排序方式: 共有32条查询结果,搜索用时 187 毫秒
1.
基于近红外光谱技术的茶油原产地快速鉴别 总被引:2,自引:3,他引:2
为研究茶油原产地溯源问题,维护其市场秩序,促进公平竞争。该文利用近红外光谱技术采集湖南、江西、安徽和浙江4个不同产地茶油的光谱数据,并运用 Savitzky-Golay 平滑(savitzky-golay, SG)、多元散射校正(multiplicative scatter correction, MSC)、一阶导数(first derivation, FD)和矢量归一化(vector normalization, VN)等4种方法对其进行预处理。采用偏最小二乘法(partial least squares, PLS)提取最佳主成分,构建 PLS 回归模型;同时,采用主成分分析(principal component analysis, PCA)和 PLS 算法提取最佳主成分,作为 BP 人工神经网络(BP artificial neural network, BPANN)输入变量,构建 PCA-BPANN 和 PLS-BPANN 模型。以验证集相关系数 RP 和验证集均方根误差 RMSEP 为模型的评价指标,分别优选最佳 PLS 和 BPANN 模型。试验结果表明,SG-PLS-DA 和 SG-PLS-BPANN-DA 模型对未知样本的整体分类准确率均大于90%。其中,SG-PLS-BPANN-DA 的鉴别效果优于前者,其建模集相关系数 RC、均方根误差 RMSEC 分别为0.974、0.170,验证集相关系数 RP、均方根误差 RMSEP 分别为0.972、0.172,对上述两类样本集的总体分类准确率分别为98.15%、95.83%,该模型能较准确鉴别茶油原产地。研究结果可为快速辨别茶油原产地提供参考。 相似文献
2.
3.
基于神经网络预测的无线传感器网络田间射频信号路径损耗 总被引:2,自引:2,他引:0
为解决应用无线传感器网络技术监测农田信息时无法快速预测射频信号路径损耗的问题,基于神经网络理论研究了田间路径损耗与其影响因素间的关系。试验中选取915和2 470 MHz 2个载波频率,在冬小麦的不同生长阶段测量射频信号在田间各影响因素作用下的路径损耗,建立和验证基于神经网络的射频信号田间路径损耗预测模型。所建立模型模拟值与实测值的相关系数为0.92,应用建立的神经网络预测田间射频信号路径损耗并与实测值对比,最大预测误差绝对值为4.186 dB,最大预测标准差为2.759 dB,预测准确度为94.2%。所建立的BP网络可以对田间射频信号路径损耗进行预测。 相似文献
4.
在6GF–4型林果无损检测与分选成套设备中,设计了基于可见/近红外光谱的柑橘糖度在线检测分选系统,系统主要包括传输装置、光谱采集装置、控制系统以及分选装置。系统在柑橘果实运动状态中采集其光谱信息,并通过所建立的果实糖度模型进行同步计算,根据所得糖度值对柑橘果实实现在线分选。在光谱采集装置中设计了双透镜式光路,可改变投射于柑橘果实上的光斑大小,通过研究比较试验参数积分时间和光斑尺寸大小,得出系统的最佳采集参数为积分时间100 ms,光斑尺寸设置为小,样本移动速率为5个/s。建立的SPXY–CARS–PLSR柑橘糖度在线检测模型校准集和预测集的决定系数分别为0.938和0.836,校准集和预测集的均方根误差分别为0.273°Brix和0.418°Brix。使用未参与建模的25个柑橘果实样本进行外部验证集的在线检测和分选,结果在1°Brix的误差范围内,检测糖度的准确率为92%;当样本分为4个等级时,系统分选正确率为92%;当样本分为3个等级时,系统分选正确率可达100%。 相似文献
5.
基于卡尔曼滤波的橘小实蝇成虫运动轨迹优化跟踪 总被引:1,自引:1,他引:0
为了实现橘小实蝇虫口密度的精准监测,该文将机器视觉技术作为田间橘小实蝇成虫入侵自动化监测的感知方法。通过对监测区域内运动目标和背景的颜色分析,提出了基于卡尔曼(Kalman)滤波的运动目标颜色均值漂移跟踪算法,优化了多目标运动轨迹跟踪效果。该算法通过图像处理和匹配技术提取了橘小实蝇成虫在虫口监测区域二维平面X轴和Y轴方向上的位置坐标和速度分量,推算了橘小实蝇成虫运动轨迹递推关系。基于动态系统的状态序列线性最小方差估计理论和成虫运动轨迹关系分析,构建了卡尔曼滤波状态估计模型,并建立其预测和修正方程实现了橘小实蝇成虫运动目标位置估计。通过在虫口监测区域开展单目标和多目标分散及粘连条件下的成虫跟踪试验,试验结果表明颜色均值漂移跟踪算法对橘小实蝇成虫单目标跟踪具有较好的适应性,成虫监测计数准确率达100%,对于多目标分散和粘连情况跟踪处理效果较差,计数准确率分别下降至86%和76%;通过在颜色空间均值漂移跟踪算法的基础上引入Kalman滤波器估算目标运动的近似位置,实现了对橘小实蝇成虫分散和粘连多目标运动的持续跟踪优化,监测计数准确率分别提升至96%和93%。机器视觉技术实时跟踪橘小实蝇成虫在虫口监测区域运动轨迹试验进一步验证了橘小实蝇成虫虫口密度监测的可行性,为田间橘小实蝇成虫发生自动化监测技术研究提供了参考。 相似文献
6.
山地果园索道张紧调节自动控制装置的设计 总被引:7,自引:6,他引:1
为进一步提高山地果园中果品农资运输的安全性和可靠性,解决传统索道张紧调节依赖于人力或机械的方法受到使用强度限制,无法对索道运行过程中驱动链张紧进行实时检测,导致张紧调节具有滞后性、自适应不强等问题,该文设计了一种山地果园索道张紧调节自动控制装置,张紧调节采用PID控制算法,可适用于不同负载条件下,实时检测驱动链张紧力变化调整索道驱动链张紧程度。试验结果表明:索道运行过程中,张紧控制系统工作在无控制和PID控制条件下,驱动链分别承受的张紧力均值变化范围为:653.5944~763.4059 N和508.1988~568.7609 N,能有效地实现驱动链张紧自动调节,控制系统最大跟踪误差为104 N,平均误差为13.6417 N。 相似文献
7.
农田土壤含水率监测的无线传感器网络系统设计 总被引:8,自引:11,他引:8
为解决传统土壤含水率监测中所存在的监测区域面积小、采样率低等问题,设计和开发了基于无线传感器网络技术的土壤含水率监测系统,包括10个传感器节点,1个簇首和1个基站节点,可按任意时间间隔全自动地采集、处理、传输和存储地表以下4个不同土层土壤含水率变化状况;各类节点采用TinyOS操作系统,节点间通信遵循ZigBee协议;含水率测量采用EC-5传感器;太阳能供电模块的供电能力满足传感器节点及簇首的能耗需求;进行了数据包传输率试验,10个传感器节点中有7个的数据包正确传输率高于90%,1个节点的数据包正确传输率为89.2%,2个节点的传输率低于70%。造成2个节点数据包传输率较低的主要原因是太阳能供电电路制作,通过更换电路板解决了该问题。试验结果表明,系统能够实现稳定的数据传输,适合农田土壤含水率的实时监测。 相似文献
8.
将无线传感器网络技术作为信息感知和传输的载体,设计和开发了橘小实蝇成虫发生量及环境因子协同监测系统,并在广州地区选择挂果期和成熟期柑橘园,开展了近6个月的橘小实蝇成虫发生量及其发生区域环境因子协同监测试验。结果表明:8月上旬至10月上旬,气温分布在22.5~36.5℃,且处于柑橘挂果期,橘小实蝇成虫发生量猛增并达到最大,周虫量516~893头;10月中旬至11月下旬,处于柑橘成熟期,天气干燥,气温分布在16.4~30.1℃,橘小实蝇成虫发生量开始呈波动性回落,周虫量108~293头;12月上旬至翌年1月中旬,降水量少,气温分布在10.5~27.5℃,由于缺乏维持营养的果实,橘小实蝇成虫数量很少,周虫量0~18头;对各环境因子进行主成分判别和因子主成分荷载分析表明,温光因素和降水对橘小实蝇成虫发生量的作用明显,其中,温光因素作用最大,空气和土壤温度是其主要因子,相应的成分荷载分别为0.960和0.961;降水作用次之,降水量和土壤含水量是其主要因子,相应的成分荷载分别为0.712和0.809。 相似文献
9.
针对柑橘果形特征中圆度和果径检测精度低、姿态定位时间长的问题,设计了一种嵌入式快速检测与控制系统。系统以STM32单片机为系统控制核心,测量了单目相机图像的半径误差和形状误差,并采用高斯滤波、数字图像形态学、Hu矩和Canny算法,对动态的柑橘图像进行姿态识别与柑橘果形检测。检测结果表明:视觉检测系统半径误差控制在1.8%以内,形状误差为2.71%~3.69%;在5个/s柑橘的检测速度下,柑橘圆度和果径的在线分级正确率分别为81%和91.92%。本研究结合机器视觉无损检测技术,实现了动态下柑橘圆度和果径特征的综合检测与分级。 相似文献
10.
吹扫式仿生嗅觉检测装置的设计与性能试验 总被引:1,自引:1,他引:0
为研究仿生嗅觉检测装置的检测性能,该文研制了一种吹扫式仿生嗅觉检测装置,选取传感器阵列灵敏度、响应时间和恢复时间作为装置性能指标,分析了传感器加热电压、待检气体湿度以及流量等控制参数对嗅觉检测性能的影响,并进一步验证优化控制参数的仿生嗅觉检测装置对气味检测的可行性和检测性能。试验结果表明:传感器阵列灵敏度随加热电压增大而增大,其响应和恢复时间随加热电压增大而减小,加热电压为5.0 V时,装置性能较佳,其传感器阵列灵敏度分布范围为2.260~4.823,响应和恢复时间分布范围分别为46~53 s、44~70 s;增加气体湿度会使传感器阵列灵敏度减小,同时也会延长响应和恢复时间,气体相对湿度为30%时,装置性能较佳;传感器阵列灵敏度随载气流量的增加先递增后减小,其响应和恢复时间随流量的增加先减小后递增,流量为100 m L/min时,装置性能较佳,其传感器阵列灵敏度分布范围为2.853~7.559,响应和恢复时间分布范围分别为35~50 s、30~50 s;在优化控制参数下,待检气体体积分数范围控制在0.002%~0.020%时,装置检测灵敏度较高,范围为3 577.1~6 700.7;线性特性和重复性较好,决定系数范围为0.901~0.997,变异系数范围为0.832%~9.696%,能满足仿生嗅觉气味检测的要求,可为后续开展仿生嗅觉的应用性研究提供数据参考与技术支撑。 相似文献