基于计算机视觉和神经网络技术的烟叶品质智能识别方法

re．imshow (I Fiher1)；

I_Filter 2=medfdt2 （J2，[5， 5])；

％窗口大小为5x5

figure，imshow (I_Filter2)；

I_Filter3=medf#39;dt2 （J2，[7， 7])；

％窗口大小为7x7

figure，imshow (I_Filter3)；

3．7用神经网络技术对烟叶图像进行智能识别

神经网络作为一种自适应的模式识别技术，并不需要预选给定有关模式的经验知识和判别函数，它能通过自身的学习机制自动形成所要求的决策区域。网络的我由其拓朴结构、神经元特性、学习和训练规则所决定，它可以充分利用状态信息，对不同状态一一进行训练而获得某种映射关系，并且，网络可以连续学习，即使环境变异，这咱映射关系可以自适应调整。在上面各节获取烟叶图像特征基础之上，可以用神经网络技术进行图像模式识别。例如，基于概率神经网络PNN的烟叶品质智能识别，它的主要优点是：快速训练，训练时问仅略大于读取数据时间；无论分类多么复杂，只要有足够的训练数据(而这是烟叶生产一线可以做到的)，就可以保证获得贝斯叶准则下的最优解，允许增加或减少训练数据而无需重新进行长时间训练。这一神经网络对于烟叶品质的图像识别，具有重要意义。

4结论

基于计算机视觉和神经网络技术的烟叶品质识别的数字图像处理方法，代写医学论文 是烟叶生产环节的一种技术创新，它可以在烟叶生产一线普及推广，简便易行，能够较大地提高烟叶品质检测的效率和质量，以及自动化程度和智能化水平。

参考文献

[1]于润伟．基于图像处理的稻米垩白自动检测研究[J]．中国粮油学报，2007，1：122—124．

[2]章毓晋-图像处理和分析[M]．北京：清华大学出版社，1999．

[3]崔屹．图像处理与分析——数学形态学方法及其应用[M]．北京：科学出版社，2000．

更多计算机与外设信息请关注：21ic计算机与外设频道