山东省自然科学基金(ZR2010CM039)
- 作品数：3 被引量：11H指数：2
- 相关作者：于仁师韩仲志邓立苗孙华丽更多>>
- 相关机构：青岛农业大学更多>>
- 发文基金：山东省自然科学基金青岛市科技发展计划项目山东省科技攻关计划更多>>
- 相关领域：农业科学自动化与计算机技术更多>>
- 玉米品种识别多算法模型比较研究被引量：1
- 2016年
- 为了比较玉米品种图像识别中各种神经网络识别模型的性能,搭建了一套基于统计特征提取和模式识别分类算法的玉米品种识别系统。采用扫描仪获得了11个玉米品种每个品种50粒子粒图像,基于图像的统计特征,分别研究了7种人工神经网络(ANN)模型(BP、rbf、grnn、pnn、compet、sofm、ELM)的识别性能,进一步考察了极限学习机(ELM)、支持向量机(SVM)模式分类过程性能。结果表明,在同样的情况下SVM模型较ANN模型的特征识别率高,另外神经网络模型grnn和ELM识别效果较好,其他识别模型性能较差。对11个玉米品种种子的最高检出率为91.73%,另外,所采用的特征降维方法、特征维数、初始权值的随机性选择等因素都会影响模型的识别效果。这对玉米种子纯度和品种真实性检验中人工神经网络模型的构建具有指导意义。
- 于仁师孙华丽韩仲志
- 关键词：玉米种子人工神经网络支持向量机
- 基于机器视觉的花生品种识别系统研究被引量：5
- 2013年
- 为了实现花生品种自动识别,收集了12个花生品种的600粒籽仁作为实验样本,利用计算机视觉和图像处理技术对图像进行处理;然后,对每幅样本图像提取形态、颜色和纹理等3大类共48个特征,建立人工神经网络(ANN)和支持向量机(SVM)识别模型对这些特征进行分析识别,并基于Visual C++6.0环境构建识别系统。运行结果表明,SVM方法识别效果比较稳定,对12个花生品种自我识别率达到100%,测试识别率达到83%;另外,基于Visual C++的识别系统在识别效果与效率方面比Matlab都有了较大的提高。该花生品种识别系统对于花生品种识别具有积极意义。
- 邓立苗韩仲志于仁师
- 关键词：花生图像处理支持向量机VISUALC++机器视觉
- 基于图像处理的花生荚果品种识别方法研究被引量：6
- 2012年
- 为实现品种鉴定与真伪识别的自动化,基于图像识别的方法,采用扫描仪采集了20个品种,每个品种100颗花生果正面和2个侧面的图像,分别获取每幅图像的形态、颜色和纹理三大类共50个特征,并对这些特征进行主分量分析(PCA)优化,针对优化和没有优化的特征,搭建了人工神经网络识别模型和支持向量机模型,并采用两种模型进行品种识别,结果表明,采集的特征经PCA优化后表现出更强的识别性能,SVM较神经网络识别效果总体上得到提高,并且识别效果稳定。品种的数量对识别效果有影响,在通常情况下可根据品种的数量来确定特征的数量,可以进一步提高效率,对20个品种,需要选择超过15个特征。颜色类特征比形态类和纹理类特征具有更好的识别效果,经过不同类别的特征组合后,整体上识别性能达到90%以上,基本可以推广到实际生产中使用。
- 韩仲志邓立苗于仁师
- 关键词：花生荚果神经网络支持向量机主分量分析
