搜索结果: 1-7 共查到“农业机械化 feature”相关记录7条 . 查询时间(0.093 秒)
叶片类截面数据特征点精确识别方法（Accurate Recognition Method for Cross-section Data Feature Points of Blades）
叶片 特征识别 小波模极大值
2010/1/28
利用小波模极大值方法可很好地对特征进行识别，并能抑制噪声的影响。利用该方法对叶片截面数据进行特征识别时，某些重要的局部特征在细尺度下会消失，导致数据特征点不能完整识别，针对该情况提出特征尺度因子的概念，以了解数据中所含特征的差异性。特征尺度因子越大意味着可分解尺度数越多，相反则意味着可分解尺度数越少，当数据点的特征差异较大时，可将其分为几段分别进行识别，最后再将各段特征点汇总。实验证明，特征尺度因...
基于改进遗传算法的棉花异性纤维目标特征选择（Feature Selection for Cotton Foreign Fiber Objects Based on Improved Genetic Algorithm）
棉花 异性纤维 特征选择 改进遗传算法
2010/5/5
为提高基于机器视觉的棉花异性纤维在线分类的精度和速度，提出了一种基于改进遗传算法的特征选择方法。采用分段式染色体管理方案实现对多质特征空间局部化管理；利用分段交叉和变异算子避免出现无效染色体，提高搜索效率；通过自适应调整交叉和变异概率实现强搜索能力和快收敛速度的动态平衡。实验结果表明，该方法比基本遗传算法搜索能力更强、收敛速度更快，所得最优特征子集较小，更适用于棉花异性纤维在线分类。 An opt...
针对棉花加工过程中存在的异性纤维，采用机器视觉技术，通过图像处理方法提取异性纤维目标，采集异性纤维特征数据，应用一种改进型粗糙集理论，进行异性纤维图像目标特征向量的提取，得到有效的特征向量。最后采用决策树理论，利用提取的特征向量进行识别，实验表明，所提取的特征向量对于识别棉花异性纤维是有效的，识别率达到95%。 For the existence of foreign fibre during c...
子带特征参数在家禽应激发声识别中的应用（Application of Subband Feature of Poultry Vocalization for Identifying Their Status）
家禽 应激发声 特征提取
2009/5/19
基于子带梅尔频谱质心的优化特征参数（SMSC），研究了35日龄海兰褐蛋鸡在正常状态、光照与人为干扰等应激下发声信息的变化特征，并通过建立支持向量机模型（SVM），比较了采用优化特征参数与梅尔频标倒谱系数及其一阶、二阶导数组成的特征参数（MFCC_39）在识别不同应激中的应用效果。试验结果表明，采用加入梅尔频谱质心修正的特征参数，在分类正确识别率方面平均提高了24%。
形态非抽样小波在主减速器振动特征提取中的应用（Feature Extraction Methods of Vibration Signal in Automobile Main Reducer Based on Morphological Un-decimated Wavelet）
故障诊断 特征提取 主减速器 形态小波 非线性 Hilbert包络
2010/4/1
针对形态小波分解过程的抽样引起信号长度逐层递减的问题，提出一种基于多尺度形态开闭级联滤波的形态非抽样小波构造方法。利用形态非抽样小波的一般框架，采用形态开闭级联滤波作为形态非抽样小波分解的近似信号的分析算子，使形态小波分解过程中信号长度保持不变，从而保证了形态分析时所需的信息量。主减速器振动信号特征提取试验验证了该方法能够有效提取非线性振动信号的特征，较原形态非抽样小波和线性小波有更好的滤波效果，...
形态小波降噪方法在齿轮故障特征提取中的应用（Application of Morphological Wavelet De-noising in Extracting Gear Fault Feature）
故障诊断 齿轮 特征提取 形态小波 软阈值降噪
2010/5/5
针对齿轮故障特征往往被强背景噪声淹没的问题，采用形态小波降噪方法来提取故障特征。形态小波降噪方法适合于对具有一定形态特征的齿轮故障信号进行特征提取。首先采用形态小波对信号进行分解，然后对各层的细节系数进行软阈值降噪处理，最后根据处理得到的小波系数重构信号以提取故障特征。仿真与实例证明，该方法可有效地提取隐含在噪声中的齿轮故障特征。形态小波降噪算法只涉及加减和极大、极小运算，运算简单且执行高效，适合...
基于形态非抽样小波分解的滚动轴承故障特征提取（Fault Feature Extraction of Rolling Element Bearing Based on Morphological Undecimated Wavelet Decomposition）
滚动轴承 故障诊断 特征提取 形态非抽样小波分解
2010/2/26
针对滚动轴承故障特征信息往往被强背景噪声淹没的问题，提出采用基于多尺度差值形态滤波的形态非抽样小波分解方法提取故障特征。形态非抽样小波分解具有形态学的形态滤波特性与小波分解的多分辨率特性，通过非抽样方式对信号进行分解，克服了传统形态小波分解信息丢失的问题。结合差值形态滤波能够提取信号冲击成分的特点，构造了一种基于多尺度差值形态滤波的形态非抽样小波分解方法，并将其应用于滚动轴承故障特征的提取。仿真与...