基于OpenCV与SVM的车牌识别方法

为了提高车牌识别效率,论文提出了一种基于OpenCV与SVM的车牌识别方法。用Canny算子获取图像边缘轮廓信息,基于SURF算法对车牌进行特征提取,并结合HSV颜色空间来定位车牌位置;基于垂直投影方法来提取车牌字符特征,再利用SVM算法实现对车牌字符的识别。该方法利用计算机视觉库OpenCV实现,利用OpenCV封装的SURF算法和SVM算法实现车牌识别,实验表明,该方法有较高的识别效率。

基于人工神经网络的二分类方法

随着计算机技术的高速发展,人工智能(AI)技术也越来越被大众所熟知,神经网络(NN)也慢慢从低谷走向热潮,其中人工神经网络是现在机器学习重要的基础,更是深度学习重要的基础,人工智能技术最重要的部分就是机器学习和深度学习。着重介绍人工神经网络的相关背景、模型结构、核心算法,从模型结构和算法这两个方面着重介绍相关的应用,实现医疗数据的二分类问题,并与传统的算法实现对比。结果表明,人工神经网络在二分类问题上的分类效果更优于传统的分类方法。

基于边缘检测的作物病害检测方法

准确分割植物叶片病斑图像是作物病害检测和诊断的前提。在边缘检测算法的基础上,提出了一种作物病害检测方法。该方法能够更好的兼顾作物病害叶片图像的全局和局部特征。与传统的分割算法相比,该方法的分割速度较快,分割效果好,而且能够适应大田复杂环境的病害叶片图像检测。采用该方法对多幅作物病害叶片进行图像分割,实验结果表明:该方法能够较好地将病斑部分分割出来,分割结果不受叶片纹理的干扰,平均分割正确率能够达到90%以上,具有一定的有效性和实用价值。