【摘 要】
：
介绍了物联网技术和图像处理流程,研究了基于视频图像处理和卷积CNN算法的森林火灾烟雾识别模型,设计了一套农业森林智慧烟感预警系统。实验结果表明:该系统和颜色+运动+形态、Gabor小波相比,学习效率和准确率均较高,具有非常好的收敛性,在森林发生火灾时能够灵敏地检测到,且报警及时,证明了系统具有一定的可行性。
论文部分内容阅读
介绍了物联网技术和图像处理流程,研究了基于视频图像处理和卷积CNN算法的森林火灾烟雾识别模型,设计了一套农业森林智慧烟感预警系统。实验结果表明:该系统和颜色+运动+形态、Gabor小波相比,学习效率和准确率均较高,具有非常好的收敛性,在森林发生火灾时能够灵敏地检测到,且报警及时,证明了系统具有一定的可行性。
其他文献
火箭发动机壳体内部螺纹连接处缝隙的检测精度是衡量其质量的重要指标,由于发动机壳体内表面形貌复杂,因此内缝质量仅靠人工检测不仅效率低而且可靠性差。提出一种基于FNN网络的内缝视觉检测方法,以灰度共生矩阵和PCA算法构造图像的特征参数,训练FNN网络,将火箭发动机壳体内缝的粗加工面与精加工面进行分类,分类识别率98.8%;然后,对两类情况做不同的图像处理,用Sobel算子找到缝隙边缘;最后,通过标定进
目前用在一次设备上的测温手段存在诸多局限,导致其难以用在一二次融合设备中。将基于射频识别技术(RFID)的温度传感器应用于一二次融合成套设备中,设计了RFID的一二次融合测温系统。利用RFID无需布线、无线传输的优点,将经过特殊结构设计的RFID传感器加入一次设备中,减少了布线,弱化了一二次分界。测试结果表明:相比于其他传统温度监测方法,基于RFID温度标签的温度监测具有能够身份识别、测温节点体积
建造和运营空间站是我国载人航天工程三步走发展战略的重要目标,天宫空间站任务定位是国家级太空实验室和国际科技合作交流平台,由天和核心舱、问天实验舱和梦天实验舱三个舱段组成.本文介绍了天宫空间站系统方案,以国外和平号空间站和国际空间站为参照,对天宫空间站的关键技术特点进行了分析,总结了天宫空间站在系统集成设计优化、新技术比重大、费效比高、注重航天员安全和高效工作、扩展空间大等方面的技术特点,体现了天宫
随着果品技术的不断发展和进步,无损检测技术被应用到水果分级检测系统的设计上,由于无损检测技术检测效率快、自动化程度高,成为水果分拣技术研究的重要课题。为此,在苹果分拣机的设计上引入了机器视觉技术,利用图像的滤波和边缘检测技术,成功提取了苹果的尺寸特征,并结合苹果的称重分拣,有效提高了苹果分拣的效率和准确性。对分拣机进行了测试,结果表明:采用基于机器视觉技术的苹果大小检测方法,可以有效提高苹果分拣的
产量的获取是实施精准农业的关键,许多研究人员提出了多种向日葵产量监测方法,但测产的精度及适用性还不能完全满足用户要求。为此,提出了采用图像处理的方法对向日葵产量进行监测,并搭建了机器视觉系统的硬件平台对向日葵葵盘图像进行采集,拟定两种图像处理方案,确定最优方法。选用八邻域算法对两种方案标记的最大连通区域进行面积信息计算,通过面积信息与人工计数得到的籽粒数量获取单个籽粒的面积信息,再由多组试验确定单
针对采摘机器人果实识别速率较低导致采摘效率较低的问题,对数据挖掘技术在采摘机器人中图像采集过程的应用进行了分析。采摘机器人主要组成包括图像采集模块、运动控制模块、气压驱动模块、电源模块、微处理器模块和无线网传输模块。为了提升图像数据的处理速度,采用MR模型和决策树中的ID_3算法对图像数据进行处理,并构建决策树模型,对图像数据进行数据挖掘处理。为了验证该采摘机器人的性能,对其进行数据挖掘算法调试试
从现阶段我国农机导航的应用和实际作用来看,导航系统对农业机械作业过程的优化还处于初级阶段,农业机械与导航系统在功能上的融合并不充分,导致导航系统对于农业机械化生产作业的作用仅限于提供作业方案和监测行驶状态等方面。为此,从农业机械的自动导航驾驶技术出发,强调了视觉技术在农机导航中发挥的作用,并结合近年来农机视觉导航技术的研究成果,分析了提高视觉导航精准度的可行方案。为更好地通过计算机视觉导航优化农机
在大型种植林木果园,由于林木的密集性,在遇到干旱气候条件时容易发生火灾,为了保证林木果园的安全性,保障果园作业的顺利进行,需要对果园林木进行实时监测,在发生火灾时及时地进行灭火。为此,基于物联网和图像处理技术,将智能化火灾预警机器人引入到了果园林木火灾的识别上,并模拟农业果园林木环境对机器人火灾识别的准确率进行了测试。将测试结果和实际测量结果进行了对比,对比结果发现:采用物联网和图像处理技术对火灾
分蘖数是冬小麦产量评估的重要指标,分蘖性状的高通量获取对小麦育种研究及功能基因组鉴定具有重要意义。针对目前小麦分蘖数检测主要依靠人工普查、费时耗力、可重复性差等问题,提出一种基于机器视觉的抽穗期冬小麦分蘖数快速检测方法。首先,利用超绿算子与RGB色彩空间下恒定颜色分割,结合形态学操作,获得目标前景区域和边界;然后,使用小波变换Haar特征的线特征检测拓展模板,提取完整植株边缘信息;最后,采用Hou
为使采摘机器人更加快速和准确地识别目标和进行等级分类,提出了一种基于LM优化算法的BP神经网络的目标识别分类方法,能够快速对目标水果进行识别和分类。测试结果表明:采摘机器人目标识别分类方法对测试样本的分类正确率在90%以上,图像识别时间在3.80s以内,能够满足采摘机器人作业需求,证实了该方法的可行性。