基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
粮虫图像识别属于小样本、参数多和特征之间混合度大的分类问题,因此分类器的设计是自动检测系统的关键环节.为此,采用网格搜索法,以SVM交叉验证训练模型的识别率为判别准则,对支持向量机分类器的参数和进行优化.应用SVM分类器对粮仓中危害严重的9类粮虫进行了自动分类,识别率达到93%以上.结果证实了基于SVM的分类器可进一步提高粮虫识别的精度.
推荐文章
基于视频和SVM的储粮害虫检测与识别
运动目标检测
图像分割
支持向量机
置信区间
卷积神经网络在储粮害虫图像识别中的应用研究
储粮害虫
卷积神经网络
图像识别
基于遗传算法和支持向量机的储粮害虫图像识别
储粮害虫
图像识别
遗传算法
支持向量机
储粮害虫图像识别中的特征提取
储粮害虫
图像识别
特征提取
蚁群优化算法
支持向量机
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于SVM的储粮害虫图像识别分类
来源期刊 农机化研究 学科 农学
关键词 储粮害虫 支持向量机 网格搜索 图像识别 模糊分析
年,卷(期) 2008,(8) 所属期刊栏目 理论研究与探讨
研究方向 页码范围 36-38
页数 3页 分类号 S431.3|TP391.41
字数 2144字 语种 中文
DOI 10.3969/j.issn.1003-188X.2008.08.010
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 胡玉霞 郑州大学电气工程学院 37 298 9.0 16.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (28)
共引文献  (1938)
参考文献  (8)
节点文献
引证文献  (15)
同被引文献  (65)
二级引证文献  (24)
1988(2)
  • 参考文献(0)
  • 二级参考文献(2)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(4)
  • 参考文献(0)
  • 二级参考文献(4)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(9)
  • 参考文献(1)
  • 二级参考文献(8)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(4)
  • 参考文献(1)
  • 二级参考文献(3)
2001(3)
  • 参考文献(0)
  • 二级参考文献(3)
2002(3)
  • 参考文献(2)
  • 二级参考文献(1)
2003(2)
  • 参考文献(1)
  • 二级参考文献(1)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(2)
  • 参考文献(2)
  • 二级参考文献(0)
2008(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2009(1)
  • 引证文献(1)
  • 二级引证文献(0)
2010(4)
  • 引证文献(3)
  • 二级引证文献(1)
2012(2)
  • 引证文献(1)
  • 二级引证文献(1)
2013(4)
  • 引证文献(2)
  • 二级引证文献(2)
2014(7)
  • 引证文献(1)
  • 二级引证文献(6)
2015(2)
  • 引证文献(0)
  • 二级引证文献(2)
2016(4)
  • 引证文献(1)
  • 二级引证文献(3)
2017(1)
  • 引证文献(0)
  • 二级引证文献(1)
2018(3)
  • 引证文献(2)
  • 二级引证文献(1)
2019(6)
  • 引证文献(3)
  • 二级引证文献(3)
2020(5)
  • 引证文献(1)
  • 二级引证文献(4)
研究主题发展历程
节点文献
储粮害虫
支持向量机
网格搜索
图像识别
模糊分析
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
农机化研究
月刊
1003-188X
23-1233/S
大16开
黑龙江哈尔滨市哈平路156号
14-324
1979
chi
出版文献量(篇)
14318
总下载数(次)
39
总被引数(次)
94283
论文1v1指导