您的位置: 专家智库 > >

李德伟

作品数:7 被引量:10H指数:2
供职机构:华北水利水电大学更多>>
发文基金:河南省科技攻关计划国家自然科学基金更多>>
相关领域:农业科学自动化与计算机技术电子电信文化科学更多>>

文献类型

  • 4篇期刊文章
  • 2篇专利
  • 1篇学位论文

领域

  • 3篇农业科学
  • 2篇自动化与计算...
  • 1篇电子电信
  • 1篇轻工技术与工...
  • 1篇文化科学

主题

  • 3篇图像
  • 2篇支持向量
  • 2篇支持向量机
  • 2篇自动判别
  • 2篇向量
  • 2篇向量机
  • 2篇麦粒
  • 2篇谷物
  • 2篇二维CT
  • 2篇MICRO-...
  • 2篇虫害
  • 2篇虫态
  • 1篇多光谱
  • 1篇多光谱图像
  • 1篇一体化教学
  • 1篇蚁群
  • 1篇蚁群优化
  • 1篇支持向量机回...
  • 1篇三维重建
  • 1篇图像采集

机构

  • 7篇华北水利水电...

作者

  • 7篇李德伟
  • 5篇张红涛
  • 2篇胡玉霞
  • 2篇张晓东
  • 2篇谭联
  • 2篇刘新宇
  • 2篇顾波
  • 2篇胡昊
  • 1篇孙志勇

传媒

  • 1篇麦类作物学报
  • 1篇粮食与油脂
  • 1篇科教导刊
  • 1篇电子技术与软...

年份

  • 1篇2020
  • 2篇2018
  • 1篇2017
  • 3篇2016
7 条 记 录,以下是 1-7
排序方式:
一种基于Micro-CT的单籽粒谷物内部虫害检测方法
本发明公开了一种基于Micro‑CT的单籽粒谷物内部虫害检测方法,依次通过二维CT投影图像的采集、有效扫描区域确定、图像重建、有效重建区域确定、籽粒三维显微CT图像构建、原始数字特征空间形成、优化特征空间形成和籽粒多虫态...
张红涛胡玉霞谭联刘新宇顾波胡昊张晓东李德伟裴震宇常艳
文献传递
基于Micro-CT的麦粒显微图像采集及三维重建研究
粮食安全是我国社会和谐、经济稳定、经济持续发展的一个重要前提。传统的针对粮粒害虫的检测方法有许多不足之处,如主观性太强、不易发现隐蔽性害虫等。近年来,国内外学者应用各种新型检测技术对粮粒害虫检测进行了较为深入的研究,但无...
李德伟
关键词:图像采集三维重建FDK算法
数字滤波技术的现状与发展被引量:4
2017年
所谓数字滤波技术是指对我们从软件当中收集到的数据进行电磁兼容消除干扰的相关处理。为了能够我们对数字滤波技术进行更加深入的了解,以便我们能够快速的找出不同环境之下最适宜使用的数字滤波技术。本文通过对在数字滤波技术中使用最为广泛的,技术手段最为成熟的卡尔曼滤波技术、自适应滤波技术进行相关的介绍。
李德伟
一种基于Micro‑CT的单籽粒谷物内部虫害检测方法
本发明公开了一种基于Micro‑CT的单籽粒谷物内部虫害检测方法,依次通过二维CT投影图像的采集、有效扫描区域确定、图像重建、有效重建区域确定、籽粒三维显微CT图像构建、原始数字特征空间形成、优化特征空间形成和籽粒多虫态...
张红涛胡玉霞谭联刘新宇顾波胡昊张晓东李德伟裴震宇常艳
文献传递
“过程控制”课程一体化教学模式探索被引量:2
2016年
依据"过程控制"课程的理论抽象、实践性强等特点,探索了一体化教学模式的改革与实践。通过建立多层次模块化课程体系,实现课程内容一体化,选取先进教材,整合各种教学资源,打造优秀教学团队,构建和谐师生关系,建立科学的考核评价机制,提高教学质量的体系保障,进一步增强了学生学习的主动性和积极性,培养了学生的创新精神与实践能力,提高了教学效果。
张红涛李德伟
关键词:过程控制一体化教学教学资源教学团队
基于ABC-SVM的内部含虫麦粒多光谱图像特征选择研究被引量:2
2016年
为探讨利用人工蜂群算法(ABC)对内部含虫麦粒进行特征选择的可行性,基于该算法,以交叉验证训练模型的识别率作为特征子集的性能评价准则,对内部含虫麦粒的特征进行分析。结果表明,该算法从内部含虫麦粒的32维直方图特征和纹理特征中自动选择出6个特征的最优特征子空间,采用参数优化之后的SVM分类器对80个麦粒样本进行分类,识别率达到92%以上,说明应用人工蜂群算法对内部含虫麦粒进行特征选择是可行的。
张红涛阮朋举母建茹孙志勇李德伟
关键词:人工蜂群算法支持向量机
基于ACO-SVR法的麦粒硬度预测研究被引量:1
2016年
以蚁群优化算法(Ant Colony Optimization,ACO)结合支持向量机回归(Support Vector Regression,SVR)为新的改进方法进行特征波段的选择,并应用到对麦粒硬度的预测研究方面,来探测预测能力的可行性。研究结果表明:模型的相关系数R_(cv)=0.981 0,均方根误差RMSE_(cv)=0.038 2;预测结果的相关系数R_P=0.954 4,均方根误差RMSE_P=0.059 0。相比全光谱PLS、IPLS算法,减少一定的建模所用的变量数的同时又在预测能力和精度方面均有所提高,能够更好地体现波段的优选模型。证实了ACO–SVR法应用到粮粒硬度的预测研究方面是可行的。
张红涛母建茹阮朋举李德伟
关键词:蚁群优化支持向量机回归
共1页<1>
聚类工具0