2024年7月17日
星期三
|
欢迎来到维普•公共文化服务平台
登录
|
进入后台
[
APP下载]
[
APP下载]
扫一扫,既下载
全民阅读
职业技能
专家智库
参考咨询
您的位置:
专家智库
>
>
李红玲
作品数:
1
被引量:63
H指数:1
供职机构:
甘肃农业大学工学院
更多>>
发文基金:
甘肃省干旱生境作物学重点实验室开放基金
国家自然科学基金
更多>>
相关领域:
自动化与计算机技术
更多>>
合作作者
杨占峰
甘肃农业大学工学院
高晓阳
甘肃农业大学工学院
张明艳
甘肃农业大学工学院
孔彦龙
甘肃农业大学工学院
毛红玉
甘肃农业大学工学院
作品列表
供职机构
相关作者
所获基金
研究领域
题名
作者
机构
关键词
文摘
任意字段
作者
题名
机构
关键词
文摘
任意字段
在结果中检索
文献类型
1篇
中文期刊文章
领域
1篇
自动化与计算...
主题
1篇
神经网
1篇
神经网络
1篇
特征参数
1篇
农产
1篇
农产品
1篇
马铃薯
1篇
机器视觉
1篇
分选方法
机构
1篇
甘肃农业大学
作者
1篇
杨倩
1篇
毛红玉
1篇
孔彦龙
1篇
张明艳
1篇
高晓阳
1篇
杨占峰
1篇
李红玲
传媒
1篇
农业工程学报
年份
1篇
2012
共
1
条 记 录,以下是 1-1
全选
清除
导出
排序方式:
相关度排序
被引量排序
时效排序
基于机器视觉的马铃薯质量和形状分选方法
被引量:63
2012年
马铃薯的质量和形状是机器视觉分级的2个重要特征和依据,为实现马铃薯质量与形状检测分级,该文提出了一种基于图像综合特征参数的分选方法。首先提取马铃薯俯视图的面积参数和侧视图的周长参数,通过回归分析建立马铃薯的质量检测模型,实现对马铃薯的质量分选;然后提取马铃薯俯视图像的6个不变矩参数,输入到已训练好的神经网络,完成对马铃薯形状分选。试验结果表明:该方法可以有效的检测马铃薯的质量并区分其形状,质量分选准确率为95.3%,薯形分选准确率为96%。可满足实际应用的要求。
孔彦龙
高晓阳
李红玲
张明艳
杨占峰
毛红玉
杨倩
关键词:
农产品
神经网络
机器视觉
马铃薯
特征参数
全选
清除
导出
共1页
<
1
>
聚类工具
0
执行
隐藏
清空
用户登录
用户反馈
标题:
*标题长度不超过50
邮箱:
*
反馈意见:
反馈意见字数长度不超过255
验证码:
看不清楚?点击换一张