基于BP神经网络的储粮害虫分类识别研究

基于图像处理技术的储粮害虫检测过程中,需要解决多种害虫多特征的识别分类问题。提出运用BP神经网络来进行害虫特征分类的方法。通过对储粮害虫图像的预处理,获取并优化提取5个特征参数输入BP网络进行训练。仿真结果表明,训练网络对粮仓中4类常见害虫的识别率达到了95%,得到了较好的识别结果。

BP神经网络分类器在储粮害虫图像检索中的应用研究

针对储粮害虫图像检索特点,将BP神经网络分类器技术应用于储粮害虫图像检测和识别,成为近年来的一个研究热点。对采集到的包含储粮害虫的图像使用基于BP神经网络分类器的图像的储粮害虫图像检索方法,可以在线将储粮害虫从图像背景中分离出来,很好地保留了储粮害虫各个部分的纹理特征,并将信息分类存储以备查询。试验和仿真结果证明该算法不仅在线计算量小、便于实时控制,而且能够快速、高效地检测到储粮害虫的有效特征,同时进行分类检索。

基于贝叶斯正则化BP网络的粮虫分类识别研究

以粮虫为对象,研究了利用数字图像处理技术与BP神经网络技术实现分类识别的方法。首先对4类常见粮虫进行图像采集、预处理及特征提取,然后将提取到的9个形态学特征参数作为神经网络的输入参数,对应的粮虫类别代号作为输出参数,建立BP神经网络,并在网络学习过程中采用贝叶斯正则化优化算法对其进行改进。最后通过仿真试验表明:该方法在粮虫识别算法中收敛速度快,预测精度高,稳定性好,泛化能力优,从而证实了该方法在实际应用中的可行性。

基于L-M算法优化BP神经网络的储粮害虫分类识别研究

以储粮害虫为对象,研究了利用数字图像处理技术与BP神经网络技术实现离线检测与分类识别。首先对4类常见储粮害虫进行图像采集、预处理以及9个常用形态学特征的提取,再通过特征分析把有效特征压缩至6维,将其作为BP神经网络的输入参数,对应的储粮害虫的类别代号作为输出参数,构造BP神经网络,并在网络训练过程中利用L-M算法进行优化。最后通过实验证明该方法在害虫识别算法中稳定性好,收敛速度快,预测精度高。

神经网络在储粮害虫识别中的应用

重点研究了基于图像识别的储粮害虫自动检测系统中的粮虫分类环节。对分割后的储粮害虫二值化图像 ,从 10多个形态特征中选择出 5个有效的特征 ;将 GA和 BP算法相结合来训练神经网络 ,克服了传统 BP算法收敛速度慢、易陷入局部极小等缺陷 ,对 4类害虫的 2 0个样本的识别率达到 10 0 % 。

基于内容的小麦害虫图像检索系统研究与实现

以小麦害虫图像为研究对象,研究并开发了基于内容的害虫图像检索系统。重点研究了基于内容的图像检索中的图像特征提取、图像相似性度量和用户相关反馈技术。提出一种重叠四分块颜色矩和一种基于BP神经网络的图像相似性度量方法,并引入灰色相关反馈算法实现了基于语义的图像检索。应用排序评价方法、查准率与查全率对系统的检索性能进行测试,结果表明,系统具有一定的实用性,为快速准确地诊断、识别农作物害虫和害虫图像资源共享提供了技术依据。

储粮害虫分类识别研究

对储粮害虫进行分类识别是非常必要的,本文阐述了利用计算机数字图像处理技术提取静态储粮害虫图像的一阶灰度统计量特征、灰值游程矩阵的纹理特征以及几何形状特征,采用BP神经网络技术对特征进行分类和识别的主要技术和方法。该方法为储粮害虫的分类识别开辟了新的途径。