共查询到20条相似文献,搜索用时 46 毫秒
1.
蒙古栎木材MOR与MOE的近红外光谱预测模型分析 总被引:1,自引:1,他引:0
蒙古栎是重要的结构用材,对其抗弯强度(MOR)与抗弯弹性模量(MOE)进行快速准确的无损检测是具有工程应用价值的科学问题。为实现蒙古栎木材MOR与MOE的快速无损检测,以900~1 700 nm的便携式近红外光谱仪为检测手段,提出一阶导数与S-G卷积平滑处理相结合的数据预处理方法,采用木材径切面与弦切面2个切面近红外光谱的平均值作为建模数据,利用Isomap-PLS算法建立预测模型估计木材的MOR、MOE。试验采用135个300 mm20 mm20 mm的无疵小试样为样本,其中90个组成校正集,45个组成预测集。结果表明:一阶导数处理能够消除光谱背景平缓区域干扰,S-G卷积处理能滤除高频噪声;采用径切面与弦切面光谱的平均值,比采用单一切面建模效果好,校正相关系数大,校正标准误差小;Isomap-PLS模型优于PLS、iPLS、MWPLS、CSMWPLS、BiPLS、LLE-PLS模型,MOR预测相关系数为0.89,预测标准误差(SEP)为11.43,相对分析误差(RPD)为2.552.5;MOE预测相关系数为0.88,SEP为2.73,RPD为2.582.5。可见,所建近红外模型可以完成蒙古栎无疵木材快速有效的无损检测。 相似文献
2.
针对作物建模过程中监测数据存在的时间段识别分段以及异常数据问题,研究自动、有效的数据预处理方法,以期为后续分析和建模提供可靠的样本。采用改进后的聚类分析对监测获得的多维时间序列数据进行分类,进而获得连续、全面、均匀的时间段,在此基础上,根据样本数据规模选择合适的异常检测准则,用于异常数据检测和处理。通过对黑豆以及番茄、南瓜、黄瓜等作物监测数据的聚类分析及异常检测处理,高效地筛选出适合分析和建模的数据样本集。研究表明,聚类分析与异常检测相结合的数据预处理方法有效避免了作物监测实验中存在的误差和干扰,提高了数据分析与建模的质量和效率,在作物模型尤其是小样本作物模型的研究和应用中具有潜力。 相似文献
3.
无损检测技术作为一门新兴的综合性应用学科,大致可分为光学检测法、声学检测法、视觉检测法和电磁学检测法.基于光学原理的无损检测技术——近红外检测技术由于其高效、快速的特点,已经广泛应用于果蔬品质的无损检测.综述近红外检测技术在水果品质检测方面的国内外研究进展,并展望该技术的发展前景. 相似文献
4.
为了实现木材孔洞缺陷位置的检测,提出了一种基于模糊聚类分析的新型木材声波无损检测方法。针对端部孔、无孔洞和中间孔木材试件,运用敲击法采集木材声波信号,提取时频特征向量作为样本数据,运用基于传递闭包的模糊相似矩阵对训练样本进行聚类分析,建立不同类别的模糊模式库,采用最大隶属度原则对待测样本进行识别。结果表明:此方法克服了模糊聚类单一分析方法的不确定性,实现了多指标定量化的检测;该方法能够有效地对色木孔洞缺陷位置进行检测,且准确率较高,检测端部孔样本的准确率为84%,无孔洞样本准确率为94%,中间孔样本准确率为92%。 相似文献
5.
种子是农业实际生产中最根本的生产资料,种子活力的高低将直接影响农业生产和发展。种子活力的检测方法可分为无损和有损检测两大类。种子活力无损检测方法具备不损伤种子样本、检测效率高、可在线化检测、实验可重复性好以及实验污染少等优点,有近红外光谱检测技术、高光谱检测技术、电子鼻检测技术、机器视觉检测技术等多种无损检测法。基于国内外种子活力无损检测技术的发展现状,本研究综合评述了种子活力无损检测方法、技术以及检测结果,归纳了不同活力检测的特点、应用现状、研究进展以及在实际应用中优势和缺点,同时对种子活动检测技术发展趋势进行展望。 相似文献
6.
中国拥有大量的木结构古建筑。合理有效地检测评估木结构的存在状况,是古建筑保护和修缮工作的重要需求。古建筑木结构无损检测是以无损检测和评估古建筑木结构安全性,以现场应用和实际需求为导向的木材材性检测评估技术,检测内容主要包括缺陷无损检测和木材物理力学性能无损检测两个方面。木结构、木构件隐藏缺陷的检测以及评估是古建筑木结构无损检测工作的重点和难点。本文首先介绍古建筑木结构的组成,总结其无损检测内容和目前常见无损检测方法;然后归纳总结古建筑木构件隐藏缺陷无损检测、古建筑木构件分等、腐朽对古建筑木材力学性能影响等应用和研究进展;最后归纳说明古建筑木材力学性能无损检测和自然老化对古建筑木材性质影响的研究状况。以期对从事木结构文物保护技术应用和科研工作的相关人员,有所启发和帮助。 相似文献
7.
利用近红外光谱(350~2 500 nm)系统采集180个西葫芦样本的光谱数据,运用多种预处理方法对原始光谱数据进行处理,建立西葫芦果肉硬度的PCR、SMLR和PLSR预测模型;并通过对不同的建模模型进行分析,对西葫芦硬度进行快速检测,实现可见/近红外光谱技术对西葫芦的硬度品质在线无损检测。结果表明,经过卷积平滑法和标准正态变换(S-G+SNV)处理建立的PLSR硬度预测模型效果最好,校正集相关系数为0.979,预测集相关系数为0.976;验证模型结果预测相关系数为0.886,预测均方根误差为0.126。运用可见/近红外光谱技术对西葫芦硬度指标的预测研究具有可行性,研究结果可为今后在线快速无损检测果蔬硬度提供理论依据。 相似文献
8.
9.
建立可见-近红外漫反射光谱与沙棘汁品种之间的数学模型,以评价可见-近红外漫反射光谱技术快速检测沙棘汁品种。采用美国ASD公司的FieldSpec3光谱仪对三种不同品种的沙棘汁进行光谱分析,各获取30个样本的光谱数据,对原始光谱进行一阶微分和二阶微分预处理,并利用偏最小二乘法(PLS)数学校正方法对三种不同预处理的光谱数据建模。结果表明,采用二阶微分预处理数据,应用PLS方法建模较好,其校正模型相关系数为0.9992,均方根误差为0.0317;采用主成分回归(PCR)和偏最小二乘法(PLS),对沙棘汁的二阶微分数据进行分析比较,结果也表明,基于二阶微分数据,应用PLS方法建模较为理想,其预测集的相关系数为0.9988,所测预测样本的均方根误差为0.0392。近红外光谱可作为一种快速、有效的无损检测方法来识别沙棘汁的品种。 相似文献
10.
《浙江农林大学学报》2017,(2)
空气耦合超声波不需要液态耦合剂,可以实现真正的非接触式无损检测,已成为一种可靠的木材无损检测技术,但国内还没有相应的检测设备。介绍了空气耦合超声波及成像技术的原理,研制了一种用于木材无损检测的空气耦合超声波扫描成像系统。详细介绍了超声波发射接收系统、龙门式扫描机械臂及其控制系统、上位机软件等模块的设计方法。设计的系统可以实现单轴精度为0.01 mm的二维扫描,最大扫描区域为500 mm×300 mm。还可以针对样本木材的特性,方便地设定空气耦合超声波的频率、幅度、增益等参数。采用水杉Metasequoia glyptostroboides实木板、杉木Cunninghamia lanceolata指接板进行了实验,空气耦合超声波信号的幅度对木材裂缝、节子以及密度变化等较为敏感。该系统生成的扫描图像可以清晰地反映样本木材中裂缝、节子以及指接处的位置、形状和大小等信息。该系统可以应用于木材裂缝、节子等缺陷的无损检测,也可以用于木材在平面内的密度分布检测。 相似文献
11.
《浙江农林大学学报》2015,(3)
开展木材无损检测是提高木材利用率,优化木材资源的重要手段。高光谱成像技术作为一种先进的无损检测技术,能同时获取待测物的光谱与图像信息,具有图谱合一的优点。介绍了高光谱成像技术的原理、装置以及数据处理方法,并首次详细介绍了该技术在木材及木制品的缺陷识别、重要物理力学性质检测以及化学性质预测等方面的研究进展。通过综合分析已有的研究,表明高光谱成像技术在木材及木制品品质无损检测中具有良好的应用前景。 相似文献
12.
为了快速测定马铃薯干物质含量,利用可见-短波近红外光谱无损检测马铃薯的干物质含量,以207个具有代表性的马铃薯样本作为研究对象,其中115个作为马铃薯切片样本的研究,92个作为完整马铃薯的研究,通过对比两种样本的模型预测效果,探讨可见-短波近红外光谱用于马铃薯干物质含量的完全无损检测的可行性。切片样本光谱数据用Savitzky-Golay(S-G)一阶卷积求导方法预处理,根据局部最大值最小值原则和含氢基团(C-H、O-H)伸缩振动的敏感波段选定了5段特征波长参与建模,模型外部检验决定系数R~2=0.941 6,标准误差RMSE=3.91。完整马铃薯样本光谱数据在Multiplicative Scatter Correction(MSC)基础上使用S-G一阶卷积求导方法预处理,通过选取了线性关系较好的5段波长参与建模。模型外部检验决定系数R2=0.847 5,标准误差RMSE=4.07。结果表明,完整马铃薯样本模型的检测效果虽然没有切片样本效果理想,但仍可以作为实际生产中进行马铃薯干物质含量检验的有效手段。 相似文献
13.
糖度是水蜜桃最重要的品质指标之一。水蜜桃糖度无损检测方法主要借助可见/近红外光技术来实现,但该技术受到的制约因素较多。本文综合探究分析各类条件下近红外光谱技术在水蜜桃糖度无损检测中的应用,分析比较不同品种组合建模与测量方式,以提高水蜜桃糖度无损检测的精确性。研究以浙江宁波奉化本地的3个品种水蜜桃样本为研究对象,获取水蜜桃光谱数据进行建模分析。首先利用可自行建模的H-100型无损糖度检测仪进行实验,分析结果表明,不同品种构建的近红外光谱模型的均方根误差(RMSE)和决定系数(R2)不同,其中新玉模型的结果最佳,RMSE为0.22,R2为0.98;各类品种建立的模型对各自品种的数据分析结果最佳,而对其他品种数据的分析结果较差;数据种类越多,数据量越大,模型越优秀,3种品种混合模型的R2高达0.92。其次,采集奉化本地3个品种的水蜜桃样品,使用久保田K-SS300、ATAGO PAL-HIKARi 10及H100(自建模型)3款无损设备分别进行同部位检测,并将检测值与ATAGO PAL-1的有损检测值进行相关性分析。结果显示,... 相似文献
14.
利用近红外光谱结合SIMCA模式识别法来检测马尾松木材单板节子.结果表明,通过培训集样本建立的基于主成分分析的SIMCA判别模型对有无节子两种类型样本进行回判和对未知节子类型的样本(包括无节子和有节子样本)的判别正确率均达到90%~100%,说明应用近红外光谱结合SIMCA模式识别法可以快速有效地检测木材表面的节子缺陷. 相似文献
15.
基于漫反射法的番石榴可溶性固形物含量(SSC)无损检测中,确定番石榴最佳光谱取样的位置和数量,对提高检测精度具有重要意义。分别采集番石榴顶端、赤道和底部区域漫反射光谱,每个区域采集4 处,以赤道1处、赤道4 处平均和全部12 处平均光谱作为各样本的光谱,建立PLS 模型并对独立预测集样本进行预测。结果显示,12 处平均光谱数据建模效果最好,其预测相关系数Rp=0.962,预测均方根误差RMSEP=0.432;赤道4 处平均光谱建模效果次之,Rp=0.793,RMSEP 为0.588;赤道1 处光谱建模效果最差,Rp=0.687,RMSEP=0.599。再经过连续投影算法(SPA)筛选全谱变量,得到23 个特征波长,此时PLS 模型的Rp=0.902,RMSEP=0.438。试验结果表明,番石榴多处平均的漫反射光谱充分携带其内在品质信息,建模效果优于单处或单区域采样光谱。 相似文献
16.
17.
环焊缝缺陷是影响在役长输油气管道安全运行的重要因素,但环焊缝处漏磁内检测信号相对复杂,利用传统的人工分析方法不易实现缺陷的分类。在此,提出一种基于深度卷积神经网络(Deep Convolutional Neural Network,DCNN)的管道漏磁内检测环焊缝缺陷智能分类方法:将管道环焊缝漏磁内检测信号图像作为样本,并以环焊缝开挖后射线检测发现的缺陷类型为样本标签建立数据库,再利用深度卷积对抗生成网络(Deep Convolution Generative Adversarial Network,DCGAN)对数据集进行扩展增强;利用扩展增强后的数据集对残差网络进行改进与迭代训练,再使用训练后的残差网络对环焊缝漏磁内检测信号图像进行分类。实例应用结果表明:该方法可实现对环焊缝常见条形缺陷、圆形缺陷的识别分类,分类测试的准确率为83%~88%,对于圆形缺陷的召回率超过97%。新方法突破了人工分析环焊缝处漏磁内检测信号的局限,可为环焊缝缺陷智能分类提供参考。(图5,表6,参31) 相似文献
18.
《江苏农业科学》2016,(6)
为明确采用高光谱成像技术对葡萄可溶性固形物(SSC)检测的可行性。以高光谱成像系统为试验仪器,采集葡萄样本的漫反射光谱,对比分析不同光程校正方法、不同预处理方法对建模精度的影响,建立不同的葡萄SSC定量预测模型。研究结果表明,在波段500~1 000 nm的范围内,采用经过标准正态变化、一阶微分和Savitzky-Golay平滑相结合预处理后的偏最小二乘法建模方法预测能力最强,校正集相关系数(r_c)为0.912 6,校正集均方根误差(RMESC)为0.542,预测集相关系数(r_p)为0.854 0,预测集均方根误差(RMESP)为0.758。由结果可知,应用高光谱成像技术可以对葡萄可溶性固形物含量进行无损检测。 相似文献
19.
采用高光谱成像技术(HSI)在可见/近红外(363~1 026 nm)区域检测枇杷果实的可溶性固形物(SSC)和硬度,并判断其成熟度,以实现枇杷果实品质的无损检测和分级分选.利用蒙特卡洛法(MC)剔除异常样本,基于联合X-Y距离(SPXY)进行建模集和预测集样本的划分,再采用竞争性自适应权重采样算法(CARS)和连续投影算法(SPA)选取特征波长,与全波段光谱(FS)比较,分别建立偏最小二乘回归(PLSR)模型.结果显示,CARS-PLSR模型更优,CARS提取的SSC特征波长和硬度特征波长分别占总波长的8.52%和5.36%,枇杷果实中SSC和硬度的建模集相关系数Rc分别为0.981 7,0.970 7,预测集相关系数Rp分别为0.918 5,0.742 3,说明CARS能有效地对光谱进行降维,简化了数据处理过程.枇杷果实SSC和硬度的变化与果实成熟度显著相关,建立判别偏最小二乘法(DPLS)成熟度预测模型,预测集总识别准确率为89.29%.由此说明,高光谱成像技术可对枇杷品质进行有效检测,为枇杷果实的无损检测和分级分选提供了理论依据. 相似文献
20.
水果品质无损检测研究进展及应用现状 总被引:1,自引:0,他引:1
针对市场上存在的水果品质良莠不齐的现状及消费者对水果品质逐步提高的需求,水果售前品质分级显得尤为重要。水果售前品质分级可有效保证市场品质、促进品牌打造、提升商品竞争力、指导采后处理。已有的理化指标检测法和感官评定法均存在检测效率低、劳动强度大等缺陷,无法完全满足实际产业大批量水果无损分级的要求。无损检测作为一种新兴技术在水果品质分级上具有广泛的市场需求和应用前景,至今已形成了光谱、机器视觉、高光谱成像、电子鼻、声特征、介电特性和低场核磁共振等系列水果品质无损检测方法。这些方法针对水果结构、外形、品质指标等差异检测时各具优势,但受环境噪声、漂移噪声、样本差异、检测效率和检测成本等因素影响,并未全部应用于实际生产。介绍了水果品质无损检测领域已有技术的特性及其可行对应检测的水果品质参数,阐述分析了无损检测技术在水果品质分级行业的实际应用现状,讨论了水果品质无损检测领域尚存在的难点,并对下一步研究方向提出建议。 相似文献