【摘 要】
：
小麦不完善粒是指受到损伤但尚有使用价值的小麦籽粒,通常包括病斑粒、生霉粒、出芽粒、虫蚀粒、破损粒。小麦作为世界上重要的粮食作物,在粮食的生产、流通和消费等环节均具有重要的地位。小麦不完善粒检测是小麦质量检验检工作中最常见的问题之一,不完善粒是衡量小麦质量优劣的关键指标。实现对小麦不完善粒识别技术的深入研究对正确评定小麦质量有着重大的意义。本课题对小麦不完善粒识别问题进行研究,旨在寻找一种优秀的方法
论文部分内容阅读
小麦不完善粒是指受到损伤但尚有使用价值的小麦籽粒,通常包括病斑粒、生霉粒、出芽粒、虫蚀粒、破损粒。小麦作为世界上重要的粮食作物,在粮食的生产、流通和消费等环节均具有重要的地位。小麦不完善粒检测是小麦质量检验检工作中最常见的问题之一,不完善粒是衡量小麦质量优劣的关键指标。实现对小麦不完善粒识别技术的深入研究对正确评定小麦质量有着重大的意义。本课题对小麦不完善粒识别问题进行研究,旨在寻找一种优秀的方法实现小麦不完善粒更为简捷、精准的识别,以推动小麦的生产、流通工作。具体研究内容包括以下几个部分:（1）针对在实际的应用场景下,小麦不善粒识别数据较少所产生识别率不佳的问题,引入迁移学习方法。利用基于大型公开数据集Image Net的预训练深度卷积神经网络VGG-16、VGG-19和Res Net50进行小麦特征提取。保留预训练网络的特征提取层,将原有的顶层网络替换为自主设计的顶层网络。实验表明,迁移学习方法可有效提高小麦不完善粒的识别效果。（2）针对单个模型所提取的特征信息不全面的问题,提出了多模型特征融合方法。将VGG-16、VGG-19和Res Net50所提取的特征进行融合,使提取的小麦特征信息更加丰富、全面。将小麦图像分别输送至三个模型,并进行小麦特征提取。然后将三个模型所提取的特征进行融合。实验结果表明,特征融合可以实现多特征优势互补,从而使模型获得更好的识别性能。（3）针对Softmax分类器对高维数据分类效果不佳的问题,提出采用深度信念网络（DBN）对融合特征进行分类的方法。本文构建了基于迁移学习的CNN-DBN小麦不完善粒识别模型。保留预训练网络的特征提取层,将原有的顶层网络替换为DBN网络。CNN-DBN模型结合了有监督网络和无监督网络的优点,对高维数据有更好的分类能力。实验证明,所提模型较传统模型有明显的性能提升。
其他文献
智能材料是继天然材料、人工合成材料、人工设计材料之后的第四代新型功能材料,是现代高新技术材料发展的重要方向之一,其特别之处在于拥有着像生物一样能感应周围环境的变化并主动做出响应的能力,例如形状记忆效应（Shape Memory Effect,SME）[1]。随着航空航天、软体机器人、智能纺织与医药医疗领域的快速发展,这就要求复合材料不仅具有优异的承载能力,又要具有良好的主动变形能力。因此,如何协同
近年来,随着科学技术的进步和医疗水平的不断提升,对于多种重大疾病有了新的治疗方法。针对组织器官坏死或缺损,器官移植技术也越来越成熟。然而,可供移植的器官供体不足、异体移植产生的免疫排斥反应已成为限制器官移植技术的主要瓶颈。为了解决该瓶颈,众多研究者尝试采用生物3D打印技术将细胞、生长因子、生物材料作为打印材料,希望能够制造出具有生物活性的仿生组织或器官来代替移植的组织或器官。虽然该领域的研究已经取
高速电主轴是高档机床的核心部件,其动力学特性直接影响了机床的加工能力和加工精度,由于高速电主轴系统中存在许多不确定性因素,基于确定性电主轴动力学模型很难准确预测其动力学特性,因此开展电主轴系统不确定性问题研究具有非常重要的现实意义。本文以高速电主轴为研究对象,建立其转子系统动力学模型,将混沌多项式展开（PCE）方法应用于电主轴振动响应不确定性分析,论文主要研究内容如下:（1）以高速电主轴为研究对象
随着全球“碳达峰、碳中和”目标的提出,世界范围内新能源技术领域受到了更多学者的广泛关注。对于低功耗电子设备,使用传统的化学电池方式进行供电,由于储电有限,需要定期地更换,不利于设备的连续运转。能量收集器作为一种新型供电源,可以收集环境中广泛存在的能量,并将其转化为电能,实现对低功耗电子设备长期、稳定的供电。本文研究了一种基于抗磁悬浮的摩擦电振动能量收集器,该振动能量收集器包括磁铁底座和热解石墨组成
无线层析成像（RTI,Radio Tomography Imaging）技术因其无损害、非侵入和功耗低的特点迅速成为无源目标定位方法中一个新兴的研究方向。在无线传感器网络（WSN,Wireless Sensor Network）覆盖范围内,RTI技术能够根据障碍物遮挡无线通信链路引起的接收信号强度（RSS,Received Signal Strength）变化,得到监控区域的衰减图像,并在此基础上
平房仓储粮为我国保障粮食安全的重要战略手段,其目前进仓环节存在人力资源浪费较大、效率低等问题,不利于我国仓储现代化发展。以改善当前散粮进仓作业模式,提高机械化水平为目标,围绕散粮入仓中的问题展开研究,主要研究内容如下:（1）针对平房仓提出了机械化入仓方案,对于超高大平房仓散粮入仓时面临的粮食分级、破碎问题,设计了粮食分流器并实现了散粮机械化入仓。对平房仓机械化入仓方案进行了评估,并基于ANSYS对
为解决平房仓粮食入库时的环境污染问题,提高入库效率,现代粮库建立了原粮集中清理中心,通过全密闭卸粮环境配合除尘设备有效抑制扬尘外溢,解决卸粮环节的污染问题,在清理中心收集净粮后,采用仓栏货车将净食统一转运至各个仓库。仓栏货车在执行转运作业时,一方面需要大量的人力辅助作业,增加了用工成本;另一方面在清理中心装粮和在仓库卸粮时,自动化程度低,时间成本高,入库效率低。为解决上述问题,本文研制了面向原粮入
随着我国工业现代化的逐步发展,液压载重平台的应用方向和领域得到了不断拓宽,如在航天、军用和民用等领域。由于平台的工作对象精密化和工作环境复杂化等要求,造成平台的工作负载具有多变性,因此设计一种具有高效率和高精度的液压载重平台调平及控制系统对工业现代化的发展具有重要意义。基于此,本文以AMESim与Simulink联合仿真平台为载体,通过对液压系统、调平策略和控制系统进行优化和分析,提出了一种基于P
规范穿戴安全帽、呼吸机是粮库安全管理的重点,可有效预防落物伤人、熏蒸中毒等安全事故。在实际作业环境中,由于库区内监管力度不够、一线工作人员安全防范意识薄弱,时有发生劳保用品未穿戴或穿戴不规范的情况,极大地增加了粮库工作的危险系数。因此粮库作业规范穿戴检测具有重大意义。本文基于深度学习算法对粮库作业穿戴规范进行检测,首先构建粮库穿戴数据集,通过基础网络的对比实验,分别构建基于YOLOv5和FCOS的
气胸属于肺科急症,需要及时的诊断和治疗。X线胸片检查是诊断气胸的首选方法。深度学习是当下计算机辅助诊断的前沿技术;高精度诊断率是当前气胸辅助诊断急需解决的问题。本文提出了基于深度学习的气胸识别与定位可以实现较高的诊断精度,提高气胸诊断效率。针对气胸的识别（分类）,本文提出了一种基于深度学习的正侧向X线胸片融合诊断模型。该模型利用了正侧向胸片的优势,对不同视角下的气胸进行特征提取。避免了使用单一的正