胡雪雪
- 作品数：2 被引量：25H指数：1
- 供职机构：华中农业大学工学院更多>>
- 发文基金：湖北省自然科学基金国家自然科学基金更多>>
- 相关领域：农业科学自动化与计算机技术更多>>
- 一种一体式筷勺
- 本实用新型涉及一种一体式筷勺，其特征在于：一体式筷勺包括弹性筷子、勺子柄和勺子窝，在勺子柄的一端两侧并排分别伸出一根弹性筷子，弹性筷子干上设有防滑细纹，在勺子柄的另一端伸出一个能盛食物的勺子窝，弹性筷子、勺子柄与勺子窝一...
- 刘奇刘向波董梦婷简俊明蔡紫成田宇程王志峰胡雪雪
- 文献传递
- 基于高光谱图像和光谱信息融合的马铃薯多指标检测方法被引量：25
- 2015年
- 针对随机放置的马铃薯缺陷多项指标难以同时检测的问题,提出了一种基于高光谱信息融合的流形学习降维算法与极限学习机（extreme learning machine,ELM）相结合的方法,该方法可同时识别马铃薯的多项缺陷指标。分别采集发芽、绿皮、黑心和合格马铃薯的反射高光谱数据（390~1 040 nm）,在光谱维,提取马铃薯样本感兴趣区域（region of interest,ROI）的平均光谱,分别采用扩散映射（diffusion maps,DM）、局部线性嵌入（locally linear embedding,LLE）和海森局部线性嵌入（hessian locally linear embedding,HLLE）3种流形学习降维算法对光谱数据进行降维;在图像维,对马铃薯伪彩色图像进行形态学处理,获取基于灰度共生矩阵（gray level co-occurrence matrix,GLCM）的图像纹理信息,采用连续投影算法（successive projections algorithm,SPA）优选图像纹理特征;融合光谱维信息和图像维信息,分别建立基于极限学习机（ELM）与支持向量机（support vector machine,SVM）的马铃薯多分类识别模型。结果表明,扩散映射结合极限学习机（DM-ELM）模型的预测结果较优,该模型对发芽、绿皮、黑心和合格马铃薯样本的单一识别率分别为97.30%、93.55%、94.44%和100%,混合识别率达到96.58%,时间为0.11 s,可知高光谱信息融合技术结合流形学习降维算法可同时识别随机放置马铃薯的多种缺陷指标。
- 金瑞李小昱颜伊芸徐梦玲库静徐森淼胡雪雪
- 关键词：高光谱成像流形学习极限学习机图像纹理特征马铃薯
