排序方式: 共有114条查询结果,搜索用时 15 毫秒
41.
42.
柑桔叶片可溶性糖近红外检测非线性模型研究 总被引:1,自引:0,他引:1
为了监督柑桔叶片是否缺乏营养元素,对叶片可溶性糖进行分析。采用近红外光谱技术结合误差反馈神经网络(BPNN)和最小二乘支持向量机(LS-SVM)建立定量剖析非线性模型,运用主成分分析(PCA)进行数据压缩、无信息变量消除算法(UVE)和连续投影算法(SPA)进行有效波段筛选的方法来优化模型的输入变量,提高了模型检测精度。同时,利用Savitzke-Golay平滑(S-G)、多元散色校正(MSC)、导数和基线校正(Baseline)等预处理方法进行数据变换,来确定最佳建模方法。结果表明:波长筛选能优化模型,并提高运算速度,其中PCA优化效果最为明显,可溶性糖的相关系数Rp达到最大为0.91,均方根误差RMSEP最小为4.82,显著提高了模型的检测精度和稳健性,经过优化的输入变量所建模型,能够满足定量检测的要求,具有一定的可行性。 相似文献
43.
44.
为实现准确评估和预测贡梨的冲击损伤,采用波长为397.5~1 014.0 nm的高光谱成像技术与力学参数相结合对贡梨的冲击损伤进行定量研究。利用基于单摆原理的碰撞装置以及智能数据采集系统获得峰值力、平均接触力、损伤面积和平均压强等力学参数,并对力学参数进行统计分析。利用高光谱成像系统获得损伤贡梨的光谱数据。使用Gap-segment求导、SG求导和基线校准(Baseline)3种光谱预处理方法对原始光谱进行预处理,将光谱数据与力学参数相结合分别建立偏最小二乘回归(Partial least squares regression,PLSR)和主成分回归(Principal component regression,PCR)模型。基于基线校准(Baseline)预处理方法,采用竞争性自适应重加权(Competitive adaptive reweighting sampling,CARS)和无信息变量消除(Uninformative variable elimination,UVE)2种算法进行特征波长的选取,将选取的特征波长作为输入变量并结合力学参数建立PLSR模型。力学参数统计分析和建模的结果表明:1)力学参数在一定程度上可以表征贡梨冲击损伤程度。力学参数的平均值随损伤程度的增加而增大,峰值力平均值从138.40 N增大至335.86 N;平均接触力平均值从77.13 N增大至188.20 N;损伤面积平均值从208.07 mm2增大至544.42 mm2;平均压强平均值从0.34 MPa增大至0.42 MPa。2)Baseline-CARS-PLSR模型对力学参数的预测效果最优,其峰值力、平均接触力、损伤面积和平均压强的预测集相关系数(RP)和预测集均方根误差(RMSEP)分别为0.892和31.527 N、0.883和18.861 N、0.895和54.411 mm2、0.661和0.045 MPa。通过高光谱成像技术与力学参数相结合对贡梨冲击损伤进行定量预测具有一定的可行性,可为贡梨的品质分选及包装方面提供理论支持。 相似文献
45.
[目的]得到一种快速检测叶片含水量和叶绿素含量的定量估计模型。[方法]选取88片赣南脐橙叶片作为研究对象,运用近红外光谱技术检测叶片含水量和叶绿素含量2个指标。通过6种不同预处理方法(SG/MSC/1st D/2nd D/SNV/Baseline)在全波段4 000~12 000 cm-1范围内建立了叶片含水量和叶绿素含量的PLS、PCR和LS-SVM定量检测模型。[结果]试验得出,在预测叶片含水量的模型中,PLS、PCR和LS-SVM预测效果整体相差不大,其最优的预测模型是使用PLS建模,其中RP=0.985,RMSEP=0.023。在预测叶片叶绿素含量的模型中,3种方法预测效果相差不大,最优预测模型是MSC-LS-VSM,其中RP=0.933,RMSEP=0.23。[结论]研究表明,应用近红外光谱技术对赣南脐橙叶片含水量和叶绿素含量的快速检测具有可行性。 相似文献
46.
构筑科研"平台" 开展群众性科研工作 总被引:2,自引:0,他引:2
在高等教育发展日趋成熟的今天,凡称得上有名的高校,必有高素质的教师队伍,有自己的办学特色,有代表办校水平的科研项目和科研成果,而这一切都取决于领导、教师是否具有较高的科研意识、科研能力和科研水平。为此,就高校如何构筑科研“平台”,推动高校科研上台阶、出成果作了探讨。 相似文献
47.
高光谱成像技术结合了光谱学和成像技术的主要优势,可以同时获得一个样本的空间分布及物理和化学性能,是水果无损检测的发展趋势。为此,主要介绍了高光谱成像原理、装置、数据处理方法,以及国内外水果内外品质无损检测的应用,并对高光谱成像技术在水果无损检测中的不足及未来趋势进行了分析。 相似文献
48.
芝麻油掺伪的近红外透射光谱检测技术 总被引:2,自引:0,他引:2
采用近红外光谱技术结合间隔偏最小二乘法分别建立芝麻油中掺入大豆油、玉米油和花生油的定量检测模型。实验配制不同比例的掺假芝麻油混合样品,采集样品在4 000~12 000 cm-1范围内的近红外透射光谱,把数据分为校正集与预测集。将4 420~12 000 cm-1波段的光谱进行各种预处理,最佳方法为平滑预处理,并利用间隔偏最小二乘波长筛选法(iPLS)选取光谱特征波段,最后采用偏最小二乘法建立掺假芝麻油的定标模型。结果显示:3种掺假芝麻油的PLS模型预测相关系数分别达到0.998、0.999、0.999,预测均方根误差分别为0.24%、0.24%和0.19%,具有较高的预测精度。实验证明近红外光谱技术对芝麻油掺假的快速检测具有可行性。 相似文献
49.
水稻粒形与稻米品质的相关性试验 总被引:2,自引:0,他引:2
对南方常见的5个品种水稻进行了粒形分类,并对谷粒形状与稻米加工品质的相关性进行了分析。结果表明,所选品种(组合)的粒长度以特长、长和中长为主,短形的分布频率很低。长宽比以椭圆为主,分布频率占50%以上。谷粒形状(粒长、粒宽和长宽比)与加工品质(糙米率、精米率和整精米率)呈显著或极显著正相关。 相似文献
50.
南丰蜜桔可溶性固形物近红外特征波段选择 总被引:1,自引:5,他引:1
探讨了在350~1 800 nm波段范围内不同光谱预处理方法对提高模型预测能力和稳定性的作用,但其效果不如间隔偏最小二乘法显著.通过间隔偏最小二乘特征波段选择方法,确定了南丰蜜桔可溶性固形物特征波段为:642~787 nm、861~1 006 nm、1 080~1 152 nm和1 226~1 371 nm.采用30个未参与建模的南丰蜜桔样品,预测特征波段建模模型,预测模型的相关系数为0.95,预测均方根误差为0.55°Birx.结果表明:近红外光谱技术结合间隔偏最小二乘特征波段选择方法,可以提高南丰蜜桔可溶性固形物无损检测数学模型预测能力和稳健性. 相似文献