-
题名基于一维卷积神经网络的烟叶仓储霉变预测方法研究
被引量：8
- 1
-
-
作者
翟乃琦
云利军
叶志霞
王一博
李亚召
-
机构
云南师范大学信息学院
-
出处
《计算机工程与科学》
CSCD
北大核心
2021年第10期1833-1837,共5页
-
基金
云南省应用基础研究计划重点项目(2018FA033)
云南师范大学研究生科研创新基金(ysdyjs2019152)。
-
文摘
针对烟叶存储期间的霉变问题,传统的防治措施效果欠佳,且已有的烟叶霉变预测模型的准确率较低,不能有效减少烟叶霉变现象的发生。为了提高预测烟叶霉变状态的准确率,提出了一种基于一维卷积深度神经网络(1D-CNN)的方法。以采集终端传感器数据为基础,对其进行标准化处理,得到模型训练特征,训练一个1D-CNN来预测烟叶霉变状态,优化网络结构,实验结果表明所提方法的预测准确率高于其它传统模型。最后,设计并实现了烟叶仓储霉变智能监测系统,实现了烟叶霉变的实时预测功能,取得了较好的效果。
-
关键词
烟叶霉变
卷积神经网络
霉变预测
-
Keywords
tobacco leaf mildew
convolutional neural network
mildew prediction
-
分类号
TP399
[自动化与计算机技术—计算机应用技术]
-
-
题名基于卷积神经网络的霉变烟叶图像识别方法研究
被引量：15
- 2
-
-
作者
李亚召
云利军
叶志霞
王坤
翟乃琦
-
机构
云南师范大学信息学院
-
出处
《计算机工程与科学》
CSCD
北大核心
2021年第3期473-479,共7页
-
基金
云南省应用基础研究计划重点项目(2018FA033)
云南师范大学研究生科研创新基金(ynnuyjs2019152)。
-
文摘
针对人工在线精选霉变烟叶时,存在效率低下、容易漏检等缺点,提出了一种基于卷积神经网络模型对霉变烟叶图像进行筛选、分类识别的方法。首先建立烟叶数据集,然后搭建卷积神经网络模型,利用卷积神经网络先初步提取特征,再筛选提取主要特征,然后进行各部分的特征汇总;最后实现图像的分类,从而实现了快速、准确的识别霉变烟叶图像和正常烟叶图像。实验结果表明,与人工挑选霉变烟叶的方法和烟叶传统图像分类算法相比较,搭建的卷积神经网络不仅具有较高的识别准确率,也简化了人工提取图像特征的复杂过程。
-
关键词
霉变烟叶
卷积神经网络模型
图像分类
-
Keywords
moldy tobacco leaves
convolutional neural network
image classification
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于物联网技术的仓储烟叶霉变状态智能监测方法研究
被引量：6
- 3
-
-
作者
张竞超
翟乃琦
王一博
云利军
-
机构
云南师范大学信息学院
-
出处
《湖北农业科学》
2021年第20期167-170,178,共5页
-
基金
云南省应用基础研究计划重点项目(2018FA033)
云南师范大学研究生科研创新基金项目(yjs2018129)。
-
文摘
为对烟叶仓储中的霉变状态进行全方面的快速检测,解决传统霉变检测手段流程复杂需要人工判定的问题,基于物联网技术与BP神经网络算法搭建了一套烟叶仓储环境特定参数的监测平台,从而实现对仓储烟叶霉变状态的智能监测。首先,设计了烟叶仓储环境数据采集终端和手持无线中继器,手持无线中继器用于唤醒数据采集终端,并利用无线射频传输的方式获取终端采集的环境参数,同时通过GPRS将数据发送到服务器,服务器完成数据解析处理。之后,基于BP神经网络算法建立了烟叶状态识别模型,通过对所采集环境参数进行分析处理,得出烟叶状态,并通过仿真试验验证了模型的有效性。最后,开发并完成了烟叶仓储环境智能监测信息管理系统,实现烟叶环境参数和烟叶霉变状态的直观显示和报警。测试结果表明,利用物联网技术并结合BP神经网络算法,能够有效地完成仓储烟叶霉变状态的监测,具有一定的实际应用价值。
-
关键词
仓储烟叶
BP神经网络
物联网技术
霉变状态监测
-
Keywords
tobacco storage
BP neural network
Internet of things technology
mildew status monitoring
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
