Feasibility analysis of NIR for detecting sweet corn seeds vigor

This paper explores the feasibility of particle-based detection and grading of seed vigor based on a self-built seed single-granulation device using near infrared spectroscopy (NIRS). Sweet corn with uniform kernel size was used for this study. The seed samples were divided into three types, they were normal seeds, artificially aged seeds and heat-damaged seeds. A 2-part spectral acquisition of each seed were performed, one for the collection of seeds that fall into the detection zone within the separation pipe, another was on the static platform, whose collection was performed on 5 faces of each seed. Partial least squares discriminant analysis (PLS-DA) was used to classify the original data of the seeds. In the 2 parts, the discriminant results of the unprocessed normal seeds and the artificial accelerated aging seeds, the untreated normal seeds and the heat-damaged seeds showed that classification accuracy was higher than 98%. The research indicates that the spectral data of different positions of seeds can reflect their activity information, and it is feasible to detect and classify seeds in real time in the detection area of the separation pipeline.     

大湘西地区绿茶风味轮及其滋味类型判别模型构建

以湖南大湘西地区39份绿茶样本为材料,进行感官审评,绘制风味轮,并以主要滋味成分含量为基础建立滋味类型贝叶斯(Bayes)判别模型,旨在了解大湘西地区绿茶品质情况,并为提升大湘西地区绿茶品质提供参考。结果表明:大湘西地区绿茶品质优良,汤色以浅绿色居多;香气类型包括嫩香、嫩栗香、栗香和清香;滋味特征类型有鲜、爽、厚;在此基础上,构建了大湘西地区鲜爽型、醇浓型和其它型绿茶的判别函数,具有较好的准确性,可用于对大湘西地区绿茶滋味类型的预测。     

五种蚌的形态变异与判别分析

运用多变量形态度量学方法，采用6个形态性状对褶纹冠蚌、三角帆蚌、圆背角无齿蚌、椭圆背角无齿蚌和球形无齿蚌5种蚌的种间以及地理种群间的形态变异进行了研究。主成分分析构建了2个主成分，第一主成分受4个性状的影响，贡献率为54.17%；第二主成分受1个性状的影响，贡献率为34.08%。主成分分析和聚类分析表明，褶纹冠蚌与三解帆蚌形态相近，随圆背角无齿蚌与球形无齿蚌外形相拟。方差分析和t检验表明，褶纹冠蚌和三解帆蚌的不同地理种群分别表现出形态上变异。建立了5种蚌的判别函数，三角帆蚌和圆背角无齿蚌的判别准确率均为100%，褶纹冠蚌、椭圆背角无齿蚌和球形无齿蚌的判别准确率依次为98.92%、86.36%和96.88%，总判别准确率为97.83%。     

基于图像的水稻病害识别方法研究

利用图像处理技术和贝叶斯判别法对水稻3种常见病害进行识别研究。首先,利用颜色特征与病斑外轮廓分割病斑,提取病斑形态、颜色、纹理特征共63个参数;然后,应用逐步判别分析法对4个不同参数集合筛选最有效识别参数;最后,利用贝叶斯判别法进行分类识别。结果表明,逐步判别法最多可使参数减少到原来的35.2%,识别准确率最高为97.2%。该方法可以应用于其他农作物病害识别。     

基于加权随机森林的番茄氮元素缺乏分级模型研究

基于叶面颜色特征建立番茄氮元素缺乏分级模型判别准确率可达08以上。夏季定植的番茄叶片表面会覆盖粘质腺毛,粘质腺毛利于番茄吸收水分和营养元素,相同营养液氮离子浓度下叶片黄化过程异于未覆盖粘质腺毛的叶片。故仅基于叶面颜色特征建立分级模型,其准确率降至0.65。覆盖粘质腺毛番茄其叶片周长和叶面积两个形状特征均小于未覆盖粘质腺毛的番茄叶片,本文将番茄叶片两个形状特征结合原有叶面颜色特征共同作为模型输入,建立新的番茄氮元素缺乏分级模型。搭建图像采集系统,该图像采集单元由树莓派和其相机模块构建,使用WiFi或4G网络完成智能手机、图像采集单元、本地计算机之间无线数据传输。智能手机通过Web界面可远程控制采集图像并将图像传输到云平台存储。本地计算机对图像进行预处理提取叶片形状、颜色特征后输入模型进行预测,并输出预测结果。试验结果表明,图像采集系统春季和夏季平均温度在19.7~28.3℃范围内,光照在1.125~9.543lx范围内均可正常使用,采集的图像经预处理分割后降低了环境光线的影响。使用优化后的加权随机森林模型,基于形状特征和颜色特征相结合的叶片氮元素缺乏分级判别准确率可达0.83。     

气体传感器鉴别花椒产地研究

目前花椒产地鉴别基本以感官评定为主,缺乏客观性,在实施应用时难以做到量化和标准化,难以做出判断。因此设计研发一种快速鉴别花椒的智能装置。该装置以气体传感器阵列为核心,能够独立对花椒气味信息进行检测和鉴别,区分不同产地的同类花椒。利用主成分分析和WilksΛ统计分析对检测数据进行处理。提取主成分5个,累积贡献率为94.41%,其对应Fisher判别模型训练集平均准确率达到88.6%,验证集90%,WilksΛ统计分析最终选取8个变量,其对应判别Fisher模型训练集平均准确率91.82%,验证集95%。对WilksΛ统计所选取变量建立细分类交叉验证的Fisher判别模型,平均正确率达到97.27%,将模型移植到采集装置,完成智能花椒品种鉴别装置。该方法是一种简便高效的花椒品种鉴别方法,可为今后进一步研究花椒产地、分级提供检测仪器和理论依据。     

稳定同位素指纹分析在蚕茧产地溯源中的应用研究

蚕茧产地溯源是丝绸原产地溯源的基础.本研究为了探究蚕茧产地溯源最适方法,以不同产地的蚕茧为研究对象,利用不同产区蚕茧的13C、15N、18O和2H同位素组成,通过单因素方差分析、多重比较分析、Fisher线性判别分析留一法交叉验证,最后建立蚕茧产地溯源模型.单因素方差分析结果表明,不同产地蚕茧的δ13C、δ15N、δ1...     

电子鼻鉴别白酒信号小波去漂移方法

为提高电子鼻长期鉴别的稳健性,提出了一种基于小波分析的电子鼻信号去漂移方法。对含漂移信号的电子鼻数据进行小波分解,获得分解系数;构造一种相对偏差阈值滤波函数对小波逼近系数进行阈值处理,获得修正的小波系数;运用小波逆变换对修正后的小波系数进行重构,得到去除漂移或少漂移的电子鼻信号。对6种白酒样本随机生成的5组样本训练集与对应的测试集进行去漂移处理与信号重构,提取去漂移处理前后的电子鼻信号积分值特征,并运用Fisher判别分析(FDA)和BP神经网络分别对5组数据集进行鉴别分析。FDA鉴别结果显示,无论是训练集还是测试集,5组样本的鉴别正确率由去漂移前的最高值45%提升至去漂移后的100%。BP神经网络鉴别结果显示,5组样本的鉴别正确率由去漂移前的最高值31.7%提升至去漂移后的98.3%。这说明所给出的去漂移方法在白酒电子鼻的鉴别中是稳健有效的。同时,也为电子鼻鉴别其他物品提供了一种可借鉴的去漂移方法。     

基于多特征降维的植物叶片识别方法

植物种类识别方法主要是根据叶片低维特征进行自动化鉴定。针对低维特征不能全面描述叶片信息,识别准确率低的问题,提出一种基于多特征降维的植物叶片识别方法。首先通过数字图像处理技术对植物叶片彩色样本图像进行预处理,获得去除颜色、虫洞、叶柄和背景的叶片二值图像、灰度图像和纹理图像。然后对二值图像提取几何特征和结构特征,对灰度图像提取Hu不变矩特征、灰度共生矩阵特征、局部二值模式特征和Gabor特征,对纹理图像提取分形维数,共得到2 183维特征参数。再采用主成分分析与线性评判分析相结合的方法对叶片多特征进行特征降维,将叶片高维特征数据降到低维空间。降维后的训练样本特征数据使用支持向量机分类器进行训练。试验结果表明:使用训练后的支持向量机分类器对Flavia数据库和ICL数据库的测试叶片样本进行分类识别,平均正确识别率分别为92.52%、89.97%,有效提高了植物叶片识别的正确率。