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:
为提高穴盘苗品种识别准确率,确保全自动穴盘苗移栽的实施,设计基于专家系统的识别算法.首先对采集穴盘苗图像进行K均值聚类算法图像分割、二值化和形态图像处理,获得0.6L-0.4(R+B+G)/3、0.3b-0.7a、H+0.2S、0.3L-0.7a等4个颜色特征值向量和长宽比、椭圆扁率、矩形度、傅里叶描述子等4个形状特征向量.然后对图像特征进行语义转换,构建穴盘苗知识模型,并设计苗的知识库及推理机,推理采用了不确定推理算法及学习算法.系统采集了120盘10个品种的穴盘苗,采用专家系统识别试验,成功率达到了98.3%,而相同样本采用支持向量机(support vector machine,简称SVM)的识别率是84.0%,采用粒子群优化支持向量机(particle-swarm optimization SVM,简称PSOSVM)的识别率是86.3%,采用反向传递(back propagation,简称BP)神经网络的识别率是62.0%,证明基于专家系统的识别方法可以满足自动移栽作业要求.
推荐文章
基于Web服务的MAS专家系统设计与实现
Web服务
Agent
MAS
专家系统
农业专家系统平台设计与实现
专家系统平台
组件技术
知识表示
基于Agent技术的专家系统平台的设计与实现
Agent
专家系统平台
Web Service
基于面向对象方法的专家系统外壳的设计与实现
数据库
知识库
正向推理机
C++
专家系统外壳
故障诊断
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 基于专家系统的穴盘苗品种识别算法设计与试验
来源期刊 江苏农业科学 学科 工学
关键词 穴盘苗 图像识别 专家系统 不确定性推理 推理机
年,卷(期) 2019,(4) 所属期刊栏目 农业工程与信息技术
研究方向 页码范围 176-181
页数 6页 分类号 TP391.41
字数 6657字 语种 中文
DOI 10.15889/j.issn.1002-1302.2019.04.042
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 武传宇 79 1163 18.0 31.0
2 何彦虎 35 49 4.0 5.0
4 贺磊盈 15 199 7.0 14.0
5 童俊华 15 120 8.0 10.0
6 王荣杨 4 3 1.0 1.0
7 杨太玮 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  (70)
共引文献  (87)
参考文献  (11)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(6)
  • 参考文献(0)
  • 二级参考文献(6)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(4)
  • 参考文献(0)
  • 二级参考文献(4)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(5)
  • 参考文献(1)
  • 二级参考文献(4)
2007(4)
  • 参考文献(1)
  • 二级参考文献(3)
2008(5)
  • 参考文献(0)
  • 二级参考文献(5)
2009(10)
  • 参考文献(1)
  • 二级参考文献(9)
2010(3)
  • 参考文献(0)
  • 二级参考文献(3)
2011(6)
  • 参考文献(0)
  • 二级参考文献(6)
2012(5)
  • 参考文献(0)
  • 二级参考文献(5)
2013(7)
  • 参考文献(2)
  • 二级参考文献(5)
2014(9)
  • 参考文献(3)
  • 二级参考文献(6)
2015(3)
  • 参考文献(1)
  • 二级参考文献(2)
2016(2)
  • 参考文献(2)
  • 二级参考文献(0)
2019(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)
研究主题发展历程
节点文献
穴盘苗
图像识别
专家系统
不确定性推理
推理机
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
江苏农业科学
半月刊
1002-1302
32-1214/S
大16开
南京市孝陵卫钟灵街50号
28-10
1973
chi
出版文献量(篇)
24128
总下载数(次)
53
总被引数(次)
109978
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导