机器识别对不同氮肥施用量条件下新疆高产棉花冠层结构的研究

【目的】测定北疆棉区推广棉花品种新陆早10号与新陆早12号在不同氮肥用量条件下冠层结构特征的差异。【方法】采用CI-110作物冠层机器识别映像仪，在田间将安装有鱼眼探测头的观测棒定点在行间中央，调好水平，并从计算机显示屏上观察无人影等其它外界影响时开始拍照。【结果】氮肥用量过高或过低都不利于形成理想群体冠层。两品种相比，新陆早10号较新陆早12号对较高氮肥用量反应敏感。【结论】在中等氮肥用量条件下选择新陆早10号、中高氮肥用量条件下选择新陆早12号栽培种植较为适宜。氮肥用量650—950kg／hm^2是较为理想的施氮水平。

基于概率神经网络和分形的植物叶片机器识别研究

【目的】提出一种将植物叶片的形状特征与其纹理特征相结合的综合特征识别方法,有效解决了传统的植物机器识别分类特征单一且识别率较低的问题,为植物的快速机器识别提供技术参考。【方法】提取植物叶片样本的综合特征信息,以概率神经网络(PNN)为分类器对所得的特征信息进行训练,训练好的网络用来识别植物叶片的类别,从而确定相应植物的种类。【结果】有效提取了含有8个分量的植物叶片综合特征向量,通过对PNN分类器的训练,实现了30种植物叶片的快速机器识别,平均识别率达98.3%。比较测试表明,若去掉叶片纹理特征,单以其形状特征作为识别依据,平均识别率仅为93.7%。【结论】植物叶片综合特征识别方法有效弥补了传统单特征识别方法的不足,使识别效率得到了较大的提高。

基于红外热成像树上板栗机器识别研究

针对普通视觉系统无法分类识别的特点，将红外热成像技术引入到树上板栗的机器识别检测当中．建立了果同树上板栗红外热成像系统。记录了白天树上板栗果实与冠层温度变化情况，发现下午2：00～4：00之间．二者温度差异最为显著，最大温差可达3℃。研究了正常板栗果、坏死果以及空心果的红外辐射差异，发现坏死果表面温度最高．一常果次之，空心果温度最低。最后对获取的热图像进行温度校正、阈值分割、特征提取、目标标识。结果表明．树上板栗的有效识别率在85％1．2上。

激光全息防伪标识的机器识别系统

概述了激光全息防伪技术的现状 ,阐明了在激光全息防伪技术中使用机读设备的必要性 ;介绍了我们研制的基于设置隐藏信息衍射光栅结构的全息图机器识别系统 ,并论述了激光全息防伪标识机读技术的发展方向。

防伪技术中的肉眼识别和机器识别

可以用肉眼识别的技术是指人们可以不使用专用仪器或机器，仅借助自身感官功能和知识经验等来进行识别的防伪技术。可以举出不少例子，如水印技术、安全线技术、变色油墨技术（温变、光变、压变……）、第一代全息图技术等等。这种识别技术便于广大民众使用，应该继续发展。笔者认为，当前肉眼识别技术的新发展趋势有两方面。

方言机器识别技术研究

本文旨在讨论如何将方言学与计算机科学结合起来， 根据录音材料， 实现话语者方言特征机器识别， 以迅速判断话语者所出方域， 推进侦破工作的现代化。

基于Copula理论的光伏功率高比例异常数据机器识别算法

目前很多在运光伏电站由于通信故障、设备异常、人为限电等问题导致功率实测数据含高比例异常数据,极大阻碍了电站性能分析和功率数据的深化应用。基于Copula函数建立了描述辐照度与光伏功率间相关关系的概率功率曲线模型,进而针对光伏实测数据分散度、随机性强,异常数据比例高的特点,结合工程经验归纳了三类典型异常数据特征并提出了相应的异常数据机器识别模型。利用实测光伏电站数据和人工生成数据集进行仿真分析表明,采用该异常数据机器识别模型能适应高比例异常数据条件,有效识别各种类型异常数据,具有比常规3-sigma识别法更好的适应性和识别率。

基于支持向量机的隧道衬砌空洞机器识别方法

探地雷达是检测隧道衬砌空洞最为有效的方法之一,但检测数据的解析始终是限制其广泛应用的关键。基于支持向量机的基本理论,文章建立了一套隧道衬砌空洞探地雷达图像的机器识别方法,该方法包括图像预处理、特征提取和支持向量机识别三个步骤。首先,探地雷达图像需经过零时修正、滤波、偏移、增益等预处理以提高信噪比;其次,对图像的时域信号进行分段,在分段信号上提取方差、标准绝对偏差和四阶矩三个统计量作为图像特征;最后,利用已知数据对支持向量机模型进行训练,并用数值模拟和模型试验数据对训练好的支持向量机模型进行测试。结果表明,该方法不仅能够准确识别隧道衬砌和围岩内的空洞,还可以对空洞埋深及横向分布范围做出较准确的判断。

脑功能网络的fMRI特征提取及脑部疾病机器识别

脑部疾病的机器识别是医学图像领域研究的热点。传统的功能磁共振图像研究方法大多只针对部分脑区。考虑到脑功能网络具有全局性的特征,利用静息态功能磁共振图像数据,在全脑范围内使用极大重叠离散小波变换,分别构建加权和无权脑功能网络,运用复杂网络理论对网络结构进行分析研究,提取网络聚集系数作为分类识别的特征分量。将该文方法用于对精神分裂症患者的识别,由识别率、灵敏度、特异度表明,该方法能够提高识别效果,且具有普遍适应性,能推广到其他脑部疾病的机器识别应用中。

基于机器识别的电气接线自动检测技术研究

针对电气柜批量生产中接线查错工序效率低等问题,提出了一种基于机器识别技术的电气接线自动检测方法。改进了Canny算法,图像获取后采用自适应平滑滤波与形态学闭运算相结合的方法滤波去噪,采用最大类间方差法自适应选取阈值,重塑图像模型,提高边缘提取精度,准确测定接线端导线位置和线号。与对应接线库中数据作比对,判断接线是否正确。实验结果表明,该方法能够满足生产过程中电气接线检测的要求,有效提高电气柜生产线的生产质量和效率。

机器识别在电视节目广告中的实验与应用

广告是传统媒体的主要盈利方式,如何在媒体融合时代,利用新技术特别是人一工智能、机器识别等技术促进传播媒体与受众的互动,增强广告的实际到达率和传播效果,是本文探讨的主要内容。本文通过原理描述和实际场景效果数据来分析机器识别在广告中的具体应用,详细介绍了基于广告内容的机器识别技术,完成对电视播出的,广告述行语音识别,从而在移动客户端实视双向互动的应用案例。

树上椪柑的最优色差分量机器识别的方法研究

为自动检测自然场景中成熟椪柑果实,提出了基于最优色差分量的树上椪柑机器识别方法。在统计待检测图像椪柑果实平均色调的基础上,以色环单位圆中椪柑果实平均色调为基准线,作红色(R)、绿色(G)、蓝色(B)向基准线投影并求代数和,建立最优色差分量模型,以该模型对自然场景中碰柑图像进行果实识别。以393幅有椪柑果实的裁切图像为研究对象,比较最优色差分量法与G-R、G-B、R-B及2G-R-B分量法的识别效果,试验结果显示最优色差分量法误检率、漏检率最低,果实目标检出完整率最高,整体检出效果最佳。最优色差分量法还可推广到与背景存在色差的其他目标自动检测中。

轻度抑郁症脑电特征分析与机器识别研究

轻度抑郁症的快速筛查和识别具有重要现实意义.采用静息态脑电信号探索了轻度抑郁症机器识别的有效方法,旨在找出与抑郁关系密切的脑电特性以及分类算法.首先,对各个导联的原始脑电数据加时间窗分段,计算抑郁症患者和正常人的脑电活动性、移动性、复杂度;然后,采用Burg算法和小波变换,分别提取每段脑电信号的频域特征和时频非线性特征;最后,利用支持向量机算法进行抑郁脑电分类,分析不同时间窗口、导联组合、特征组合、节律组合以及机器学习算法对识别结果的影响.实验结果表明:使用支持向量机分类器,选用20 s时间窗口,在O2、T5导联组合,以及活跃度、移动性、小波能量熵、小波奇异熵特征组合和脑电alpha、beta、gamma节律组合下,得到抑郁识别准确率94.24%、召回率92.35%、精确度96.23%的最佳分类结果.

浅谈基于机器识别的服装智能化生产技术

近年来,人们越来越关注服装行业的智能化生产技术的发展。为此,主要对基于机器识别的服装智能化生产技术进行分析,以供参考。

机器识别的全自动服装模板缝纫技术的若干思考

本文主要在智能视觉技术的基础上对全自动服装模板缝纫技术进行了一番探讨,以促进流程繁复的流水线作业,摒弃传统的服装作业步骤,全面实现流水化、规范化的服装工艺模板,从而强化服装整体生产水平。

基于机器识别的服装智能化生产技术思考

随着科技的飞速发展,近几年时间里,服装行业的智能化生产技术的发展越来越受到人们的关注。基于机器识别服装智能化生产技术的思考,对机器识别的服装智能化生产技术作出相应研究。目前,服装是全球经济利益最大的产业之一,基于机器识别的服装智能化生产通过对海量的服装生产数据进行学习并且挖掘出服装智能化生产的信息,通过智能化生产让服装智能化越来越受到工业界和学术界的关注,针对智能化与结合服装生产数据的特点提出了基于机器识别的服装智能化生产分析的基本方式。

手写体汉字机器识别技术的现状分析

手写体汉字机器识别技术的研究不仅具有重要的理论研究价值， 而且具有广阔的应用前景。本文介绍了手写体汉字识别技术的原理、研究历史及技术困难， 综合分析了当前国内外主要识别方法及其特点，

基于扩展卡尔曼滤波的清仓机器人位姿识别方法

煤矿水仓巷道光照强度不均匀且结构化特征明显,传统基于视觉的机器人位姿识别方法识别不准确,而单一的机器人定位技术如自适应蒙特卡洛(AMCL)方法随着清仓机器人的长时间运行,输出的位姿信息存在较大累计误差,易出现煤泥清理不干净、与两侧巷道发生碰撞的情况。针对上述问题,提出了一种基于扩展卡尔曼滤波的多传感器融合清仓机器人位姿识别方法。首先搭建多传感器融合算法框架,建立里程计、惯性测量装置、激光雷达数据采集模型;其次基于扩展卡尔曼滤波原理,以惯性测量装置角度信息建立观测方程,结合里程计位姿信息,得到第1次融合的清仓机器人位姿矩阵,利用激光雷达的位置信息与之前的位姿矩阵进行迭代,得到第2次融合的清仓机器人位姿矩阵;最后采用互补滤波算法对融合后的清仓机器人位姿矩阵进行处理,输出最终的清仓机器人位姿矩阵。实验结果表明:在直线位姿识别中2次的最大位置误差为0.04 m,最大姿态角误差为0.05 rad;在模拟巷道实验中的最大位置误差为0.1 m,最大姿态角误差为0.085 rad;与AMCL方法相比,基于扩展卡尔曼滤波的清仓机器人位姿识别方法在减少清仓机器人运行过程中的累计误差方面表现出显著的有效性。