|本期目录/Table of Contents|

[1]李春霆.基于图像处理与改进神经网络的大豆品质检测研究[J].江苏农业科学,2014,42(03):263-266.
　Li Chunting.Study on quality testing of soybean based on image processing and improved neural network[J].Jiangsu Agricultural Sciences,2014,42(03):263-266.
点击复制

基于图像处理与改进神经网络的大豆品质检测研究(PDF)
分享到：

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第42卷
期数:
2014年03期
页码:
263-266
栏目:
质量安全与检测分析
出版日期:
2014-03-25

文章信息/Info

Title:
Study on quality testing of soybean based on image processing and improved neural network
作者:
李春霆
宣化科技职业学院，河北宣化 075000
Author(s):
Li Chunting
关键词:
大豆品质; 检测速度; 神经网络
Keywords:
-
分类号:
TP391.41；S126
DOI:
-
文献标志码:
A
摘要:
以图像处理的方式进行大豆种子的品质检测，提出一种引入粒子群优化的改进算法，使之具备更加准确地分类并识别大豆种子的能力。首先对图像样本进行预处理和特征提取，随后以粒子群算法改善神经网络权值和阈值的确定过程，增强其收敛速度，在全局范围内以较高的效率找到最优解，最后通过仿真对比试验，证明了所构建的大豆品质检测系统的准确度有了显著提升。
Abstract:
-

参考文献/References:

［1］傅艳华，王鹏程，阳庆华，等.大豆食品加工利用现状与发展前景［J］. 湖北农业科学，2001(1)：62-64.
［2］李聪，高海燕，袁超. 基于计算机视觉的苹果自动分级方法研究［J］. 计算机仿真，2012(9)：293-296.
［3］黄星弈，魏海丽，赵杰文. 实时在线检测苹果果形的一种计算方法［J］. 食品与机械，2006，22(1)：27-29.
［4］冯斌. 计算机视觉信息处理方法与水果分级检测技术研究［D］. 北京：中国农业大学，2010.
［5］Schroder M，Rehrauer H，Seidek K，et al. Interactive learning and probabilistic retrieval in remote sensing image archives［J］. Geoscience and Remote Sensing，38(5)：2288-2298.
［6］彭淑敏. 神经网络图像识别技术研究及实现［D］. 西安：西安电子科技大学，2005.
［7］Kalchmair S，Jhrling N，Becker K，et al. Image contrast enhancement in confocal ultramicroscopy［J］. Optics Letters，2010，35(1)：79-81.
［8］高岩，乔彦峰. 一种改进直方图均衡的图像增强方法［J］. 计算机仿真，2008，25(4)：198-200.
［9］Kenned J，Ebemart R C. Partical swarm optimi-zation［C］//Proceeding of 1995 IEEE International Conference on Neural Networks，1995：192-194.
［10］常爱英，吴铁军，包鑫，等. 基于最小二乘支持向量机的配煤着火特性预测模型［J］. 煤炭学报，2010，35(8)：1380-1383.
［11］蔡金锭，付中云. 粒子群神经网络混合算法在负荷预测中的应用［J］. 高电压技术，2007，33(5)：90-93.

相似文献/References:

备注/Memo

备注/Memo:
收稿日期：2013-07-12
基金项目：河北省科技厅2012年基金(编号：HBKJ 2012-BY-098)。
作者简介：李春霆(1973—)，山西天镇人，男，硕士，讲师，主要从事图像处理与精确农业研究。E-mail：lct_xh@163.com。
更新日期/Last Update: 2014-03-25