基于GA-BP神经网络和特征向量优化组合的黄瓜叶片病斑识别

针对家庭种植水培黄瓜中用户难以准确识别病害的问题,设计了一种基于图像处理的黄瓜叶片病斑识别系统。应用自适应小波对原始图像进行降噪处理,在HSV空间通过阈值分割结合形态学操作获得理想的黄瓜叶片图像,并通过自适应阈值分离病斑,提取病斑形态学、颜色和纹理原始特征参数。利用GA-BP神经网络定义原始特征参数对分类结果的灵敏度,递归剔除灵敏度较低的若干特征,降低特征参数的维数。根据优化后的特征参数组合,利用支持向量机对黄瓜炭疽病和白粉病进行识别。实验结果表明,本方法对黄瓜炭疽病和白粉病的综合分类正确率在96%以上。设计的方法有效提高了黄瓜病害的识别率,并为其他作物病害的智能识别提供了借鉴。

基于多压电薄膜传感器的睡姿识别方法研究

睡眠姿势是评估睡眠质量的一个重要因素,对呼吸暂停和心血管疾病有着重要影响。为提高心冲击(BCG)睡姿识别的准确性,提出一种通过多路压电薄膜传感器采集心冲击信号实现睡姿识别的方法。首先设计多压电薄膜传感器组成的软垫来获取BCG信号,然后对预处理后的BCG波形进行时域分析,利用特征比值法优化特征向量,最后输入粒子群优化支持向量机(PSO-SVM)实现仰卧、左侧卧、右侧卧、俯卧4种睡姿的准确识别。结果表明,该文方法与已有睡姿识别方法相比准确率提高到97.1%,克服了单路BCG波形受个体差异及环境的影响,为家庭医疗与无感睡眠监测的研究提供了基础。

基于最小化模态能量的改进结构振动响应主动配置方法

本文提出一种利用多输入反馈控制同时配置结构系统特征值和特征向量的振动主动配置新算法,可针对指定的特征值与特征向量进行主动配置以减少结构振动响应。首先,通过奇异值分解找到可实现特征向量的子空间;其次,通过最小化模态能量来选择最优特征向量;然后基于提出的算法来实现振动控制的最优特征向量和期望特征值配置;最后,通过几个数值算例验证该算法的有效性和准确性。