基于图像处理与改进神经网络的大豆品质检测研究

被引：4

作者：

李春霆

机构：

[1] 宣化科技职业学院

来源：

江苏农业科学 | 2014年 / 42卷 / 03期

关键词：

大豆品质; 检测速度; 神经网络;

D O I：

10.15889/j.issn.1002-1302.2014.03.066

中图分类号：

TP391.41 []; S565.1 [大豆];

学科分类号：

080203 ; 0901 ;

摘要：

以图像处理的方式进行大豆种子的品质检测,提出一种引入粒子群优化的改进算法,使之具备更加准确地分类并识别大豆种子的能力。首先对图像样本进行预处理和特征提取,随后以粒子群算法改善神经网络权值和阈值的确定过程,增强其收敛速度,在全局范围内以较高的效率找到最优解,最后通过仿真对比试验,证明了所构建的大豆品质检测系统的准确度有了显著提升。

引用

页码：263 / 266

页数：4

共 10 条

[1] 粒子群神经网络混合算法在负荷预测中的应用 [J].

蔡金锭 ;

付中云 .

高电压技术, 2007, (05) :90-93

[2] 基于计算机视觉的苹果自动分级方法研究 [J].

李聪 ;

高海燕 ;

袁超 .

计算机仿真, 2012, 29 (09) :293-296

[3] 基于最小二乘支持向量机的动力配煤着火特性预测模型 [J].

常爱英 ;

吴铁军 ;

包鑫 ;

江爱朋 .

煤炭学报, 2010, 35 (08) :1380-1383

[4] 一种基于改进直方图均衡的图像增强方法 [J].

高岩 ;

乔彦峰 .

计算机仿真, 2008, (04) :198-201

[5] 大豆食品加工利用现状与发展前景 [J].

傅艳华 ;

王鹏程 ;

阳庆华 ;

聂春 ;

尹兆泽 .

湖北农业科学, 2001, (01) :62-64

[6] 实时在线检测苹果果形的一种计算方法 [J].

黄星奕 ;

魏海丽 ;

赵杰文 .

食品与机械, 2006, (01) :27-29

[7]

神经网络图像识别技术研究与实现[D]. 彭淑敏.西安电子科技大学 2005

[8]

Interactive learning and probabilistic retrieval in remote sensing image archives. Schroder M,Rehrauer H,Seidek K,et al. IEEE Geoscience and Remote Sensing Letters .

[9]

Image contrast enhancement in confocal ultramicroscopy. Kalchmair Stefan,J?hrling Nina,Becker Klaus,Dodt Hans-Ulrich. Optics Letters . 2010

[10]

Particle swarm optimization. Kennedy J,Eberhart RC. Proceedings of IEEE International Conference on Neural Networks . 1995

← 1 →