排序方式: 共有77条查询结果,搜索用时 46 毫秒
61.
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 总被引:2,自引:2,他引:2
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。 相似文献
62.
63.
基于可见/近红外光谱技术设计了手机联用的苹果糖度便携式检测装置,旨在通过优选特征波段确定适合苹果糖度检测的波段范围及光学传感器,并通过与手机的联用完成苹果糖度的高效、便携、低成本的无损检测。选择STS-NIR微型光纤光谱仪(波长范围650~1100nm),利用实验室自行搭建的光谱采集平台对120个苹果进行光谱采集,通过偏最小二乘(PLS)算法对全波长数据进行建模,并采用连续投影法(SPA)、遗传算法(GA)和竞争自适应重加权抽样法(CARS)等变量选择方法对全波长进行特征波段的识别来选择有效波长。变量选择结果显示,所得3组特征波段含有重合项,且均包含与苹果糖度有关的变量。利用偏最小二乘(PLS)算法建立关于苹果糖度基于3组特征波段的预测模型,并对3组结果进行分析,包括对预测相关系数、预测均方根误差比较等,来评估所建模型的准确性。试验结果表明,利用3组特征波段所得建模结果均比较良好,预测相关系数都在0.93以上,其中GA-PLS模型对苹果糖度的预测效果最优,预测相关系数可达0.9447。根据上述所得特征波段的高度重合项,确定了检测苹果糖度的特征波段及其对应的光学传感器,并基于所设计的苹果糖度便携式检测装置对另取的40个苹果进行试验验证,苹果糖度的预测相关系数可达0.8822。结果表明,本文所设计的基于特征波段的手机联用的苹果糖度便携式检测装置,成本低、便于携带、检测准确率高,具有实现苹果糖度的实时无损检测的可行性。 相似文献
64.
冬小麦叶绿素含量高光谱检测技术 总被引:8,自引:1,他引:7
以大田冬小麦叶绿素含量为研究对象,首先利用高光谱成像系统以线扫描方式获取其反射光谱图像,选择感兴趣区域(ROI)并计算出光谱平均反射率值;然后分别针对其原始光谱和一阶差分光谱,通过相关分析和逐步回归分析,得到能反映叶绿素含量变化的7个最佳优化波长;进而基于该优化波长采用多元线性回归(MLR)方法组建模型,通过假设检验剔除对模型贡献不显著的3个波长变量.选用剩余的4个波长即710.85、767.42、650和520 nm作为自变量重新建立模型,基于校正集和预测集模型的决定系数R2分别为0.843 4和0.709 3.研究结果表明,利用高光谱技术检测大田冬小麦叶绿素含量的方法是可行的. 相似文献
65.
66.
为了解决生鲜肉多个品质参数快速、无损、同时检测的问题,该文利用双波段(350~1 100 nm和1 000~2 500 nm)可见/近红外光谱技术,结合硬件单元和编写的软件控制程序,研发了多品质参数同时检测装置,实现对双波段光谱信息的同时采集、实时处理、显示以及保存。基于该检测装置,采集覆盖生鲜肉多个品质参数的可见/近红外光谱信息(350~2 500 nm),经过平滑和标准正态变量变换(standard normal variate,SNV)预处理后,分别基于单波段和双波段光谱数据,与国家标准方法测定的猪肉颜色(L*、a*、b*)、p H值、挥发性盐基氮(total volatile basic nitrogen,TVB-N)、含水率、蒸煮损失和嫩度建立偏最小二乘(partial least square,PLS)预测模型。在此基础上,利用竞争性自适应加权算法(competitive adaptive reweighted sampling,CARS)筛选特征变量,建立简化的PLS模型,对各个品质参数的预测集相关系数分别为0.962 5、0.933 6、0.938 9、0.941 5、0.936 3、0.912 3、0.920 0和0.901 9,预测误差为0.628 7、0.757 6、0.547 1、0.078 2、2.835 4 mg/(100 g)、0.380 9%、2.560 0%和6.896 7 N。结果表明,该装置可以实现生鲜肉多个品质参数的同时检测,研究结果可为实时获取肉品品质信息,实现肉品评定和分级提供参考。 相似文献
67.
为了解决猪胴体背膘厚度在人工测量中准确率、效率低以及存在对样本造成污染的问题,该文基于计算机视觉和图像处理技术提出一种检测背膘厚度的算法。算法主要分成背膘部分检测和测量部位的直线检测。前者通过图像分割、特征点的检测以及漫水填充等方法实现,能准确提取猪胴体背膘部分。后者在图像预处理后,首先通过感兴趣区域(region of interest,ROI)提取猪胴体肋排区域;然后利用设定好的浮动窗口进行全幅图像的扫描,通过平滑后的平均灰度线特征提取肋骨的目标像素点;最后,基于近邻法利用目标像素点间的邻近关系对其进行聚类,找到胴体第6、7根肋骨,并采用基于已知点的Hough变换提取测量直线,将测量部位的直线映射到背膘部分,则可实现对猪胴体背膘厚度准确测量。试验结果表明,在对背膘厚度测量误差小于2 mm时,检测准确率可达92.31%,该文提出的方法能对猪胴体背膘厚度的测量位置进行准确定位和测量。 相似文献
68.
苹果内外品质在线无损检测分级系统设计与试验 总被引:3,自引:8,他引:3
目前苹果品质检测分级机械存在结构复杂、价格昂贵以及不能兼顾内外品质的缺点。苹果的内部品质和外部品质都是决定苹果价值的关键因素,故该研究根据静态条件下的试验分析,设计了苹果内外品质在线无损检测分级系统。该系统主要由哑铃式滚子、机器视觉外观品质检测系统模块、近红外内部品质检测系统模块、分级模块以及控制系统组成。在机器视觉外部品质检测模块设计中,为了增大苹果有碰伤部位和无碰伤部位之间的对比度,通过采集有碰伤部位和无碰伤部位的反射率光谱,确定在730 nm处两者的反射率差异最大,并以此选用波长为730 nm的红色LED光源作为机器视觉模块的光源。为获得苹果整个表面信息,苹果在向前运动的过程中完成自转,并利用算法将单个苹果3个运动状态下的图像进行提取和合成,随后对图像进行高斯滤波,大津法二值化以及轮廓提取处理,当该苹果判断为有碰伤时,直接发送剔除指令,当判断为无碰伤,对轮廓提取后图像进行圆拟合处理,并利用拟合圆直径得到该苹果的大小。近红外内部品质检测系统模块设计中,对比2种近红外检测结构,并以试验确定了将探头和光源布置在下的设计方式。最终,通过试验验证得到了系统的在线检测性能,系统对于苹果有无碰伤检测总体正确率为94%,大小检测的相关系数为0.964 6,均方根误差为2.28 1 mm,苹果内部可溶性固形物含量所建立模型的校正集相关系数为0.950 8,校正集均方根误差为0.342 6%,预测集相关系数为0.949 2,预测集均方根误差为0.448 7%。单个苹果的检测时间为0.71 s。整机具有体积小、结构简单、成本较低的优点,适用于农户和中小型企业。 相似文献
69.
基于近红外漫透射光补偿光谱分析技术,设计了便携式大米多品质参数无损检测仪,检测仪包括光谱采集单元、光源单元、控制与显示单元、供电单元、专用参考校正盒等,光谱采集单元通过光补偿杯和聚焦准直透镜有效提高了采集光谱的信噪比,整个装置尺寸为207 mm×90 mm×148 mm,携带方便。选取52个籼米样品,基于便携式大米多品质参数无损检测仪建立了大米含水率、直链淀粉质量分数和蛋白质质量分数的偏最小二乘预测模型,含水率、直链淀粉质量分数和蛋白质质量分数的校正集相关系数分别为0. 980 3、0. 977 0、0. 932 3,校正集均方根误差分别为0. 279 1%、0. 727 4%、0. 204 5%,验证集相关系数分别为0. 979 3、0. 957 1、0. 924 9,验证集均方根误差分别为0. 300 9%、1. 106 7%、0. 212 7%。基于MFC软件开发工具,采用C/C++语言编写了实时检测及控制软件,实现了便携式大米多品质参数检测仪的一键式操作。试验验证了便携式大米品质无损检测仪的检测精度和稳定性,结果表明,利用该装置预测大米含水率、直链淀粉质量分数和蛋白质质量分数的最大变异系数分别为0. 024、0. 079、0. 034,大米样品的含水率、直链淀粉质量分数和蛋白质质量分数的预测值和标准理化值的相关系数分别为0. 972 7、0. 940 9、0. 901 5,预测均方根误差为0. 363 2%、1. 318 1%、0. 243 0%。这表明自行设计的检测仪可以实现大米含水率、直链淀粉和蛋白质质量分数的实时无损检测。 相似文献
70.
稻米、小麦、玉米作为三大主粮在我国居民粮食结构中占有重要位置,粮食生产、加工、储运等产业链中品质监测是不可或缺的重要环节,特别是高效、无损、客观、实时的光学品质检测对粮食行业的健康发展具有重要意义。本文对比分析了三大主粮的可见/近红外光谱、拉曼光谱、荧光光谱的光学特性及内部品质光学检测机理,总结分析了粮食内部品质光学检测技术国内外应用研究现状,探讨了机器视觉、高光谱等粮食外观品质检测技术应用范围及国内外研究现状。结合三大主粮特定的品质检测需求,总结分析了国内外粮食内部品质光学检测装置研究现状,重点探讨了外观品质检测装置的硬件组成和空间排布研究现状,并总结分析了各光学检测技术相关装置的商业化推广应用情况。最后,从粮食品质光学检测技术瓶颈出发,对粮食快速光学检测技术及装备存在的问题和发展趋势进行了分析展望。 相似文献