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:
为了提高计算机视觉技术对玉米品种的识别率,研究基于遗传组合神经网络的玉米品种识别方法.利用自制的动态计算机视觉系统,获取了4种具有代表性的西南地区杂交玉米种子图像,提取了8个形态特征参数和6个颜色特征参数.针对玉米品种识别特点,设计了由4个子网络组成的遗传算法优化的径向基函数组合网络,并优选了特征参数组合,优化了网络参数.经验证对比试验表明,本方法识别率可达95%,优于其它识别方法,切实提高了玉米品种识别率.
推荐文章
基于ANN和PCA的玉米品种特征分析与识别研究
玉米品种识别
计算机视觉
主分量分析(PCA)
人工神经网络(ANN)
基于遗传算法和支持向量机的玉米品种识别
支持向量机
遗传算法
决策二叉树
玉米种子识别
多对象特征提取和优化神经网络的玉米种子品种识别
特征提取
主成分分析
神经网络
玉米种子
品种识别
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 基于遗传组合网络的玉米品种识别方法
来源期刊 农机化研究 学科 农学
关键词 玉米 品种识别 遗传算法 组合神经网络
年,卷(期) 2012,(8) 所属期刊栏目 试验研究
研究方向 页码范围 102-106
页数 分类号 S126|TP391.41
字数 3276字 语种 中文
DOI 10.3969/j.issn.1003-188X.2012.08.025
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 孙钟雷 长江师范学院生命科学与技术学院 44 238 8.0 14.0
2 万鹏 华中农业大学工学院 30 260 7.0 15.0
3 龙长江 华中农业大学工学院 19 141 4.0 11.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (78)
共引文献  (76)
参考文献  (12)
节点文献
引证文献  (3)
同被引文献  (43)
二级引证文献  (44)
1962(2)
  • 参考文献(0)
  • 二级参考文献(2)
1966(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)
1996(3)
  • 参考文献(0)
  • 二级参考文献(3)
1998(3)
  • 参考文献(1)
  • 二级参考文献(2)
2000(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(3)
  • 参考文献(0)
  • 二级参考文献(3)
2002(6)
  • 参考文献(2)
  • 二级参考文献(4)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(11)
  • 参考文献(0)
  • 二级参考文献(11)
2005(7)
  • 参考文献(0)
  • 二级参考文献(7)
2006(10)
  • 参考文献(0)
  • 二级参考文献(10)
2007(8)
  • 参考文献(0)
  • 二级参考文献(8)
2008(7)
  • 参考文献(0)
  • 二级参考文献(7)
2009(7)
  • 参考文献(2)
  • 二级参考文献(5)
2010(13)
  • 参考文献(5)
  • 二级参考文献(8)
2011(2)
  • 参考文献(2)
  • 二级参考文献(0)
2012(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)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2014(2)
  • 引证文献(1)
  • 二级引证文献(1)
2015(4)
  • 引证文献(1)
  • 二级引证文献(3)
2016(7)
  • 引证文献(0)
  • 二级引证文献(7)
2017(15)
  • 引证文献(0)
  • 二级引证文献(15)
2018(13)
  • 引证文献(0)
  • 二级引证文献(13)
2019(3)
  • 引证文献(0)
  • 二级引证文献(3)
2020(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
玉米
品种识别
遗传算法
组合神经网络
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
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导