基于Android的毒蘑菇识别系统研究与设计

论文摘要

目前,毒蘑菇的鉴别方法主要包括,以民间经验为基础的形态识别法、化学分析法和动物检验法等。以上识别方法在实际的检测中存在需要复杂的实验仪器,对不明毒素的检测不理想,准确率不高且所需的实验周期长等不足。本文针对目前现有的毒蘑菇鉴别方法存在的问题,在Android平台上结合图像处理技术、网络通信、数据库以及模式识别技术等知识,研究设计一款基于Android移动终端的毒蘑菇辅助识别系统,以实现可以对毒蘑菇进行实时快速的识别分类,提高人们对毒蘑菇的认识。系统采用C/S架构,包括客户端和服务器端。本文以内蒙古自治区呼伦贝尔地区野生蘑菇为研究对象,在MATLAB软件环境下,对采集到的蘑菇图像进行裁剪分割处理,根据其宏观特征,提取颜色和纹理两方面特征向量,构建特征向量组合作为分类器的输入。针对所提取的特征参数非线性的特点,建立基于BP神经网络的毒蘑菇先验分类模型。在Android平台下进行客户端的开发,主要实现图像的采集、裁剪及传输功能,用户进入客户端后需要选择待识别图像,可以通过调用客户端摄像头拍摄或在本地相册中选择添加,对选择的图像进行裁剪后并上传到服务器进行识别分类。服务器端接收到图像后,调用毒蘑菇分类模型对其进行识别分类,并将识别结果返回到客户端。最后,采用TCP/IP通信协议完成客户端与服务器端的通信。对开发完成后的系统进行测试,实验结果验证了算法的可行性,基于Android的毒蘑菇识别系统可以实时有效地进行毒蘑菇的分类。

论文目录

• 摘要
• Abstract
• 第一章 绪论
•   1.1 课题研究背景及意义
•   1.2 国内外研究现状
•   1.3 研究内容及章节安排
•     1.3.1 研究内容
•     1.3.2 课题章节安排
• 第二章 图像处理及特征提取
•   2.1 图像裁剪
•   2.2 图像分割
•     2.2.1 颜色空间模型的选取
•     2.2.2 K-means聚类算法
•   2.3 特征提取
•     2.3.1 颜色特征
•     2.3.2 纹理特征
•   2.4 本章小结
• 第三章 BP神经网络分类模型
•   3.1 BP神经网络概述
•     3.1.1 BP神经网络结构
•     3.1.2 BP网络模型构成
•   3.2 建立BP神经网络模型
•     3.2.1 网络层数及激活函数的选择
•     3.2.2 隐含层节点及训练函数的选择
•     3.2.3 网络参数的选择
•   3.3 BP神经网络计算步骤
•   3.4 BP神经网络模型MATLAB实现
•     3.4.1 BP神经网络模型
•     3.4.2 BP神经网络模型性能分析
•     3.4.3 分类结果的分析
•   3.5 本章小结
• 第四章 基于Android的毒蘑菇识别系统结构
•   4.1 需求分析
•   4.2 可行性分析
•   4.3 系统设计思路
•     4.3.1 设计原则
•     4.3.2 设计思路
•   4.4 系统结构
•     4.4.1 图像采集及裁剪模块
•     4.4.2 图像传输模块
•     4.4.3 图像识别模块
•     4.4.4 数据库
•     4.4.5 系统工作流程
•   4.5 本章小结
• 第五章 基于Android的毒蘑菇识别系统的实现
•   5.1 系统环境搭建
•     5.1.1 系统软硬件配置
•     5.1.2 系统开发环境
•   5.2 Android客户端的设计与实现
•     5.2.1 客户端界面设计
•     5.2.2 权限设置
•     5.2.3 图像采集及裁剪模块实现
•     5.2.4 图像传输模块实现
•   5.3 服务器端设计与实现
•     5.3.1 服务器端的GUI设计
•     5.3.2 建立数据库
•     5.3.3 图像识别模块实现
•   5.4 网络通信协议
•   5.5 系统测试
•   5.6 系统测试结果与分析
•   5.7 本章小结
• 结论
• 参考文献
• 致谢
• 攻读学位期间发表的学术论文及研究成果
• 作者简介
• 附录

文章来源

类型: 硕士论文

作者: 庞凤丽

导师: 房建东,赵于东

关键词: 毒蘑菇,图像识别,平台,特征提取,神经网络算法

来源: 内蒙古工业大学

年度: 2019

分类: 基础科学,信息科技

专业: 生物学,生物学,计算机软件及计算机应用,自动化技术

单位: 内蒙古工业大学

分类号: TP391.41;TP183;Q949.32

总页数: 63

文件大小: 7769K

下载量: 237