基于蚁群优化SVM果蔬识别图像识别方法研究开题报告

 2022-09-26 14:41:26

1. 研究目的与意义

我国是一个农业大国,水果和蔬菜总产量均居世界首位。

据农业部统计,1998年,我国水果产量达5503.7万吨,占世界总产量的12.7%;2004年,总产量达7823万吨,占世界总产量的15.73%;2006年总产量达16700万吨,占世界水果总产量的20%以上。

近些年来,我国蔬菜栽种面积也在迅速扩大,己由19%年的1.6亿亩增加到2006年的2.7亿亩,2009我国蔬菜栽种面积和产量分别占世界的43%和49%[1-4]。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

2. 课题关键问题和重难点

本课题主要研究基于蚁群优化SVM果蔬识别图像识别方法。

从已有的果蔬图像库中导入图片,对图片实行预处理,利用SVM技术进行果蔬图像识别方法研究。

要求:1)掌握蚁群优化的基本原理。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

3. 国内外研究现状(文献综述)

本文主要提出了一种基于Gabor小波变换的果蔬特征提取算法,使用二维PCA方法进行降维,结合压缩感知理论中最小范式的方法对特征提取结果进行分类,并且进行交叉验证,分析识别率。

比较不同Gabor内核窗大小,不同降维数对实验结果的影响。

验证了Gabor变换能够很好的保存图像的局部特征,在足够的训练样本数及相同的降维数下,通过Gabor变换的特征提取方法能够更好地提高识别率。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

4. 研究方案

蚁群算法最初由意大利学者DorigoM于1991年首次提出,其本质上是一个复杂的智能系统,它具有较强的鲁棒性、优良的分布式计算机制、易于与其他方法结合等优点。

如今这一新兴的仿生优化算法已经成为人工智能领域的一个研究热点。

目前对其研究已渗透到多个应用领域,并由解决一维静态优化问题发展到解决多维动态组合优化问题。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

5. 工作计划

第1周:了解毕业设计任务,收集资料。

第2周: 弄清蚁群优化SVM的结构和工作原理,系统设计思想、设计方法第3周:了解蚁群算法的的应用。

第4周: 在此基础上写出毕业设计的开题报告,提出设计方案,并完成相关英文资料的翻译。

剩余内容已隐藏,您需要先支付 1元 才能查看该篇文章全部内容!立即支付

以上是毕业论文开题报告,课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。