期刊文献+
共找到14篇文章
< 1 >
每页显示 20 50 100
基于特征波长提取的激光近红外光谱快速鉴别食用植物油种类 被引量:6
1
作者 吴双 涂斌 +1 位作者 郑晓 何东平 《中国油脂》 CAS CSCD 北大核心 2017年第4期72-75,共4页
提出了基于CARS、SPA和CARS-SPA特征波长提取的激光近红外光谱技术快速鉴别食用植物油种类的方法。应用光谱仪采集127个食用植物油样本的光谱数据,采用标准正态变量变换算法(SNV)、标准正态变量变换和去趋势技术联用算法(SNV-DT)对其进... 提出了基于CARS、SPA和CARS-SPA特征波长提取的激光近红外光谱技术快速鉴别食用植物油种类的方法。应用光谱仪采集127个食用植物油样本的光谱数据,采用标准正态变量变换算法(SNV)、标准正态变量变换和去趋势技术联用算法(SNV-DT)对其进行预处理,采用CARS、SPA和CARS-SPA 3种方法对经过预处理的光谱数据进行特征波长提取,应用支持向量机分类方法(SVC)建立食用植物油种类定性分类校正模型,选择网格搜索算法对模型参数组合(C,g)进行寻优,确定最优参数组合。结果表明,CARS-SVC、SPA-SVC和CARS-SPA-SVC模型预测集准确率均达到96.77%,预测效果理想,其中SNV-DT-SPA-SVC模型预测效果最优,预测集准确率达到100%。综上基于特征波长提取的激光近红外光谱分析技术能够快速准确鉴别食用植物油种类,为便携式现场检测设备开发提供了理论基础。 展开更多
关键词 激光近红外光谱技术 食用植物油 特征波长提取 支持向量机分类 掺伪
在线阅读 下载PDF
基于特征波长提取的哈密大枣可溶性固形物的高光谱预测 被引量:4
2
作者 孙静涛 马本学 +3 位作者 董娟 杨杰 徐洁 蒋伟 《现代食品科技》 EI CAS 北大核心 2016年第9期174-179,223,共7页
本文利用高光谱图像技术对干制后的哈密大枣可溶性固形物含量(SSC)进行预测研究。使用多种预处理方法对原始光谱进行处理,并对原始光谱和预处理后的光谱分别建立PLS模型,对比分析得出均值中心化(MC)处理效果最佳。对MC处理后的光谱经联... 本文利用高光谱图像技术对干制后的哈密大枣可溶性固形物含量(SSC)进行预测研究。使用多种预处理方法对原始光谱进行处理,并对原始光谱和预处理后的光谱分别建立PLS模型,对比分析得出均值中心化(MC)处理效果最佳。对MC处理后的光谱经联合区间偏最小二乘算法(si-PLS)筛选后,再结合遗传算法(GA)和竞争性自适应重加权算法(CARS)提取哈密大枣SSC的特征波长,将提取的波长变量建立哈密大枣SSC的PLS预测模型。结果显示:利用MC-CARS-GA-si-PLS方法提取的16个关键波长变量(仅占全光谱变量的2%)所建立的PLS模型性能优于全光谱PLS模型。该模型的预测集相关系数(Rp)、预测均方根误差(RMSEP)和预测(RPD)分别为0.93、0.48和2.721。该方法提取的波长变量所建立的预测模型,不仅使模型简化,而且增强了模型的预测能力,为高光谱图像技术对水果及其干制品的定量分析研究提供了参考。 展开更多
关键词 高光谱 哈密大枣 可溶性固形物 特征波长提取 偏最小二乘法
原文传递
多分类器融合提取土壤养分特征波长 被引量:7
3
作者 李雪莹 范萍萍 +2 位作者 刘岩 王茜 吕美蓉 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2019年第9期2862-2867,共6页
光谱已经应用于土壤养分速测的分析,但是如何寻找土壤光谱特征波段,尽最大可能避免无用信息干扰、保留有用信息,建立准确度高、预测效果好的模型仍是一个亟需解决的问题。以青岛三个不同地区土壤样品为例,测定土壤样品的紫外-可见-近红... 光谱已经应用于土壤养分速测的分析,但是如何寻找土壤光谱特征波段,尽最大可能避免无用信息干扰、保留有用信息,建立准确度高、预测效果好的模型仍是一个亟需解决的问题。以青岛三个不同地区土壤样品为例,测定土壤样品的紫外-可见-近红外光谱及其总碳(TC)、总氮(TN)、总磷(TP)含量;分别采用连续投影算法(SPA)、无信息变量消除法(UVE)、遗传算法(GA)、相关系数法(CC)四种算法(四种单分类器)对土壤光谱提取特征波长;再引入投票法和加权投票法的多分类器融合方法将四种算法融合得到特征波长;以偏最小二乘回归(PLSR)建立各土壤养分含量的模型,通过对模型效果的评价标准(建模集绝对系数R2c、校正均方根误差RMSEC、检验集绝对系数R2p、预测均方根误差RMSEP和相对分析误差RPD值)来判别各单分类器算法和多分类器融合算法对土壤养分含量特征波长的提取效果。分别对四种算法、筛选其中三种算法、最优二种算法进行融合,分析融合后模型效果和特征波长个数,结果表明:将四种单分类器经投票法融合后,其模型效果大部分不如单分类器,且相对好的模型特征波长个数较多;相较于投票法多分类器融合,四种单分类器经加权投票法融合模型效果有了一定的提高,TC和TN都能够在较少的波长中获得较好的预测效果,但仅TN经融合后,模型效果优于每个单分类器;TC,TN,TP分别在取SPA+UVE+GA,SPA+UVE+GA(或SPA+GA+CC)、SPA+UVE+GA三种单分类器进行加权投票法融合后,均能获得最优模型效果,且明显优于每个单分类器,模型效果有了显著提高;各土壤养分含量经两个最优单分类器加权投票法融合后,仍能得到好于最优单分类器的建模效果,TC和TP建模效果略差于三个单分类器融合结果,TN建模效果与三个单分类器融合结果相同。因此,在筛选三种算法融合,且其中包含最优两种算法的情况下,能够以较少的特征波长个数获得明显高于单分类器的建模效果。该方法为寻找土壤养分以及其他复杂物质成分的光谱特征波段提供了新方法,也为多种算法的综合运用提供了新思路。 展开更多
关键词 多分类器融合 土壤养分 光谱技术 特征波长提取
在线阅读 下载PDF
高光谱成像融合特征波长筛选监测番茄贮藏中品质变化的方法 被引量:3
4
作者 贾梦梦 殷勇 +2 位作者 于慧春 袁云霞 王志豪 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2023年第3期969-975,共7页
利用高光谱成像技术(HSI)采集了300个不同贮藏时间的番茄高光谱图像,在所界定的有效波段中提取特征波长的基础上,构建了番茄贮藏过程中品质变化的马氏距离监测模型,实现了番茄贮藏过程中的品质变化监测。首先,采用多元散射校正(MSC)结合... 利用高光谱成像技术(HSI)采集了300个不同贮藏时间的番茄高光谱图像,在所界定的有效波段中提取特征波长的基础上,构建了番茄贮藏过程中品质变化的马氏距离监测模型,实现了番茄贮藏过程中的品质变化监测。首先,采用多元散射校正(MSC)结合Savizky-Golay卷积平滑(SG)方法对高光谱原始数据进行了预处理,以消除基线漂移及噪声信号等影响。其次,基于光谱曲线在不同波段范围的变化趋势,并结合全波段下Wilks Λ最小值对应主成分在各个波长下的权重系数定义了可凸显番茄贮藏过程中品质变化的有效波段。随后,分别在全波段和有效波段采用连续投影算法(SPA)、竞争性自适应加权算法(CARS)和Wilks Λ统计量融合主成分分析3种筛选特征波长的方法进行特征波长的提取,通过对比分析3种方法提取的特征波长数量,指出了基于Wilks Λ统计量融合主成分分析可以有效降低数据维度,简化运算过程。接着对基于Wilks Λ统计量融合主成分分析在全波段和有效波段筛选出的主成分进行分析,指出了在有效波段基于Wilks Λ统计量融合主成分分析进行特征波长的提取可以很好地避免冗余信息对有效信息的掩盖作用,还可以进一步降低数据维度。最后,对分别以贮藏第1日和番茄腐败临界日为监测基准日构建番茄贮藏过程中品质变化的马氏距离监测模型的优缺点进行了分析,指出以贮藏第1日为监测基准日构建的模型更具有有效性和可靠性。研究结果表明:基于Wilks Λ统计量融合主成分分析提取的特征波长个数为最少(5个),且筛选出的主成分能够有效地表征番茄贮藏过程中品质变化的差异性。为利用高光谱成像技术监测番茄贮藏过程中的品质变化提供了一种有效的特征波长提取方法。 展开更多
关键词 高光谱成像技术 特征波长提取 WilksΛ统计量 贮藏 番茄 马氏距离
在线阅读 下载PDF
油莎豆含油率的近红外光谱检测模型研究
5
作者 魏海峰 时学双 +6 位作者 党锡强 米玛顿珠 张梦媛 常唯 赤列措姆 张斌 高文伟 《山东农业科学》 北大核心 2025年第1期166-173,共8页
为建立油莎豆块茎含油率的近红外光谱快速无损检测模型,提高育种材料的早代选择效率,本研究以109份油莎豆块茎样本为实验材料,采集波长范围为950~1650 nm、分辨率为1 nm的近红外光谱,并通过索氏提取法测定块茎粗脂肪含量,剔除异常样本... 为建立油莎豆块茎含油率的近红外光谱快速无损检测模型,提高育种材料的早代选择效率,本研究以109份油莎豆块茎样本为实验材料,采集波长范围为950~1650 nm、分辨率为1 nm的近红外光谱,并通过索氏提取法测定块茎粗脂肪含量,剔除异常样本后共得到103份样本,使用SPXY法将其按3∶1的比例划分为校正集与验证集。分别采用标准正态变换、多元散射校正、一阶导、二阶导、SG平滑以及混合方法对原始光谱进行预处理,并基于此建立偏最小二乘回归(PLSR)模型,通过对模型性能的对比分析,筛选出在校正集和验证集上预处理效果均较好的MSC+SG法,用于油莎豆含油率检测模型的构建;然后用竞争性自适应重加权采样(CARS)、无信息变量消除(UVE)算法以及MLP神经网络进行特征波长提取,并构建PLSR模型,结果显示,用CARS和UVE算法分别提取出115个和251个特征波段,建模效果均比全波段建模效果好,其中CARSPLSR模型预测性能最优,校正集交叉验证均方根误差(RMSE_(CV))、决定系数(R_(CV)^(2))分别为1.328、0.903,验证集RMSE_(P)、R_(P)^(2)分别为1.206、0.888,验证集相对分析误差(RPDP)为3.040;而MLP-PLSR模型的预测精度与CARS-PLSR模型接近,RMSE_(CV)、R_(CV)^(2)分别为1.387、0.903,RMSE_(P)、R_(P)^(2)分别为1.207、0.887,RPDP为3.040,但提取的特征波长仅77个,是3种方法中最少的,说明MLP法能够更有效地降低光谱信息重叠,滤除无关信息,MLP-PLSR更适合用于油莎豆含油率检测。综上,本研究初步建立了基于近红外光谱的油莎豆含油率快速无损检测模型,可为提高育种工作中的检测效率提供有效方法,并为油莎豆含油率无损检测提供技术支持。 展开更多
关键词 油莎豆 含油率 近红外光谱 偏最小二乘回归(PLSR) MLP神经网络 特征波长提取
在线阅读 下载PDF
基于多模态融合的玉米种子成熟度的无损检测
6
作者 曾柯宜 刘禹彤 +2 位作者 张倩 陈媛媛 吴静珠 《食品安全质量检测学报》 2025年第2期171-177,共7页
目的应用高光谱成像技术,结合多模态融合方法,实现对玉米种子成熟度精准、无损检测。方法获取高、低成熟度玉米种子高光谱图像,采用自举软收缩算法与连续投影算法的级联算法(bootstrapping soft shrinkage-successive projections algor... 目的应用高光谱成像技术,结合多模态融合方法,实现对玉米种子成熟度精准、无损检测。方法获取高、低成熟度玉米种子高光谱图像,采用自举软收缩算法与连续投影算法的级联算法(bootstrapping soft shrinkage-successive projections algorithm,BOSS-SPA)进行特征波长提取,采用灰度共生矩阵法(gray-level co-occurrence matrix,GLCM)进行图像纹理特征提取,选择能量、熵、相关性、逆方差和对比度5个特征参数,将光谱与图像数据进行特征级融合,利用偏最小二乘判别(partial least squares-discriminant analysis,PLS-DA)和最小二乘支持向量机(least squares support vector machine,LS-SVM)建立玉米种子成熟度分类模型。结果确定使用SG卷积平滑-标准正态变量变换(Savitzky-Golay convolution smoothing-standard normal variable,SG-SNV)作为最佳光谱预处理方法,采用BOSS-SPA方法提取的11个波长表现出良好建模性能,基于光谱图像融合数据的模型测试集总体识别准确率均达到95%以上。结论高光谱技术结合多模态特征融合方法有望成为玉米种子成熟度的无损检测提供切实可行的参考方法。 展开更多
关键词 高光谱成像 玉米种子成熟度 多模态融合 特征波长提取 纹理特征提取
在线阅读 下载PDF
应用高光谱图像技术对林下作物质量等级鉴别方法——以黄芪为例 被引量:2
7
作者 张佳薇 支佶豪 +5 位作者 管雪梅 张颂 苏田 林舒杨 余佩龙 李明宝 《东北林业大学学报》 CAS CSCD 北大核心 2024年第6期79-84,共6页
黄芪作为一种林下多年生草本,具有极高的经济和药用价值。黄芪粉是黄芪的重要消费形式,不同质量等级的黄芪粉由于内部成分差异,在近红外光谱下具有不同的特性,而肉眼却难以区分。针对不同质量等级间黄芪粉难以鉴别的问题,利用高光谱成... 黄芪作为一种林下多年生草本,具有极高的经济和药用价值。黄芪粉是黄芪的重要消费形式,不同质量等级的黄芪粉由于内部成分差异,在近红外光谱下具有不同的特性,而肉眼却难以区分。针对不同质量等级间黄芪粉难以鉴别的问题,利用高光谱成像技术对312组黄芪粉样本进行数据采集,再对光谱信息采用标准正态变化(SNV)、多元散射校正(MSC)和卷积平滑(SG)3种预处理,再利用竞争性自适应重加权采样(CARS)、变量组合集群分析(VCPA)和区间变量迭代空间收缩法(IVISSA)对全波段光谱进行特征提取,以优选的特征波长作为输入,建立K-近邻判别(KNN)和支持向量机(SVM)分类模型。结果表明:经过竞争性自适应重加权采样的支持向量机模型分类效果最好,训练集和测试集准确率分别达到100.00%和98.94%,能够实现黄芪粉的准确分类,为林下作物的等级鉴别提供了新的研究思路。 展开更多
关键词 高光谱图像 黄芪鉴别 特征波长提取 机器学习
在线阅读 下载PDF
高光谱成像的多种类柑橘病虫药害叶片检测方法研究 被引量:6
8
作者 吴叶兰 管慧宁 +3 位作者 廉小亲 于重重 廖禺 高超 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2022年第8期2397-2402,共6页
影响柑橘生长的病虫药害种类繁多,目前的检测方法大多针对单一病症,开发基于高光谱成像和机器学习的多种类柑橘病虫药害叶片快速精准检测方法,对果园精准施药和柑橘产业健康发展具有重要意义。以果园自然发病的柑橘叶片为研究对象,包括... 影响柑橘生长的病虫药害种类繁多,目前的检测方法大多针对单一病症,开发基于高光谱成像和机器学习的多种类柑橘病虫药害叶片快速精准检测方法,对果园精准施药和柑橘产业健康发展具有重要意义。以果园自然发病的柑橘叶片为研究对象,包括柑橘正常叶(50片)、溃疡病叶(50片)、煤烟病叶(103片)、缺素病叶(60片)、红蜘蛛叶(56片)和除草剂危害叶(85片),采集350~1050 nm波段内的高光谱数据。分别利用一阶求导(1Der)、多元散射校正(MSC)和中值滤波(MF)方法对原始(Origin)高光谱数据进行预处理,对预处理后的高光谱数据采用主成分分析(PCA)和竞争性自适应重加权(CARS)算法提取特征波长,CARS降维得到的特征波长分别为10个、5个、12个和10个,4组PCA提取的特征波长均为7个,两种方法所得特征波长范围都集中在700~760 nm波段内。对全波段(FS)使用极限梯度提升树(XGBoost)算法,特征波长使用支持向量机(SVM)建立柑橘病叶多分类模型。采用XGBoost建立的检测识别模型有Origin-FS-XGBoost,1Der-FS-XGBoost,MSC-FS-XGBoost和MF-FS-XGBoost,对6种病虫害叶片检测得到的整体分类准确率(OA)分别为94.32%,93.60%,95.98%和96.56%;SVM建立的检测识别模型为Origin-CARS-SVM,1Der-CARS-SVM,MSC-CARS-SVM,MF-CARS-SVM,Origin-PCA-SVM,1Der-PCA-SVM,MSC-PCA-SVM和MF-PCA-SVM,各模型OA依次为93.63%,90.26%,87.90%,91.95%,87.53%,90.82%,83.50%和90.98%。结果表明,以FS为输入的XGBoost模型识别率整体优于以特征波长为输入的SVM模型,MF-FS-XGBoost模型OA为96.56%,召回率(Recall)为95.91%,模型训练时间(Train-time)为63 s,综合性能最好;CARS-SVM建模效果优于PCA-SVM,在3种预处理方式下,CARS-SVM模型识别率均高于87%,PCA-SVM模型识别率均在83%以上。结果证实了,高光谱成像技术结合机器学习方法可实现多种类柑橘病虫药害分类识别,为柑橘病虫药害快速无损检测和防治提供科学依据。 展开更多
关键词 高光谱成像 柑橘病叶 特征波长提取 XGBoost 支持向量机
在线阅读 下载PDF
干贝水分含量可视化检测方法的研究 被引量:3
9
作者 黄慧 沈晔 +5 位作者 郭乙陆 王杭州 詹舒越 杨萍 宋宏 何勇 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2017年第11期3525-3529,共5页
水分含量影响干贝的口感、质地等品质特征,而且与其贮存期密切相关。应用高光谱成像与检测技术结合化学计量学方法,实现干贝水分含量的快速检测。实验采用高光谱成像系统采集380~1 030nm波段范围内的高光谱图像,采集得到6个不同干燥时期... 水分含量影响干贝的口感、质地等品质特征,而且与其贮存期密切相关。应用高光谱成像与检测技术结合化学计量学方法,实现干贝水分含量的快速检测。实验采用高光谱成像系统采集380~1 030nm波段范围内的高光谱图像,采集得到6个不同干燥时期共90个干贝样本高光谱图像。提取所有样本感兴趣区域的平均光谱数据,采用连续投影算法(SPA)和权重回归系数法(Bw)分别提取了7个和4个特征波长。基于所提取的特征波长和全波长分别建立光谱数据与水分含量的偏最小二乘回归(PLSR)模型,三种模型分别是SPA-PLSR,Bw-PLSR和PLSR。建模集和预测集相关系数都高于0.95,预测均方根误差都低于10%,三种模型均获得了较好的预测效果,都能很好地预测干贝的水分含量。在所有模型中,SPA-PLSR模型具有较少的波长变量和较高的预测能力(97.28%),因此本文基于SPA-PLSR模型,采用伪彩色图像编程技术实现了干贝图像上每个像素点的水分含量的可视化预测。结果表明,高光谱成像技术结合特征波长提取算法可用于干贝水分含量分布的可视化检测。 展开更多
关键词 高光谱成像 干贝 水分含量 特征波长提取 偏最小二乘回归
在线阅读 下载PDF
基于便携式近红外光谱仪的樱桃番茄糖分快速分析模型 被引量:6
10
作者 孙阳 刘翠玲 +1 位作者 孙晓荣 闻世震 《食品与发酵工业》 CAS CSCD 北大核心 2021年第23期214-220,共7页
为实现对樱桃番茄糖分的现场快速无损检测,应用便携式近红外光谱仪器AMBERⅡ对所采集樱桃番茄的近红外光谱数据进行建模分析。实验样本共172个,利用Kennard-Stone(K-S)算法以3∶1比例划分样本集。光谱预处理选用Savitzky-Golay卷积平滑... 为实现对樱桃番茄糖分的现场快速无损检测,应用便携式近红外光谱仪器AMBERⅡ对所采集樱桃番茄的近红外光谱数据进行建模分析。实验样本共172个,利用Kennard-Stone(K-S)算法以3∶1比例划分样本集。光谱预处理选用Savitzky-Golay卷积平滑和标准归一化(standard normal variate,SNV),分别使用无信息变量消除法(uniformative variable elimination,UVE)、连续投影算法(successive projections algorithm,SPA)和无信息变量消除结合连续投影算法(UVE-SPA)3种算法进行特征波长提取,用偏最小二乘(partial least squares,PLS)方法建模,最终使用UVE-SPA算法提取得到12个特征波长点进行PLS建模的结果最佳,建模集和预测集的决定系数R^(2)分别为0.9385和0.9347,建模集和预测集的均方根误差分别为0.1305和0.1744,相对分析误差(relative percent deviation,RPD)为2.81。研究表明,利用以上方法提取的特征波长点所建立的模型预测效果较好,说明便携式近红外光谱仪器可以应用于对樱桃番茄糖分的现场快速无损检测。 展开更多
关键词 樱桃番茄 糖分检测 便携式近红外光谱仪 偏最小二乘 特征波长提取
在线阅读 下载PDF
基于可见/近红外光谱分析技术的水性油墨黏度预测模型 被引量:3
11
作者 白永利 黄新国 +4 位作者 彭楠 张姗姗 钟云飞 翟小阳 谢小春 《包装学报》 2022年第5期49-56,共8页
针对水性油墨黏度测量方法存在操作复杂、主观性强等问题,利用可见/近红外光谱分析技术结合化学计量学方法,建立水性油墨黏度预测模型,实现水性油墨黏度的快速无损检测。首先,利用微型光纤光谱仪采集水性油墨样本的反射光谱;再通过比较... 针对水性油墨黏度测量方法存在操作复杂、主观性强等问题,利用可见/近红外光谱分析技术结合化学计量学方法,建立水性油墨黏度预测模型,实现水性油墨黏度的快速无损检测。首先,利用微型光纤光谱仪采集水性油墨样本的反射光谱;再通过比较不同预处理方法对原始光谱数据的预处理效果,分别基于原始全光谱及预处理后的光谱数据构建水性油墨黏度的偏最小二乘回归(PLSR)和主成分回归(PCR)预测模型;最后,将预处理后的光谱数据采用连续投影算法(SPA)和竞争性自适应重加权算法(CARS)提取特征波长,并基于特征波长的光谱数据建立水性油墨黏度的PLS预测回归模型。结果表明,采用SPA算法从全光谱中只提取了4个特征波长,不仅显著简化了模型,提升了模型的运算效率,建立的SNV-SPA-PLS模型还具有最佳的预测性能(R_(p)^(2)=0.9992,RMSEP=0.0732)。该研究结果表明应用光谱分析技术实现对水性油墨黏度检测是有效可行的,为进一步通过光谱分析技术进行水性油墨在线黏度检测提供了新方法,为提高印刷品质量稳定性提供了技术基础。 展开更多
关键词 可见/近红外光谱分析技术 水性油墨 黏度 特征波长提取 无损检测
在线阅读 下载PDF
棉花内层杂质的高光谱透射成像分类检测
12
作者 魏子凯 王杰 +1 位作者 张若宇 张梦芸 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2023年第10期3230-3238,共9页
棉花杂质在轧棉过程中对棉纤维造成损伤,导致成品纺织品出现瑕疵。因此,杂质的检测和分类在棉花生产过程及质量检验中至关重要。地膜是我国机采棉中特有的杂质。该研究将包括地膜碎片等12种常见棉花杂质放置于两层皮棉层之间,采用推扫... 棉花杂质在轧棉过程中对棉纤维造成损伤,导致成品纺织品出现瑕疵。因此,杂质的检测和分类在棉花生产过程及质量检验中至关重要。地膜是我国机采棉中特有的杂质。该研究将包括地膜碎片等12种常见棉花杂质放置于两层皮棉层之间,采用推扫式高光谱成像系统在透射模式下对杂质与皮棉混合样本进行图像采集,在400~1000 nm范围内利用光谱信息识别嵌在皮棉层中的12种杂质。首先对高光谱图像进行平场校正,对边缘噪声进行裁剪;选择500 nm处灰度图像进行人工感兴趣区域(ROIs)提取,从ROIs提取皮棉和杂质平均透射光谱并进行标准化;使用典型判别分析(CDA)对皮棉和杂质光谱进行处理并利用前三个典型变量绘制散点图,观察散点分组情况,采用多变量方差分析(MANOVA)对前三个典型变量评估每两种杂质之间的差异。然后使用区间随机蛙跳(iRF)方法提取特征波段,采用支持向量机(SVM)分类器,分别对全波段及特征波段的透射光谱进行杂质和皮棉13个类别的分类研究,对比分析两次分类的准确率。结果表明,全波段的各类杂质和皮棉的平均分类准确率为84.4%,该方法对棉花内层杂质的检测与分类是可行的,包括与皮棉外观相近的地膜、塑料包装和纸的分类效果较好。在提取12个特征波段后,4种具有相似外观和相似化学成分的杂质(裂茎、茎皮、棉铃壳、棕叶)分类准确率较低但都超过73%;棉籽、绿叶、纸片、塑料包装、地膜、皮棉的分类准确率均超过90%;各类杂质和皮棉的平均分类准确率为86.2%;与全波段光谱的分类结果相比,特征波段光谱的平均分类准确率提高1.8%。该研究结果可为棉花内层杂质检测研究提供理论依据,并对高光谱透射成像技术的应用有较好的指导作用。 展开更多
关键词 棉花杂质分类 高光谱成像 透射 随机蛙跳 特征波长提取
在线阅读 下载PDF
光谱数据预处理对潮间带沉积物氮LSSVM模型的影响研究
13
作者 吕美蓉 任国兴 +5 位作者 李雪莹 范萍萍 刘杰 孙中梁 侯广利 刘岩 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2020年第8期2409-2414,共6页
光谱数据变换和光谱特征波长提取是二种重要的光谱预处理方法,对消除环境等干扰具有重要的作用。以往文献主要对比研究不同的光谱数据变换方法,光谱特征波长提取方法的对比研究以及二者的组合研究较少。为了获取适宜的光谱预处理方法,... 光谱数据变换和光谱特征波长提取是二种重要的光谱预处理方法,对消除环境等干扰具有重要的作用。以往文献主要对比研究不同的光谱数据变换方法,光谱特征波长提取方法的对比研究以及二者的组合研究较少。为了获取适宜的光谱预处理方法,提高潮间带沉积物氮的最小二乘支持向量机(LSSVM)模型精度,研究了4种光谱变换方法与3种特征波长提取方法组合对沉积物氮LSSVM模型精度的影响,以期实现潮间带沉积物氮的精确预测。研究结果表明,多元散射校正(MSC)或标准正态变换(SVN)光谱变换方法提高了光谱与氮含量的相关性,最高相关系数分别达到0.69和0.71;并且提高了LSSVM模型的预测精度,模型的预测R^2和RPD分别为0.88,0.87和2.78,2.69。无信息变量消除(UVE)特征波长提取方法也提高了LSSVM模型的预测精度,模型预测R^2和RPD分别0.89和2.70。但是,UVE提取的特征波长并不都与氮含量具有高相关性。此外,组合运用UVE特征波长提取方法和MSC或SVN光谱变换方法,也提高了模型预测精度,但并不优于单独运用UVE特征波长提取方法或单独运用MSC及SVN光谱变换方法。研究结果可为潮间带沉积物氮估算和光谱数据预处理提供技术参考。 展开更多
关键词 光谱数据变换 光谱特征波长提取 光谱预处理 潮间带沉积物
在线阅读 下载PDF
近红外光谱下冷鲜羊肉中鸡肉掺假鉴别分析 被引量:3
14
作者 冯嘉欣 李志刚 张小栓 《食品科技》 CAS 北大核心 2022年第7期284-290,共7页
为对不同肥瘦比的冷鲜羊肉中鸡肉掺假水平进行判别分析,实现对掺假羊肉的快速检测。选用400个掺假样本,羊肉肥肉占10%、20%、30%、40%、50%,鸡肉占瘦肉的0%、10%、20%、30%、40%、60%、80%和100%。利用近红外光谱技术提取光谱波段为680~... 为对不同肥瘦比的冷鲜羊肉中鸡肉掺假水平进行判别分析,实现对掺假羊肉的快速检测。选用400个掺假样本,羊肉肥肉占10%、20%、30%、40%、50%,鸡肉占瘦肉的0%、10%、20%、30%、40%、60%、80%和100%。利用近红外光谱技术提取光谱波段为680~2600 nm,以3倍标准差法去异常值,运用光谱-目标共生距离按3:1比例划分样本,以多元散射校正、标准正态变换、SG卷积平滑(SGS)、SG一阶导和二阶导为预处理方法,特征波长提取选用竞争性自适应重加权算法(CARS)、信息变量消除法、连续投影算法三类方法,结合偏最小二乘(PLS)及支持向量机(SVM)建模预测。共剔除5个异常值,确定使用SGS作为最佳预处理方法,采用CARS方法提取的56个波长点表现出良好建模性能,最佳预测模型组合为SGS-CARS-PLS建模,校正集决定系数与均方根误差分别是0.9993、0.1895,验证集决定系数和均方根误差为0.8982、0.2843。因此,近红外光谱技术下经SGS预处理、CARS特征波长选取后建立的PLS模型可以识别出冷鲜羊肉中鸡肉掺假水平。 展开更多
关键词 羊肉掺假 近红外光谱 特征波长提取 偏最小二乘(PLS) 支持向量机(SVM)
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部