共查询到17条相似文献,搜索用时 62 毫秒
1.
2.
危害分析关键控制点(HACCP)是一个识别危害并建立控制系统的工具和预防危害的系统方法,在介绍HACCP体系的基本原理和在国内外污水资源化领域应用的基础上,提出污水资源化过程中的关键控制点、监控系统、关键限值和纠偏行动等,以加强污水资源化过程的质量控制和风险管理,确保人体健康和生态安全。 相似文献
3.
4.
5.
6.
7.
8.
基于SVM和AdaBoost的棉叶螨危害等级识别 总被引:1,自引:0,他引:1
针对自然条件下棉叶螨虫害等级识别难的问题,在自然条件下以普通手机采集棉叶图像作为实验对象,首先使用大津法和连通区域标记算法,将棉花叶片图像与背景分离,然后,提取不同棉叶螨危害等级棉叶图像的颜色、纹理和边缘特征数据,使用支持向量机(Support vector machine,SVM)单独进行分类实验,得到平均识别正确率为76. 25%,最后,采用SVM和AdaBoost相结合的算法,生成最优判别模型,实现对棉叶螨危害等级的识别,平均识别正确率为88. 75%。对比实验表明,提出的棉叶螨危害等级识别方法比BP神经网络的平均识别正确率高13. 75个百分点,比单独采用SVM算法高12. 5个百分点,比单独采用AdaBoost算法高8. 75个百分点,SVM和AdaBoost相结合的算法可较好地对棉叶螨危害等级进行识别,为棉叶螨数字化防治和变量喷药提供了数据支持。 相似文献
9.
基于近红外光谱的核桃仁品种快速分类方法 总被引:2,自引:0,他引:2
采用傅里叶变换近红外光谱仪,采集了4个不同品种的200份核桃仁样本的近红外漫反射光谱,建立了核桃仁品种分类模型。光谱范围为3 800~9 600 cm -1 ,预处理方法采用多元散射校正法和标准正态化方法;通过主成分分析法优选出5个主成分因子,光谱信息累计贡献率达到99.21%;采用随机抽取法建立建模集和验证集,以主成分因子为输入变量,建立了基于支持向量机分类模型,并采用网格搜索法对RBF核函数参数 λ和δ 进行寻优。分析结果表明,建立的核桃仁分类识别模型对4个核桃仁品种的总体正确识别率达到96%,为核桃仁品种的快速无损识别提供了一种可行的方法。 相似文献
10.
针对大蒜鳞芽朝上、直立栽种的特殊种植需求,研究实用性好、准确率高、抗干扰强的鳞芽朝向自动识别算法,具有重要的工程应用意义。提出基于卷积神经网络(CNN)和支持向量机(SVM)分类优化的改进算法(CNN-SVM),实现大蒜鳞芽朝向的自动识别与修正;提出SVM分类优化方案与随机参数择优、损失函数检测方法,以解决感受野小、分类效果差、过拟合等问题。研究结果表明:CNN-SVM算法的识别准确率为99.8%,单张图片识别时间为0.024 s。与经典CNN、SVM算法相比,本文所提算法对于感受野小、干扰强的识别效果更好;同时具有识别准确率高、计算规模小、对局部特征敏感等优点。不仅为大蒜自动智能播种设备的研发提供算法储备,而且可以推广应用于其他小物体识别。 相似文献
11.
12.
HACCP系统在沙棘酒生产中的应用 总被引:3,自引:0,他引:3
本文介绍了HACCP系统在沙棘酒生产中的具体应用,确立了关键控制点、临界参数和纠正措施,从而提高了产品的卫生质量,保证了产品安全. 相似文献
13.
基于SVM的灌区无人机影像渠系提取 总被引:1,自引:0,他引:1
灌区渠系制图配合现代节水灌溉技术,对合理配水、安全输水有着重大影响。但目前普遍使用的灌区遥感影像分辨率不高,给渠系提取与制图带来一定的困难。本文将无人机采集的高精度正射影像、高程、坡度数据相结合作为数据源,提取出具有显著描述能力的渠系特征来构建训练样本集,基于支持向量机的分类方法对目标渠系进行分割提取,再通过后处理对提取结果进行去噪、连接和优化,实现了无人机高分辨率多数据源的渠系提取。结果表明,该渠系提取方法可以识别提取灌区中的支渠、斗渠和部分农渠,渠系连续性良好,与手绘渠系对比,精度最高可达89.35%。其中提取误差主要由级别较低的渠系中渠床淤泥沉积导致影像、地形特征不明显造成。 相似文献
14.
15.
基于HACCP的农产品质量安全监控预警决策的研究 总被引:2,自引:0,他引:2
危害分析与关键控制点体系是一种科学、合理、针对性很强的对食品安全进行过程控制的预防性管理体系,已经被世界各国食品行业广泛应用。该体系的建立和应用可保证食品安全危害得到有效控制,以防止发生危害公众健康的问题。为此,主要介绍了在农产品质量安全监控预警系统中通过对农产品监测环节中各监测点进行危害分析,设置关键控制点,从而实现对农产品质量安全的监控,并制定出相应的监控程序。 相似文献
16.
基于决策树和SVM的Sentinel-2A影像作物提取方法 总被引:2,自引:0,他引:2
以河南省濮阳县为研究区,以2017年8月6日遥感影像为基础数据源,基于地面样方和样本点数据分析构建植被指数阈值分割分类决策树,结合支持向量机(Support vector machine,SVM)分类方法实现了秋季主要作物种植面积遥感识别,并与其他方法分类结果进行了精度验证与对比。结果表明,与最大似然法(Maximum likelihood,ML)和SVM法相比较,决策树和SVM相结合能较好地解决线状地物和小地块作物提取不全以及椒盐现象等问题,可以对秋季复杂作物进行有效识别,作物分类提取总体精度和Kappa系数分别为92.3%和0.886。利用中分辨率单时相遥感影像,结合波谱特征和植被指数能有效提高复杂作物分类精度,为区域复杂作物分类提取提供技术参考和借鉴价值。 相似文献
17.
基于支持向量机的中文农业文本分类技术研究 总被引:1,自引:0,他引:1
高效地组织、分类信息,是提供个性化农业信息推荐服务的基础。根据农业文本信息特点,提出了一种基于线性支持向量机(Support vector machine,SVM)的中文农业文本分类模型,首先构建农业行业分类关键词库,通过特征词选择和权重计算,构建分类器模型,实现信息的自动分类。实验选取了1 071个测试文档,并按照种植业、林业、畜牧业、渔业进行分类。结果表明,分类准确率为96.5%,召回率为96.4%。实验结果高于贝叶斯、决策树、KNN、SMO等分类算法,将该模型应用于农业物联网行业信息综合服务平台,运行结果表明,该方法能够实现中文农业文本信息的自动分类,响应时间满足系统要求。 相似文献