神经网络分类器和像素累加法进行作物种类识别和面积测量。试验结果表明,系统对小麦、油菜、蚕豆和大蒜的平均识别率达86%,面积测量的平均相对误差约为9.62%。 相似文献
20.
使用高光谱成像技术在主成分空间的距离作为样本相似性的判断依据,选择出训练子集,实现了一种基于主成分空间样品光谱特征分类的局部建模方法,并将这种方法与BP神经网络结合,用于苹果糖度的高光谱图像技术的定量分析,增强了检测效果。该方法首先提取高光谱图像的光谱信息并划分为训练集、验证集和测试集,对训练集的光谱进行主成分分析;然后在主成分空间根据欧氏距离和马氏距离选择训练子集,并建立基于BP神经网络的局部回归模型对验证集进行预测;使用全光谱+BP神经网络、全光谱+PCA+BP神经网络、欧氏距离+PCA+BP神经网络和马氏距离+PCA+BP神经网络,选取出的训练子集建立的模型对验证集糖度进行预测。结果表明,与全光谱相比,局部变量建模相关系数r提高,RMSEP降低,提高了检测效果;局部变量建模中,马氏距离+PCA+BP神经网络建立的局部预测模型预测能力更强。将这种建模方法应用于测试集的糖度预测,均方根误差为0.106 61,相关系数r为0.890 81,可以较好的实现苹果中糖度含量高光谱定量分析。因此马氏距离+PCA+BP神经网络模型有望成为一种有潜力的苹果糖度检测方法,对提高模型的精度有重要的意义... 相似文献