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:
[目的]研究一种基于卷积神经网络干制哈密大枣纹理分级的方法.利用卷积神经网络解决干制哈密大枣的纹理分类问题.[方法]将大小统一的彩色图片输入网络,卷积核自动提取其纹理特征,进行分类.[结果]分类准确率达到了97.7%.[结论]与常用的灰度共生矩阵提取干制哈密大枣纹理特征(最大概率,相关性,对比度、能量、同质性和熵),再用BP神经网络和支持向量机(SVM)分类准确率相比的方法,避免了复杂纹理提取和图片预处理的过程,在测试时间相近的情况下识别率更高.
推荐文章
基于深度卷积神经网络的织物花型分类
深度卷积神经网络
织物花型
图像分析
基于卷积神经网络的细胞识别
细胞识别
卷积神经网络
深度学习
池化层
基于卷积神经网络的目标检测研究综述
卷积神经网络
目标检测
深度学习
基于卷积神经网络的肺炎检测系统
卷积神经网络
胸部X光影像
肺炎诊断
图像预处理
VGG
特征提取
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 基于卷积神经网络干制哈密大枣纹理分级
来源期刊 新疆农业科学 学科 农学
关键词 卷积神经网络 干制哈密大枣 纹理特征 分级
年,卷(期) 2018,(12) 所属期刊栏目
研究方向 页码范围 2220-2227
页数 8页 分类号 S665.1|S126
字数 3878字 语种 中文
DOI 10.6048/j.issn.1001-4330.2018.12.008
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 雷声渊 石河子大学机械电气工程学院 2 1 1.0 1.0
2 王文霞 石河子大学机械电气工程学院 4 1 1.0 1.0
3 罗秀芝 石河子大学机械电气工程学院 3 1 1.0 1.0
4 胡洋洋 石河子大学机械电气工程学院 2 3 1.0 1.0
5 李小霞 石河子大学机械电气工程学院 2 3 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (146)
共引文献  (72)
参考文献  (12)
节点文献
引证文献  (1)
同被引文献  (6)
二级引证文献  (0)
1984(1)
  • 参考文献(0)
  • 二级参考文献(1)
1985(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(5)
  • 参考文献(0)
  • 二级参考文献(5)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(5)
  • 参考文献(0)
  • 二级参考文献(5)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(12)
  • 参考文献(0)
  • 二级参考文献(12)
2009(12)
  • 参考文献(0)
  • 二级参考文献(12)
2010(11)
  • 参考文献(0)
  • 二级参考文献(11)
2011(19)
  • 参考文献(0)
  • 二级参考文献(19)
2012(18)
  • 参考文献(0)
  • 二级参考文献(18)
2013(19)
  • 参考文献(1)
  • 二级参考文献(18)
2014(13)
  • 参考文献(1)
  • 二级参考文献(12)
2015(9)
  • 参考文献(1)
  • 二级参考文献(8)
2016(13)
  • 参考文献(3)
  • 二级参考文献(10)
2017(5)
  • 参考文献(3)
  • 二级参考文献(2)
2018(3)
  • 参考文献(3)
  • 二级参考文献(0)
2018(3)
  • 参考文献(3)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
卷积神经网络
干制哈密大枣
纹理特征
分级
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
新疆农业科学
月刊
1001-4330
65-1097/S
大16开
新疆乌鲁木齐市南昌路403号
58-18
1958
chi
出版文献量(篇)
6386
总下载数(次)
3
论文1v1指导