简介:为了解决当前工业仪表示数在采图环境恶劣和样本数据量大的情况下所导致的算法识别不准确的问题,分别从特征学习与机器学习识别的角度出发,提出了基于特征学习与支持向量机的工业仪表状态识别算法。首先,提取仪表图像区域字符的几何特征和颜色特征,对这些提取出的特征进行归一化处理,设计出特征提取分析算子,达到精准提取有用特征数据的目的。然后,基于支持向量机,计算出分类器的最优平面和约束条件,从而建立仪表识别算子,进一步精确识别仪表示数。最后,基于软件开发环境QT实现算法,并系统集成。实验测试结果显示:与当前仪表识别技术相比,此算法拥有更高的准确性与稳定性,能够准确地根据仪表数字识别出电压,从而确定仪表工作状态是否正常。
简介:室内人工饲养条件下研究了柳蓝叶甲(PlagioderaversicoloraLaicharting)形态特征和生物学习性,结果表明,越冬成虫寿命15-30d,卵期4-6d,幼虫期7-10d,蛹期5-7d。第1代卵期仅4d,幼虫期7-9d,蛹期4-5d,第1代成虫以上午7-10点为交尾盛期,交尾历时3h左右,并可以多次交尾。成虫白天产卵,且以下午13:00-14:00和17:30-18:30为产卵盛期,约占全天产卵量的80%,单个卵块最多有卵34粒,平均15粒,每雌虫20d内产卵48-115粒。第1代卵块的孵化率平均达65.5%,孵化幼虫的成活率达81.0%,幼虫的化蛹率达89.3%,蛹的羽化率达80.1%。