排序方式: 共有10条查询结果,搜索用时 328 毫秒
1
1.
[目的]为满足国家对全国储粮数量在线检测的迫切需求,提出了一种基于深度神经网络的粮仓储粮数量检测方法。[方法]通过在粮仓底部布置若干压力传感器的方法获取粮仓底部所受压强值,并以分次进粮方法,分别记录所受压强值。通过R语言平台构建不同层次的深度神经网络结构并利用对数据集的学习得出检测模型,根据检测精度选择出最佳检测模型结构。通过最佳检测模型分别对试验仓及通州、齐河实仓进行检测实验。[结果]试验仓检测平均误差约为1.88%,通州实仓检测平均误差约为0.02%,齐河实仓检测平均误差约为0.08%。[结论]基于深度神经网络的粮仓储粮数量检测模型精度高,可用性强,为粮仓储粮数量的检测提供了一种新方法。 相似文献
2.
3.
4.
5.
为了快速无损检测分析小麦蛋白质含量,构建近红外光谱最优小麦蛋白质定量检测分析模型。利用一阶S-G平滑算法+SNV算法对光谱进行预处理。使用连续投影算法(Successive projections algorithm, SPA)提取光谱中的特征波段点,使全谱图的141个波段点降低到17个特征波段点。在选择的17个特征波段点基础上分别建立偏最小二乘回归(Partial least regression, PLSR)模型、支持向量机(Support vector machine, SVM)模型、多元线性回归(Multiple linear squares regression, MLR)模型和主成分回归(Principal component regression, PCR)模型。在构建的4种小麦蛋白质含量预测模型中,MLR预测分析模型的验证集均方根误差(RMSEV)和校正集均方根误差(RMSEC)最小,验证集相关系数(r_v)和校正集相关系数(r_c)最大,其r_v=0.968,r_c=0.976,RMSEV=0.300,RMSEC=0.275。因此,相比于其他3种检测模型,建立的MLR小麦蛋白质含量检测模型最优,稳定性和精确性最高。 相似文献
6.
7.
8.
9.
10.
采用虎红平板凝集试验(RBT)、全乳环状试验(MRT)和试管凝集试验(SAT)3种国家标准认可的动物布病检疫方法检测奶牛布氏杆菌抗体,并进行了比较研究。从82头非免疫和S2菌苗免疫的奶牛采集血样和乳样,RBT检测血样的阳性率为51.22%(42/82),MRT检测乳样的阳性率为46.34%(38/82),SAT检测血样的阳性率为45.12%(37/82)。以SAT定量检测的结果为参照标准,RBT初筛试验的符合率比MRT高,而且MRT反应强度的差异与SAT抗体滴度没有明显相关性。另对乳清和血清样本中布氏杆菌抗体的差异进行了分析讨论。 相似文献
1