排序方式: 共有5条查询结果,搜索用时 31 毫秒
1
1.
2.
本文编制出的杉木立木出材量表,适合湖南产杉区的杉木立木原条出材量的估计。出材量表分三部分内容:干材出材量、梢材出材量和废材出材量。为了适合部颁立木材积表或区域内立木材积表,又采用百分数估计出材量法。对生产单位或设计部门指导生产和经营,具有一定的使用价值。 相似文献
3.
考虑品种差异的冷鲜猪肉含水率高光谱信号补正算法 总被引:2,自引:1,他引:1
为提高含水率高光谱校正模型对不同品种冷鲜猪肉样本的适用性,该文提出了1种品种敏感波段选择结合分段直接校正的高光谱信号补正方法。首先用主品种偏最小二乘回归模型和添加了7个从品种样本后更新模型的模型回归系数相对差异值,以此选出对品种敏感的波段,然后采用分段直接校正算法对选中波段的光谱信号补正,以消除品种差异对模型预测效果的影响。以猪肉含水率为检测指标,以零号土猪肉为主品种,以恩施山黑猪为从品种,经该算法补正后,主品种模型对从品种样本的预测均方根误差从补正前的1.42%减小到0.50%,预测决定系数从0.20提高到0.84,预测偏差比率(residual prediction deviation,RPD)从0.91提高到2.58。结果表明,该文提出的补正算法能显著提高零号土猪肉含水率模型对恩施山黑猪含水率的预测能力。 相似文献
4.
5.
针对猪肉pH值高光谱检测模型受品种差异影响存在适用性差的问题,比较了不同算法,提出了一种基于光谱值校正的模型传递算法,以用于品种之间的模型传递。以山黑猪为主品种建立PLS模型,用该模型直接预测零号土猪样本时,预测相关系数仅为0.415,预测均方根误差为0.180 4,预测精度较差。分别用斜率/截距(S/B)算法、模型更新算法以及光谱值校正传递算法对山黑猪模型进行修正或传递并进行了比较。采用S/B法时,山黑猪模型对零号土猪的预测相关系数仍为0.415,预测均方根误差由0.180 4降至0.134 3,下降了25.54%。采用模型更新算法时,把14个零号土猪样本添加到山黑猪校正集,修正后的山黑猪模型对零号土猪样本的预测性能较优,Rp由0.415提高至0.797,提高92.05%,预测均方根误差由0.1804降低为0.1121,下降了37.86%。采用光谱-理化值共生距离法结合DS算法的光谱值校正传递算法时,山黑猪模型对零号土猪样本的预测相关系数由0.415提高至0.837,提高了101.69%,预测均方根误差由0.1804降低至0.0856,下降了52.55%。结果表明,光谱值校正的传递算法能够有效消除品种之间光谱差异,提高了山黑猪模型的适用性,且传递修正效果优于S/B算法和模型更新算法。 相似文献
1