基于偏最小二乘投影的可见/近红外光谱猪肉综合品质分类

针对全波段光谱技术的生鲜猪肉综合品质快速无损分类存在光谱数据量大、样本数量较少时分类准确率较低等缺点。该文提出了一种基于偏最小二乘(partial least squares,PLS)投影分析算法和支持向量机的生鲜猪肉综合品质分类器。利用基于偏最小二乘投影分析算法对全波段光谱数据进行数据降维,选取了13个特征波长。利用粒子群优化算法优化支持向量机惩罚参数和径向基核函数参数,优化后二者最优为4.939和0.01。利用选取的特征波长和优化后的参数建立了生鲜猪肉综合品质支持向量分类器。研究结果表明,分类器对训练集中白肌肉(pale,soft and exudative,PSE)、正常肉(reddish-pink,firm and non-exudative,RFN)和黑干肉(dark,firm and dry,DFD)的回判识别率分别为为88.46%、94.11%和92.31%;测试集中PSE、RFN和DFD预测正确率分别为84.62%、94.11%和84.62%。该分类器满足模型简单、预测准确率高等优点,为生鲜猪肉综合品质在线分级提供参考。     

模糊故障树分析方法在HACCP中的应用研究

危害分析与关键控制点(HACCP)是一个复杂的系统工程,对于农产品加工企业或食品企业而言,制定一个产品的HACCP计划有很大的难度,特别是对于关键控制点的正确选取更需要领域专家的帮助。该文介绍了故障树分析方法在HACCP体系第一原则和第二原则上的应用,并引入模糊数学理论中的模糊算法和非模糊化方法与故障树分析方法相结合,分别适用于计划的制定和计划的变更,并可根据该方法开发出制定计划的软件工具,使得计划的制定趋于简单化和自动化。     

利用遗传算法和支持向量机测算农用地理论单产和可实现单产

为了解决传统的采用一元线性回归法计算农用地理论单产和可实现单产的局限性,该文将遗传算法和支持向量回归机理论应用于农用地产能核算,构建理论单产和可实现单产核算模型。通过建立样点分等因素质量分与理论单产的遗传算法支持向量回归机（genetic algorithm-support vector machine,GA-SVM）模型进行理论单产预测;建立样点分等因素质量分和利用系数之积与可实现单产的遗传算法支持向量回归机模型进行可实现单产预测。以广东省揭西县产能核算为例,分别采用GA-SVM模型和一元线性回归模型测算,并将测算结果进行对比分析。研究结果证明,GA-SVM对于理论单产和可实现单产的测算精度更高,适于单个样本值的预测,可以作为农用地产能核算的一种新方法。     

鲜切蔬菜加工过程追溯的原料批次混合优化模型构建

为了保障鲜切蔬菜加工企业的产品质量安全,提高鲜切蔬菜生产加工效率,减少加工过程中因原料批次而导致的召回正本增加等问题,提出了一种鲜切蔬菜加工过程追溯的批次混合优化问题的解决方案。该研究通过分析鲜切蔬菜加工的基本工艺流程,根据中小规模鲜切蔬菜加工企业的实际生产需求,研究适用于单原料仓库、单成品仓库的生产加工过程,构建基于企业生产订单和多原料批次的生产加工模型。在模型构建上,综合考虑了加工过程中单个订单不可拆分,以及原料批次选取时应优先选取最近未用完批次原则等企业生产加工管理的实际因素。在此基础上应用遗传算法对订单的加工次序和原料批次的选取次序进行优化。采用北京某鲜切蔬菜加工企业的实际生产数据对模型进行验证,采用平均召回规模及平均出成率作为鲜切蔬菜加工的目标函数。结果表明,通过算法优化后的目标函数值与初始值相比提高了10.5%,能够有效减少平均召回规模并提高产品加工的综合出成率,该模型为中小规模鲜切蔬菜加工企业的原料批次分配及生产流程的优化提供参考。     

小波-智能优化支持向量机模型及其对农业可持续发展的评价

农业可持续发展评价是世界性农业研究的热点问题,也是中国新时代乡村振兴和农业现代化发展的重大课题。改革开放促进中国农业经济获得快速发展,但农业发展与农业资源及生态环境的矛盾严重。党的十八大以来,农业可持续发展被提到更加突出的位置。研究农业可持续发展评价具有重要意义。该文研究国内外农业可持续评价的相关文献,在小波变换、支持向量机、遗传算法、蚁群算法基础上,提出小波-智能优化支持向量机相结合评价方法,参考已有评价指标体系,结合中国的农业发展现实状况,建立农业可持续发展评价备选指标集。运用Spss软件对150个初选指标进行显著性和相关性分析,确立包含62个指标的评价指标体系。运用一维离散平稳小波分析,数据消噪处理,遗传算法(genetic algorithm,GA)、蚁群算法(ant colony optimization,ACO),优化支持向量机参数(support vector machine,SVM),得出较好的惩罚参数、核函数、不敏感系数,再对支持向量机训练,该方法提高了训练准确度。对中国31个省(市)农业可持续发展进行小波-遗传算法优化支持向量机(GA-SVM)、小波-蚁群算法优化支...     

基于机器视觉的肉鸡胴体淤血检测技术

肉鸡胴体淤血是一种品质异常现象,给屠宰企业带来较大的经济损失。建立胴体淤血的快速、准确识别技术是产业当前的迫切需求。该研究利用自行设计搭建的肉鸡胴体图像采集装置,研发了一种快速识别胴体淤血的技术方法。采用三方位视觉采集（搭载三光源）系统,实现视场对肉鸡胴体的全覆盖。采用基于全局RGB阈值分割提取出图像的14个特征参数,采用主成分分析降维后得到7个主成分,结合遗传算法训练支持向量机模型。然后基于滑动窗口分割胴体子图像,人工将子图像分为四类并提取出颜色矩信息,结合遗传算法训练支持向量机模型并采用相似性度量对模型分类结果进行修正。发现正视图和侧视图中基于7个主成分的支持向量机模型中,分类准确率分别为86.0%和89.8%,预测时间为0.006 s,RGB阈值分割淤血的效果不理想;基于局部颜色矩支持向量机模型中,分类准确率分别为98.3%和97.9%,预测时间为0.001 s。在测试样本上,结合欧氏距离进行相似性度量对模型分类结果修正后,淤血的识别召回率得到提升,误报率和漏报率降低。该研究提出的基于胴体子图像局部颜色矩信息训练支持向量机模型结合相似性度量方法,可以弥补全局RGB阈值分割淤血的不足,有效识别胴体淤血,为工厂进行胴体淤血的实时检测提供参考。     

基于荧光光谱的生菜农药残留检测

为了研究采用荧光光谱技术对生菜农药残留快速无损定性鉴别的可行性,该文通过采集180个生菜样品（3个浓度农药残留生菜,每个浓度农残生菜样本数为60,其中农药与水配比为1：500、1：1000、1：1200,即重度超标、轻微超标、标准农残）的荧光发射光谱,结合Savitzky-Golay（SG）、标准正态变量变换（standard normalized variable,SNV)、标准正态变量变换结合去趋势（standard normalized variable detrending,SNV detrending）、SG与SNV算法组合（SG-SNV）、SG与SNV detrending算法组合（SG-SNV detrending）对提取的荧光光谱进行预处理,基于全光谱、荧光特征峰值、小波特征建立支持向量机（Support Vector Machine, SVM）分类模型。其中,小波特征通过小波变换对原始光谱以及预处理后光谱进行特征选择获取,分别采用 db4、db6、sym5、sym7作为小波基函数。试验结果表明：基于小波特征、荧光特征峰值建立的 SVM 模型预测集识别率要高于基于全光谱建立的 SVM 模型。以 sym5作为小波基函数,基于 SG-SNV detrending预处理光谱选择的小波特征建立的SVM模型取得最优的预测集识别率93.33%,最佳小波分解层数为4。结果表明应用荧光光谱技术对生菜农药残留鉴别是可行的,为生菜农药残留快速、无损检测分析提供了参考。     

基于支持向量机的滴灌灌水器流量预测模型建立与验证

为了直接、准确预测灌水器流量,引入支持向量机预测方法,取灌水器6个工作压力和8个几何参数作为因素,正交设计安排300组灌水器训练样本和30组检测样本,并采用精度较高的SST k-ω模型模拟计算灌水器流量,同时利用遗传算法对支持向量机参数进行优化计算,得到与模拟流量误差最小的流量预测值。结果表明,惩罚参数为100、核函数参数为20时检测样本的流量预测值与模拟值的误差最小,平均相对误差为1.91%,决定系数为0.98,而回归拟合方法计算得到的平均相对误差为6.45%,决定系数为0.93,表明支持向量机预测流量的优越性,且30组试验验证样本的平均相对误差为2.25%,证明支持向量机预测的准确性和可靠性。预测模型建立可有效地提高灌水器研发效率,对水力性能评估和流道结构设计与优化提供依据。     

省域土地人口经济多维协调格局及分区发展策略

为了实现玉米含水率的快速无损检测,该文利用精密阻抗分析仪和自制介电参数测量传感器通过500 mV的激励电压在1 kHz~5.462 MHz频率范围内测量了热风干燥过程中不同含水率与不同温度下玉米籽粒的介电常数?''和介电损耗?"。通过对双介电参数频谱的分析,对含水率回归模型建模频段进行了初步选择,以1.072~5.462 MHz之间15个测量频点的双介电参数和温度值T共计31维变量作为支持向量回归机（support vector regression,SVR）模型的输入全变量,分别利用竞争性自适应重加权算法（competitive adaptive reweighted sampling,CARS）、迭代保留信息变量算法（iteratively retains informative variables,IRIV）和CARS-IRIV联合算法筛选特征变量,建立全变量、CARS、IRIV和CARS-IRIV筛选特征变量与玉米籽粒含水率的SVR模型。引入鲸鱼优化算法（whale optimization algorithm,WOA）优化SVR模型参数c（惩罚因子）和g（核函数参数）,结果表明CARS-IRIV筛选特征变量（?''3.854MHz、?"3.854MHz、?''5.462MHz、?"5.462MHz、T）建立的SVR模型经WOA优化后（CARS-IRIV-WOA-SVR）具有最优的预测精度,预测集决定系数、预测集均方根误差和剩余预测偏差分别为0.998 4,0.40%和24.55,且模型复杂度最低。该研究为基于双介电参数和支持向量回归机实现玉米含水率快速无损检测提供了新的研究思路和基础数据。     

利用介电参数和变量筛选建立玉米籽粒含水率无损检测模型

为了实现玉米含水率的快速无损检测,该文利用精密阻抗分析仪和自制介电参数测量传感器通过激励电压在1 kHz～5.462 MHz频率范围内测量了热风干燥过程中不同含水率与不同温度下玉米籽粒的介电常数ε''和介电损耗ε"。通过对双介电参数频谱的分析,对含水率回归模型建模频段进行了初步选择,以1.072～5.462 MHz之间15个测量频点的双介电参数和温度值T共计31维变量作为支持向量回归机（support vector regression,SVR）模型的输入全变量,分别利用竞争性自适应重加权算法（competitive adaptive reweighted sampling,CARS）、迭代保留信息变量算法（iteratively retains informative variables,IRIV）和CARS-IRIV联合算法筛选特征变量,建立全变量、CARS、IRIV和CARS-IRIV筛选特征变量与玉米籽粒含水率的SVR模型。引入鲸鱼优化算法（whale optimization algorithm,WOA）优化SVR模型参数c（惩罚因子）和g（核函数参数）,结果表明CARS-IRIV筛选特征变量（ε''3.854MHz、ε"3.854MHz、ε''5.462MHz、ε"5.462MHz、T）建立的SVR模型经WOA优化后（CARS-IRIV-WOA-SVR）具有最优的预测精度,预测集决定系数、预测集均方根误差和剩余预测偏差分别为0.998 4,0.40%和24.55,且模型复杂度最低。该研究为基于双介电参数和支持向量回归机实现玉米含水率快速无损检测提供了新的研究思路和基础数据。     

自动监测装置用温室粉虱和蓟马成虫图像分割识别算法

为了监测温室黄瓜作物虫害种类、数量变化情况以预测虫害发展趋势,该文以粉虱和蓟马为例,提出了一种基于Prewitt、Canny边缘检测算子分割和SVM(support vector machine)的温室粉虱和蓟马诱虫板的图像识别算法。该方法利用HSI(Hue-Saturation-Intensity)颜色空间的I分量与L*a*b*颜色空间的b分量二值图像中害虫目标与背景的高对比性,再分别相应地利用Prewitt算子和Canny算子进行单头害虫边缘分割,再经过形态学处理,最后融合这两幅二值图像完成单头害虫区域的提取。然后提取害虫的5个形态特征(面积、相对面积、周长、复杂度、占空比)及9个颜色特征(Hue-Saturation-Value颜色空间、HSI颜色空间、L*a*b*颜色空间各分量的一阶矩),并对这14个特征参数进行归一化处理,将特征值作为SVM的输入向量,进行温室粉虱和蓟马的诱虫板图像识别。通过分析比较不同向量组合的BP(back propagation)与SVM的害虫识别率、4种不同SVM核函数的害虫识别率,发现颜色特征向量是粉虱和蓟马识别的主成分,且SVM的识别效果优于BP神经网络、线性核函数的SVM分类性能最好且稳定。结果表明:平均识别准确率达到了93.5%,粉虱和蓟马成虫的识别率分别是96.0%和91.0%,能够实现温室害虫的诱虫板图像识别。该研究可以为虫害的监测与预警提供支持,为及时采取正确的防治措施提供重要的理论依据。     

基于优化矩不变特征的鲜切菜在线分级技术

由于矩不变特征具有平移、旋转和缩放不变性,在物体形状识别领域得到了广泛的应用。在鲜切菜分级领域,鲜切菜的尺度是分级的重要指标之一,但是矩不变特征具有尺度不变性,不能区分不同尺度的鲜切菜。几何特征可以很好的描述物体的尺度,但是不具备旋转不变性。因此,本文将矩不变特征的平移、旋转不变性与几何特征优秀的尺度表达能力融合,提出了一种基于优化矩不变特征模型的鲜切菜在线分级方法。首先提取标准鲜切菜的几何特征和矩不变特征,并利用其统计信息建立数学模型,然后提取待分级的鲜切菜的几何特征和矩不变特征,最后计算待分级的鲜切菜特征与标准鲜切菜特征模型的相似度,完成鲜切菜的在线分级。本文以鲜切土豆丁为例,试验结果表明,本文方法能准确地将鲜切菜分级,实时性和鲁棒性高,具有很好的工程应用前景。     

支持向量机在植物病斑形状识别中的应用研究

植物病斑形状识别属于小样本问题。提出了一种新的模式识别方法—支持向量机方法在处理小样本问题时具有很好的学习能力和推广性。该文讨论了支持向量机分类方法应用于植物病斑形状识别。对番茄植物病斑形状识别试验的分析表明，支持向量机分类方法适合于植物病斑复杂形状的分类问题，该方法在训练样本较少时具有良好的分类能力和泛化能力。不同分类核函数的相互比较分析表明，线性核函数最适合于植物病斑的形状识别。     

基于偏好免疫网络和SVM算法的油茶果多特征识别

针对油茶果采摘脱壳后存在的果壳籽粒分选效率较低的问题，该研究提出了一种结合人工免疫网络（aiNet）与支持向量机（Support Vector Machine）的多特征智能分选算法。该方法利用了免疫算法的多特征聚类特点与支持向量机的二分性特点，对油茶果壳与籽粒的延伸率、圆形度、圆满度、色差分量等6个特征进行分选。试验结果表明，该研究提出的方法在分选效率上达到了97.4%，时间平均值为600 ms，证明了这种方法在油茶果壳籽粒分选作业中的实时性与有效性。通过与其他智能分选算法的效率对比分析证明，该研究提出的方法在效率上更优，更加适合油茶脱壳生产线的实时性要求。     

利用机器视觉识别麦粒内米象发育规律与龄期

研究麦粒内部粮虫生长规律,判断粮虫所处发育龄期,为制定合理的防治措施提供科学依据,具有重要的社会经济价值。该文提出一种基于机器视觉的麦粒内米象变态发育规律及龄期识别研究方法。试验利用Micro-CT获取侵染麦粒投影数据,应用z-FDK(z-Feldkamp-Davis-Kress)算法重建出侵染粒的二维图像,利用图像分割及形态学方法得到虫体图像。提取了虫体的8个二维特征、4个三维特征、7个不变矩特征和7个基于灰度共生矩阵的显著性纹理特征,构成26维原始特征空间。根据不同龄期虫体特征的变化,研究米象在麦粒内的变态发育规律。利用模拟退火算法(simulated annealing algorithm,SAA)优化虫体原始特征,构建了优化后的10维特征空间。运用人工蜂群算法(artificial bee colony,ABC)优化支持向量机(support vector machine,SVM)的惩罚因子和径向基核函数参数,实现对麦粒内米象所处发育龄期的自动判别。试验结果表明,米象变态发育规律与实际情况一致,且对米象龄期的识别率达到97%,可有效判别出侵染粒中米象所处发育龄期。     

基于稀疏表示的大米品种识别

为了实现机器视觉准确判别大米品种,提出了一种基于稀疏表示的大米品种识别方法。以长江米、圆江米、粳米、泰国香米、红香米和黑米等6种大米籽粒图像作为研究对象,采用颜色和形态结构参数表示单个籽粒。每种大米随机选取50粒作为训练样本,200粒作为测试样本。所有训练样本组成稀疏表示方法的数据词典,对每一个测试样本,计算其在数据词典上的投影,将具有最小投影误差的类作为测试样本所属的品种。最后将提出的方法与BP网络和SVM的识别结果做了对比和分析。试验结果表明,提出的方法对于6个大米品种的综合识别准确率为99.6%,获得了最好的分类效果。为大米品种的识别提供了一种新的有效方案。     

油炸方便面生产中危害分析与关键控制点(HACCP)管理方案的研究与应用

依据危害分析与关键控制点(HACCP)理论与方法对油炸方便面生产中的食品安全危害进行了详细的检测和分析,确定了生产原料、生产工艺参数、包装材料、操作人员及车间环境卫生关键控制点,同时制定了较为完善的HACCP管理方案。应用结果表明,油炸方便面理化指标、卫生指标得到了显著提高,产品合格率较控制前提高了8.2%。     

面向对象土地覆被图像组合分类方法

研究了支持向量机在面向对象土地覆被图像分类中的应用技术,提出采用最小二乘支持向量机（LSSVM）与模糊灰色关联度联合评估（FG）相结合的一种新的组合分类方法简记FG-LSSVM,为土地覆被分类提供一种可行的高精度分类途径。根据图像上不同对象的空间尺度和光谱值特征,基于稳健的核密度梯度分割算法提取具有任意形状和唯一标识的均质对象后,为了比较提出方法的性能,采用原始对象样本依次验证了3个面向对象分类方法,即标准支持向量机方法、以模糊贴近度作为模糊因子的模糊支持向量机方法和传统K最近邻面向对象分类方法。实现了一个高精度面向对象土地覆被图像分类信息系统。试验结果表明：提出的FG-LSSVM面向对象方法相比标准支持向量机、模糊支持向量机与K最近邻方法试验精度约提高2.4%左右。提出的方法在识别效果上,符合研究区实际分类应用的要求。     

基于AdaBoost模型和mRMR算法的小麦白粉病遥感监测

除选择合适的建模方法外,选择合适的特征选择算法来优选建模特征对提高作物病害的遥感监测水平具有重要作用。选取陕西省关中平原西部小麦白粉病为对象,基于Landsat 8遥感影像共提取了18个特征变量,通过相关性分析(correlation analysis,CA)和最小冗余最大相关(minimum redundancy maximum relevance,mRMR)2种特征选择算法筛选出了2组不同的特征变量,分别将其输入Fisher线性判别分析(Fisher linear discriminant analysis,FLDA)、支持向量机(support vector machine,SVM)和AdaBoost 3种方法,构建小麦白粉病发生严重程度监测模型,并对其进行精度验证与对比分析。结果表明,2种AdaBoost模型对小麦白粉病发生严重程度的总体监测精度分别比FLDA模型和SVM模型高出27.9%、27.9%和14.0%、9.3%,mRMR算法筛选特征所建FLDA、SVM及AdaBoost监测模型的总体监测精度分别比CA筛选特征所建模型高出7.0%、11.7%和7.0%,且mRMR算法筛选特征结合AdaBoost方法所建监测模型的精度和Kappa系数分别为88.4%和0.807,为所有模型中最高。说明将AdaBoost方法用于作物病害遥感监测效果较好,在作物病害监测模型的特征变量选择中mRMR算法比常用CA算法更具优势。研究结果可为其他作物病害遥感监测提供方法参考。