期刊文献+

基于生物光子学的小麦虫害识别模型 被引量:3

WHEAT PEST RECOGNITION MODEL BASED ON BIOPHOTONICS
原文传递
导出
摘要 使用生物超弱发光技术,分别对正常小麦和含虫小麦的自发光特性进行测量,并使用小麦自发光特性的位置特征、散布特征和形态特征等9个参数构成小麦分类的特征向量,利用BP神经网络设计分类模型,对特征向量进行训练和测试,试验结果表明模型可以正确区分含虫小麦和正常小麦,正确率达到95%,该模型为小麦隐蔽性虫害的检测提供了一种新的思路. We measured the self-illuminating characteristics of normal wheat and pest-damaged wheat by using ultra weak luminescence technology,constructed a wheat classification feature vector from nine parameters of the wheat self-illuminating characteristics, such as position characteristic, distribution characteristic and morphological characteristic,and designed a classification model by using BP neural network to train and test the feature vector. The results showed that the model could discriminate normal wheat and pest-damaged wheat,and the accuracy was 95%. The model provided a new thought for detecting hiding wheat pests.
出处 《河南工业大学学报(自然科学版)》 CAS 北大核心 2013年第6期100-104,共5页 Journal of Henan University of Technology:Natural Science Edition
基金 国家863计划(2012AA101608) 国家自然科学基金项目(31171775)
关键词 小麦虫害 超弱发光 神经网络 模式识别 wheat pests ultraweak luminescence neural network pattern recognition
  • 相关文献

参考文献14

二级参考文献94

共引文献170

同被引文献47

引证文献3

二级引证文献17

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部