基于BP神经网络的典型牧草特征提取与识别研究

发布时间：2018-06-04 22:11

  本文选题：牧草 + 特征提取　； 参考：《内蒙古大学学报(自然科学版)》2017年02期

【摘要】：针对内蒙古荒漠化草原牧草监测与数字化程度较低的问题,实现了三种典型牧草的特征提取与图像识别,为多牧草种类识别与草业管理提供依据.运用MATLAB图像处理技术,对糙苏、羊草及鹅绒萎菱菜进行图像预处理,提取了12种颜色矩特征和4种形状特征,利用BP神经网络法实现了三种牧草的图像识别,识别正确率为86.9%.试验结果表明,基于颜色矩特征和形状特征的BP(back propagation,BP)神经网络图像识别方法能够有效地实现典型牧草的图像分类研究.自动识别牧草是草业数字化的重要组成部分,可为监测植被物种多样性、草种退化及病虫草害的控制提供科学依据.
[Abstract]:Aiming at the low degree of monitoring and digitization of grassland in Inner Mongolia, the feature extraction and image recognition of three kinds of typical forage grass were realized, which provided the basis for the recognition of multiple species of forage and the management of grass industry. MATLAB image processing technology was used to preprocess the images of Sagra, Leymus chinensis and Roeder, 12 color moment features and 4 shape features were extracted. The BP neural network method was used to realize the image recognition of three kinds of forage grass, and the recognition accuracy was 86.9%. The experimental results show that the BP back propagation (BPN) neural network image recognition method based on color moment feature and shape feature can effectively realize the image classification of typical forage grass. Automatic identification of forage is an important part of the digitization of grass industry, which can provide scientific basis for monitoring the diversity of vegetation species, the degradation of grass species and the control of diseases, pests and weeds.
【作者单位】： 内蒙古大学电子信息工程学院;内蒙古农业大学机电工程学院;
【基金】：国家自然科学基金项目(No.31660678) 内蒙古“草原英才”产业创新人才团队项目(内组通字[2014]27号)
【分类号】：TP391.41;TP183

【相似文献】

相关期刊论文 前10条

1 孙金颖;武涌;刘长滨;;基于BP神经网络的既有居住建筑节能改造模式选择[J];暖通空调;2007年09期

2 唐文;焦中生;饶若愚;邓亮;;基于改进的BP算法雷达故障诊断系统设计[J];火力与指挥控制;2008年S1期

3 王静婷;;BP神经网络在数字参考咨询服务评价中的应用[J];现代情报;2009年03期

4 乔加新;周森鑫;马季;;基于BP神经网络的农业气象产量预报系统[J];微计算机信息;2009年35期

5 毕昆;姜盼;唐崇伟;黄菲菲;王成;;基于麦穗特征的小麦品种BP分类器设计[J];中国农学通报;2011年06期

6 叶小岭;刘程波;张颖超;范金平;;基于BP神经网络的浙江台风损失预测[J];信息技术;2011年10期

7 祝爱民;袁赫;于丽娟;王温冉;;基于BP神经网络的县域经济发展模式选择——以辽宁省部分县域为例[J];沈阳工业大学学报(社会科学版);2012年01期

8 罗广恩;崔维成;;金属疲劳裂纹扩展速率的贝叶斯正则化BP神经网络预测[J];船舶力学;2012年04期

9 谢文辉;巧用数字BP机[J];家庭电子;1997年04期

10 潘力强,马歆,杨长青;广义BP网用于电力系统短期负荷预报[J];湖南电力;1998年03期

相关会议论文 前10条

1 吴炎;杜栋;;基于BP神经网络的江苏省农业可持续发展能力评价[A];决策科学与评价——中国系统工程学会决策科学专业委员会第八届学术年会论文集[C];2009年

2 栗秋华;李杨;卢雯嘉;游步新;;基于遗传算法和BP神经网络的电力系统电压稳定性预警模型[A];重庆市电机工程学会2010年学术会议论文集[C];2010年

3 戴立新;胡洁;李美叶;;基于BP神经网络的农户小额信用贷款风险评价研究[A];2007北京地区高校研究生学术交流会通信与信息技术会议论文集（上册）[C];2008年

4 戴立新;胡洁;李美叶;;基于BP神经网络的农户小额信用贷款风险评价研究[A];中国会计学会高等工科院校分会2007年学术年会暨第十四届年会论文集[C];2007年

5 贾燕;陈思嘉;沈京玲;;基于BP神经网络的毒品太赫兹光谱识别[A];中国光学学会2006年学术大会论文摘要集[C];2006年

6 刘志飞;;基于BP神经网络的助学信贷评估模型[A];信息经济学与电子商务：第十三届中国信息经济学会学术年会论文集[C];2008年

7 宋宜斌;王培进;李凯里;;多层前馈神经网络中BP算法的改进及其应用研究[A];2001年中国智能自动化会议论文集（上册）[C];2001年

8 简季;杨武年;马正龙;陈园园;;BP神经网络在土地分类中的应用研究——以汶川地区为例[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年

9 尤焕苓;丁德平;王春华;刘伟东;谢庄;;应用回归分析和BP神经网络方法模拟北京地区电力负荷[A];第26届中国气象学会年会预测与公共服务分会场论文集[C];2009年

10 唐凤英;喻长远;胡随瑜;;两种Bp网络测试方法在抑郁症中医证型分类中的对比研究[A];全国中西医结合基础理论学术研讨会论文集[C];2004年

相关重要报纸文章 前10条

1 赵晏彪;BP科学家获国际科学技术合作奖[N];中国化工报;2007年

2 宗林;中科院BP联手推进清洁能源商业化[N];中国化工报;2007年

3 陈其珏;中科院与BP共建清洁能源商业化中心[N];上海证券报;2007年

4 鲍勇剑;BP漏油100天危机启示录[N];21世纪经济报道;2010年

5 中山大学附属第三医院风湿科 黄建林;美国医生腰间常挂BP机[N];健康报;2011年

6 本报记者 王佑;BP：高效与环保并重[N];第一财经日报;2006年

7 记者 郁红;中科院BP将共建清洁能源商业化中心[N];中国化工报;2008年

8 王明毅;中科院与BP携手推进清洁能源商业化进程[N];中国石油报;2007年

9 本报记者 詹铃;BP出售资产追踪：美企“吃肉” 中企“喝汤”？[N];21世纪经济报道;2010年

10 龚月;中石油BP联手竞得伊拉克油田[N];中国企业报;2009年

相关博士学位论文 前3条

1 孙晓琳;基于Kalman滤波和BP神经网络的财务危机动态预警模型研究[D];哈尔滨工业大学;2010年

2 何毅;基于BP神经网络电容法刨花含水率测试仪的研究与开发[D];南京林业大学;2006年

3 王兟;脑卒中患者体内BP抗体水平与大疱性类天疱疱患者认知功能研究[D];北京协和医学院;2015年

相关硕士学位论文 前10条

1 孙映白;基于BP神经网络的软测量技术在水松纸透气度检测中的应用研究[D];昆明理工大学;2015年

2 段伟超;BP神经网络修正卡尔曼滤波在边坡监测中的应用[D];郑州大学;2015年

3 林春;基于BP神经络的广东海洋生产总值预测研究[D];五邑大学;2015年

4 林琳;基于BP神经网络的水利工程风险管理研究[D];江西理工大学;2015年

5 王晓菲;BP神经网络下商业银行绿色信贷风险评估研究[D];天津理工大学;2015年

6 周聪;基于改进BP神经网络的直接甲醇燃料电池的浓度测量及控制[D];上海交通大学;2015年

7 卞正国;深空信道中束协议（BP）的性能分析[D];苏州大学;2015年

8 巫文蔚;束协议（BP）在深空链路中断下的性能研究[D];苏州大学;2015年

9 潘长城;基于BP神经网络的化工园区安全风险水平研究[D];首都经济贸易大学;2015年

10 隋惠惠;基于BP神经网络的短期电力负荷预测的研究[D];哈尔滨工业大学;2015年

，

本文编号：1979018