Partial discharge pattern recognition based on S transform and two-directional 2DPCA

A new feature extraction method is proposed to recognize different types of partial discharge (PD) signals. Firstly,four typical categories of PD artificial defect models are made and S transform (ST) is employed to obtain a time-frequency representation of the recorded UHF signals. Then,two-directional two-dimensional principal component analysis ((2D) 2PCA) is applied to compress the ST amplitude (STA) matrix to extract features. Finally,support vector machine (SVM) combined with particle swarm optimization (PSO) algorithm is introduced to accomplish the recognition of experimental samples. Classification results demonstrate that the average recognition rate of (10,5) combination is the highest while the one of (5,5) combination is the lowest among four kinds of feature dimension combinations. Moreover,PSO can obviously improve the classification performance of SVM. Specifically,all the average recognition rates of PSO-SVM are higher than 94.43%and the maximum value comes to 97.67%. Therefore,the feature sets extracted by ST and (2D) 2PCA can not only achieve dramatic dimension reduction,but also retain the major information of original data. It is proved that the proposed algorithm can obtain ideal results in PD pattern recognition.     

中草药大黄的小波变换红外光谱的聚类分析鉴别

采用傅里叶红外光谱法(FTIR)扫描41种不同品种大黄(Rheum palmatum L.)红外指纹图谱,建立了中草药大黄的红外指纹图谱,运用小波变换技术对近红外光谱进行压缩,应用聚类分析方法对红外数据进行处理,可以有效地鉴别不同产地的大黄,减少训练时间,结果与传统鉴别的结果基本一致.红外光谱法可用于中药大黄的质量控制,为中草药大黄的鉴定提供理论依据和实用方法.     

1998～2008年内蒙古植被周期变化分析

利用1998～2008年SPOT VEGETATION分离出的内蒙古地区20个气象站的归一化植被指数（NDVI）数据,对内蒙古植被NDVI的变化周期进行分析.结果表明,小波变换能够很好地揭示NDVI指数的多尺度特性.NDVI的变化周期,在20个选定的气象站都是接近290 d,这表示植被生长周期将近10个月.而在不同的植被类型之间,这种变化周期没有明显的差异.     

基于小波变换的木材声发射驻波信号特征研究

为研究木材损伤断裂时的声发射(AE)信号所激发的驻波信号特征与木材固有特性之间的关系,采用薄木条折断的方式产生AE源,在小波变换的基础上分析驻波频率,并计算纵波传播速率,依据弹性波理论计算出木材顺纹弹性模量(MOE)。首先,在2种不同长度的木材试件一端分别加工出8根80 mm×10 mm的薄木条,通过外加冲击力折断木条以产生AE源,通过放置在试件端面的2个传感器采集原始AE信号,采样频率设定为500 kHz。然后,根据驻波特性确定原始信号的驻波阶段,进而对该阶段AE信号进行4层小波分解,依据分解后信号的时频域特征析取驻波信号波形。最后,依据驻波产生原理计算纵波传播速率,并结合弹性波理论计算试件的MOE。结果表明,拉伸试验测得樟子松和榉木试件的MOE分别为9.30 GPa和11.63 GPa, 800 mm樟子松和榉木试件通过驻波计算所得MOE分别为9.37 GPa和12.34 GPa,与实测MOE的误差分别为0.75%和5.24%;600 mm的樟子松和榉木试件通过驻波计算所得MOE分别为9.31 GPa和11.81 GPa,与实测MOE的误差分别为0.10%和1.55%。     

地源热泵水蓄能型植物工厂降温系统夏季运行特性

针对田间环境复杂、秸秆形态多样、秸秆覆盖率判断主观性影响过大、补贴面积测量耗时耗力等问题,该文开展了秸秆覆盖率率自动识别方法研究和监测设备研制。首先,提出利用时频变换进行秸秆识别,设计高通滤波器提取了图像的频域特征进行自适应分割。基于集成分类器利用已有的秸秆识别数据训练支持向量机分类器,对秸秆图像进行再识别和筛选。最后,设计多尺度占比滤波器,对识别图像中的噪声和空洞进行修补,生成适应多种情况的秸秆覆盖率识别算法。与北斗定位模块、无线通讯模块、摄像头、传感器、服务器等设备共同组成秸秆覆盖率识别系统。试验结果表明,设备的秸秆覆盖率识别误差为4.55%,平均单张图像耗时0.05 s。研究结果满足保护性耕作中的自动化监测要求,可为保护性耕作作业质量评测提供有效的技术支持。     

补偿模糊神经网络水果形状分级器分级误差

针对神经网络对水果进行分级时精度有待提高的问题,分析了补偿模糊神经网络椪柑形状分级器的分级误差。将椪柑图像前4个傅里叶描述子按期望输出模糊变量值大小排列成单调递增、单调递减、钟形分布和锯齿形分布4种训练样本,分别训练同一补偿模糊神经网络水果形状分级器,用递减排序后的同一测试样本检验分级器性能,试验表明,单调递减顺序训练样本所训练的分级器分级误差最小为1.875%,钟形分布、单调递增顺序和锯齿形分布训练样本所训练的分级器分级误差依次增大,分别为15%、63.125%、75%。分析分级误差与样本间顺序的对应关系,建立分级误差模型,结果表明,同顺序的测试样本与训练样本间相关系数大,分级误差小;不同顺序的测试样本与训练样本间相关系数小,分级误差大。因此,测试样本与训练样本按水果同一品质特征同序排列,提高样本间的相关程度,将大幅度降低神经网络类分级器分级误差,提高正确识别率。     

基于小波变换的三江平原井灌区主汛期降水序列多时间尺度分析

近些年来,由于水田面积迅速增加,导致三江平原井灌水稻区地下水位普遍下降,吊泵、局部超采现象时有发生,因此,三江平原的地下水资源平衡急需恢复。为解决上述问题,以853农场为例,应用小波理论,对853农场实测主汛期降水时间序列的多时间尺度变化特征及突变特征进行分析,并与实测年降水序列变化特征进行了对比分析。结果表明:853农场主汛期降水序列具有3 a,6 a,29 a以及13 a左右4个主周期,同时,主汛期降水序列与年降水序列的主周期具有较好的一致性。该研究结果为853农场乃至整个三江平原充分利用天然降水、地下水资源的恢复及可持续利用提供了科学依据。     

基于机器视觉的温室番茄裂果检测

该文通过对温室番茄果实进行定位及裂果检测,可为番茄裂果率预估及后续裂果自动筛选提供参考。针对自然光照下采集的各类番茄图像,在相关颜色空间中进行阈值预分割,利用前期支持向量机训练得到的纹理特征分类器对预分割区域进行二次判别;之后在前景区域利用显著性角点分割构造边缘轮廓集,利用基于最小二乘法修正的改进霍夫变换拟合单个番茄目标;最后利用二维Gabor小波算子对拟合的单个番茄区域进行纹理特征提取及裂果判别。文中共采集82幅番茄图像,其中50幅图像作为训练集图像,32幅图像作为验证集,所提算法对测试集中总共128个番茄的果实正确检出率为91.41%,对其中35裂果的正确判别率为97.14%,裂果判别部分平均耗时21 ms。试验结果表明,该方法具有较好的鲁棒性与可靠性,对成熟期番茄裂果率的估计研究及采摘过程中裂果的自动分级筛选具有较好的指导意义,为未来实现温室番茄果实生长状态在线监测提供参考。     

Using vibrational molecular spectroscopy to detect moist heating induced carbohydrates structure changes in cool-climate adapted barley grain

There is limited research to study how moist heating affects internal structure of barley grain on a molecular basis. The objectives of this study were to use vibrational molecular spectroscopy: 1) to determine the moist heating induced changes of barley carbohydrate (CHO) structure on a molecular basis, 2) to study the effects of moist heating on CHO chemical profiles, Cornell Net Carbohydrate and Protein System (CNCPS) subfractions, in situ rumen degradation, and predicted intestinal carbohydrate supply of barley grain; and 3) to reveal the association between molecular structure spectral features and CHO related metabolic characteristics. Barley samples (CDC cowboy) were collected from Kernen Crop Research Farm (Saskatoon, Canada) during two consecutive years. Half of each sample was kept as raw barley and the other half underwent moist heating (autoclaving at 120 °C for 60 min). The molecular spectroscopy (attenuated total reflectance-fourier transform infrared, ATR-FTIR) was used to detect the barley CHO related molecular structure spectral features. Moist heating did not affect carbohydrate related chemical profiles and CNCPS subfractions but it decreased rumen degradable carbohydrate. Rumen undegradable and intestinal digestion of CHO subfractions were not affected by moist heating. The advanced vibrational molecular spectroscopy can be used to detect carbohydrate molecular spectral features. Nutrient utilization prediction using molecular spectral characteristics is warranted and further investigation is encouraged.     

傅里叶红外标准加入法测定银杏叶提取物(EGb)中的总内酯

银杏叶提取物（ＥＧｂ）经ＫＢｒ压片后,在１８４０～１７２６ｃｍ－１区间,用傅里叶变换红外光谱仪测量峰面积,以美国Ｓｉｇｍａ的银杏内酯Ｂ为标准品,用ＦＴＩＲ标准加入法测定ＥＧｂ中的总内酯含量,其结果与ＲＰＨＰＬＣ、ＲＩ法接近,平均回收率９６．８％,ＳＤ０．４,ＲＳＤ５．５％,方法简便,结果可靠,适于ＥＧｂ及其制剂在生产过程中作质量控制的测定方法用。