共查询到20条相似文献，搜索用时 140 毫秒
1.
基于理化指标和电子鼻的果园荔枝成熟度识别方法 总被引：1，自引：0，他引：1
采用理化指标和电子鼻识别2种方法分别对6个成熟度(p1~p6)的果园荔枝进行识别。理化指标采样数据显示,荔枝果实直径、果核直径和果实净质量均随着果实的成熟而增大。p1—p4阶段,荔枝果皮绿色和黄色不断加深,亮度不断增大。p4—p6阶段,荔枝果皮亮度先增大后减小,颜色迅速变红,黄色成分先增加后减少。提取特征值后,采用主成分分析(PCA)、线性判别分析(LDA)、BP神经网络(BPNN)、简单相关分析(SCA)、典型相关分析(CCA)进行数据处理。理化指标识别法结合PCA和LDA对果园荔枝成熟度识别的正确率均为100%,能够较好地进行识别。但PCA识别结果中p1、p2和p3的距离较近,实际应用中易发生混淆。电子鼻识别法结合PCA和LDA分析均无法较好地对果园荔枝成熟度进行识别,电子鼻识别法结合BPNN对果园荔枝识别训练集的回判正确率为100%,测试集的识别正确率为92%,识别效果较好。SCA分析结果表明,在荔枝成熟过程中,除色差L*值外,其他各项理化指标均与电子鼻部分传感器的响应信号显著相关。CCA分析结果表明,电子鼻响应信号与理化指标整体相关性显著,电子鼻整体信号与部分理化指标相关性显著。证明了理化指标和电子鼻均能有效地识别水果品质信息变化,并为电子鼻替代理化指标识别法在水果品质信息监测上的应用提供了参考。 相似文献
2.
提出一种利用电子鼻系统检测茶香气味辨别茶叶种类的识别方法,使用主成分分析（PCA）、K-means聚类和卷积神经网络（CNN）3种机器学习方法对10种茶叶种类进行识别。实验结果表明,基于PCA降维特征的K聚类精度为85.17%,比基于原始特征的K聚类精度78.83%更优,基于PCA降维特征的CNN算法识别率达到95%,基于茶香气味检测的茶叶种类识别方法方便快捷,具有可行性。 相似文献
3.
常规水果采摘机械目标识别方法多数采用特征阈值化法,对水果图像进行分割处理,不能根据水果图像中某些目标存在的共同特征将其分割为特定区域,无法为目标识别提供有力支持,降低了水果采摘机械目标识别的精确率。基于此,引入机器视觉技术原理,以类球状水果为例,提出了一种全新的水果采摘机械目标识别方法。利用高性能的拍摄相机,随机选取类球状水果进行图像采集与预处理,获取特征突出、不存在噪声点的图像,采用机器视觉技术设计图像分割算法,将图像划分为多个超像素块,对类球状水果图像边缘进行平滑处理,获取融合特征的类球状水果采摘机械目标识别显著图,完成机械目标识别。实验分析可知,通过这方法识别类球状水果采摘机械目标,其识别结果的精确率、召回率与调和平均值等三个评测指标均≥95.38%,识别效果优势显著。 相似文献
4.
联合收获机中零部件繁多及滚珠滑失等因素,导致监测信号中轴承组件的特征频率并非总能找到,进而影响了故障诊断的正确率。为了解决该问题,提出了一种基于不完全信息的轴承故障聚类识别方法。该方法将特征频率显著的样本作为先验信息,利用这些信息进行相关成分分析,从而给相关程度高的特征赋予大的权重,然后利用改进的半监督聚类算法对所有样本进行聚类识别。其中,提出了近邻扩展方法对先验信息进行扩充,增加了目标函数惩罚环节对聚类过程予以指导。将所提方法应用于联合收获机的轴承滚珠和外圈故障识别,与其它几种聚类方法相比,故障识别率提高了2.78%~7.22%。 相似文献
5.
高EGCG含量茶树品种光谱识别模型构建 总被引：1，自引：0，他引：1
《中国农机化学报》2021,(6)
为解决目前高EGCG含量茶树品种育种过程中,叶片EGCG含量检测存在繁琐、成本高和周期长等问题,研究采用近红外光谱分析技术结合化学计量法实现茶树叶片EGCG含量的快速定性高低判别。利用手持式光谱仪分别采集高EGCG含量(13.68±1.99)%茶树(W1)和低EGCG含量(4.86±1.17)%茶树(Huangdan)叶片的近红外光谱反射率。应用RF(Random Frog)算法提取对EGCG敏感的波段,并对比分析线性判别分析LDA和最小二乘支持向量机LS-SVM两种方法对高EGCG含量茶树叶片的识别能力。结果表明:主成分分析后样本的第一主成分和第二主成分的累计方差贡献率为99.6%,对应的得分对高/低EGCG含量茶树叶片具有较好的聚类作用。RF算法选取前20个敏感波段构建的最小二乘支持向量机(LS-SVM)模型对高/低EGCG含量茶树叶片的识别正确率和Kappa系数分别为93.94%和0.89。研究结果可为高EGCG含量茶树品种的育种提供技术支持。 相似文献
6.
基于线性判别法的生菜农药残留定性检测模型研究 总被引：1，自引：0，他引：1
针对农副产品农药残留超标现象,提出一种快速高效无损检测菜叶农药残留的方法。以4组生菜叶片为研究对象,分别喷洒丙酮和3种不同浓度的乐果农药(乐果和丙酮的体积比为1∶100、1∶500、1∶1 000),利用近红外高光谱成像仪采集生菜样本的高光谱图像(871.61~1 766.32 nm)。在生菜高光谱图像中选取感兴趣区域(ROI)并提取该区域的平均光谱,对ROI内的图像进行主成分分析(PCA)处理,提取PC1、PC2图像的纹理特征。采用连续投影算法(SPA)和主成分分析方法 (PCA)选取光谱数据的特征波长,分别利用线性判别法K最近邻法(KNN)、马氏距离(MD)和Fisher判别分析(FLDA)方法建立基于全波段、特征波段下光谱特征和光谱与纹理融合特征的农药残留检测模型。结果表明,基于SPA特征光谱和主成分图像纹理特征融合信息的Fisher模型较好,训练集和测试集分类正确率分别为98.9%和100%,利用近红外高光谱图像技术结合信息融合及Fisher算法鉴别农药残留等级是可行的。 相似文献
7.
为了提高温室环境测控系统中传感器数据的准确性,针对温室环境参数变化的时间相关性和空间相似性特点,提出了一种基于主成分分析(Principal component analysis,PCA)的故障检测与基于时空信息比较的温室环境监测系统的传感器故障识别方法。首先利用基于PCA的传感器故障检测方法,通过监控统计量T2和SPE的变化实现传感器系统故障检测;再针对检测出故障的传感器节点,对该时刻传感器节点采用基于时空特性的节点信息比较实现不同传感器的故障识别。分别对比基于时间尺度、空间尺度、时空尺度的节点信息比较方法对传感器故障识别的影响进行了分析与试验验证,验证结果表明:基于PCA的传感器故障检测方法能够有效地实现对传感器系统故障的初步检测,提出的基于时空信息比较的传感器故障识别方法,融合考虑时间尺度和空间尺度的节点信息,能够有效地实现传感器具体故障定位;所建立的传感器故障识别方法检测正确率CDR为98.37%、平均虚警率FAR为1.72%,较传统的传感器故障识别方法检测正确率CDR提高了22.067个百分点,而平均虚警率FAR则降低了15.762个百分点,能够有效地保证故障诊断效率、提高故障诊断精度、降低虚警率,具有可靠性和准确性。 相似文献
8.
采用高光谱成像技术(450~1 000 nm)对壶瓶枣的5种自然损伤(缩果病、裂纹、虫害、黑斑病、鸟啄伤)进行识别研究。利用高光谱成像系统采集了5种自然损伤及完好枣一共663个壶瓶枣样本的高光谱图像,并提取相应的感兴趣区域(ROI),得到了样本的光谱数据。应用偏最小二乘回归(PLSR)、连续投影算法(SPA)从全波段中分别提取了9条、10条特征波长,利用Kennard-Stone算法将各类样本按照3∶1的比例随机分成训练集(500个)和测试集(163个),并对其建立最小二乘支持向量机(LS-SVM)判别模型,结果表明使用SPA-LS-SVM建立的壶瓶枣自然损伤模型的整体判别正确识别率为93.2%。运用主成分分析(PCA)对由SPA提取出的10条特征波长(535、595、657、672、685、749、826、898、964、999 nm)所对应的单波段图像进行数据压缩,分别采用Sobel算子、区域生长算法Regiongrow并结合主成分图像识别出163个壶瓶枣样本的边缘与自然损伤特征区域,得出平均正确识别率达到90.8%。研究结果表明:采用高光谱成像技术可以对壶瓶枣的自然损伤进行光谱判别和图像识别。 相似文献
9.
以"北京8号"桃为研究对象,应用900~1 700nm范围内近红外高光谱成像技术对损伤发生12h后的桃进行损伤早期检测研究。通过光谱比较,确定出识别光谱区域为950~1 350nm。基于此光谱区域,利用主成分分析与独立成分分析不同方法进行降维,结合中值滤波、阈值分割等数字图像处理算法进行损伤区域的检测。对60个正常样本和60个损伤样本进行检测,主成分分析方法对损伤果的识别率为85%,独立成分分析方法对损伤果识别率为96.6%,两种方法对正常果的识别率均为100%。结果表明:近红外高光谱成像技术能有效地进行桃损伤的早期检测。 相似文献
10.
11.
不同产地的花生质量差异明显,贴优质产地标签贩卖劣质花生的现象时有发生。本文基于电子鼻与高光谱系统的无损检测技术,提出双模态融合特征注意力（Bimodal fusion feature attention,DFFA）并设计DFFA-Net以实现花生质量辨识。首先,利用电子鼻与高光谱系统获取7个不同产地花生气体信息和光谱信息,花生自内而外的气体信息可以表征其整体宏观质量,不同化学键及官能团的光谱信息差异可以表征其整体微观质量;然后,提出DFFA以自适应融合气体-光谱双模态信息并关注影响分类性能的重要特征,并结合消融实验证明了双模态信息融合的必要性;最后,基于提出的DFFA模块,经网络结构优化得到DFFA-Net以实现不同产地花生质量的有效辨识。通过消融分析、多注意力机制分类性能对比,DFFA-Net获得了最佳分类性能：准确率为98.10％、精确率为98.15％、召回率为97.88％,验证了DFFA-Net在花生产地辨识中的有效性。提出的DFFA-Net结合电子鼻和高光谱系统实现了不同产地花生的质量辨识,为花生市场质量监督提供了有效的技术方法。 相似文献
12.
植被分类是高光谱影像分类中的特定应用问题，光谱特征和空间特征是植被分类中常用的两类特征，比较这两类特征的性能，对实际植被分类应用中选择合适的特征类型或两者的有效结合具有指导意义。用主成分分析（PCA）提取光谱特征时，常选择前几个主成分（PCs）作为光谱特征，虽然它们包含较大的信息量但并不能保证较高的类别可分性和分类正确率，针对这一问题本研究提出了一种混合特征提取方法，对高光谱影像在PCA的基础上用改进的基于分散矩阵的特征选择方法选出具有较高类别可分性的PCs用于后续分类。利用一景AVIRIS高光谱植被影像，从分类精度的角度，首先比较了所提出的混合特征提取方法和原始PCA、独立主成分分析（ICA）及线性判别分析（LDA）3种常用子空间特征提取方法在高光谱影像植被分类中的性能。试验结果表明所提出的混合特征提取方法在研究中数据集1和2上均获得了最高的总体分类正确率，分别为82.7%和86.5%。与原始PCA相比，本研究提出的混合特征提取方法的总体分类正确率，在数据集1和2上分别提高了1.5%和2.5%。由此阐明了所提出的混合特征提取方法在高光谱植被分类中的有效性。对光谱特征和空间特征在高光谱影像植被分类性能的比较中，总体上空间特征获得的分类正确率比光谱特征高，特别是Gabor特征，在两个数据集上均获得了最高的总体分类正确率分别为95.5%和96.7%。由此表明空间特征较光谱特征在高光谱影像植被分类中更具优势。本研究结果为后续改进空-谱特征方法及其两者有效结合，进一步提高植被分类正确率提供了参考。 相似文献
13.
龙井茶叶品质的电子鼻检测方法 总被引：11，自引：0，他引：11
针对茶叶品质感官审评的不足，采用电子鼻检测手段，对4个不同等级的龙井茶作等级判别。对传感器信号进行多因素方差分析得出：不同容器容积和不同采样时刻对传感器的响应信号有着显著的影响。通过主成分（PCA）、线性判别（LDA）和BP神经网络方法对各茶叶样品进行了分类判别。PCA对于等级差别较近的茶叶区分结果不太理想；而LDA相对于PCA有较好的区分效果；设计BP神经网络拓扑结构为30-12-4，通过对网络进行适当训练，总的测试回判率可达到90％。 相似文献
14.
利用电子鼻/舌融合系统对啤酒香气、滋味进行检测,基于其融合后的嗅/味综合信息实现啤酒的分类。由于传统K均值聚类结果依赖于初始值的选取,且易陷入局部最优,依据融合数据特点提出一种改进的基于粒子群优化的K均值聚类算法,该算法在运行过程中优化了权重系数,随着迭代次数增加同时调整收敛速度,使粒子的搜索更趋于平衡化,同时引入压缩因子,平衡全局与局部矛盾。将该算法与K均值聚类算法进行比较,实验数据证明该算法具有较好的全局收敛性,能克服易陷入局部最优的缺点而收敛于最优解,结果显示:该算法对5种啤酒聚类效果明显,正确率稳定在93.3%。 相似文献
15.
16.
电子鼻技术在苹果质量评定中的应用 总被引：9，自引：0，他引：9
提出了一种根据苹果气味对苹果进行无损检测的新方法，研制了一套适合苹果气味检测的电子鼻系统。对超市所购得的好坏苹果各50个进行了检测，在获得传感器阵列数据的基础上，从每个传感器曲线中提取了5个特征参数，将其作为模式识别的输入向量。由主成分分析对所测的数据处理结果看出，好坏苹果足可以区分的，但有一点重迭的地方。用遗传算法优化RBF神经网络．发挥各自的优点，使所建立的遗传RBF网络不但收敛速度快，而且识别精度高。网络对训练集的回判正确率和对测试集的测试正确率分别为100％和96．4％。试验证明该分类方法和电子鼻装置都是有效的，也适用于其他的水果。 相似文献
17.
多源传感器信息融合的农用小车路径跟踪导航系统 总被引：6，自引：0，他引：6
为解决四轮独立驱动农用小车在设施农业和畜牧业的物料运输和信息采集中的导航及控制问题,构建了农用小车导航控制系统,优化配置多个传感器,提出了基于CCD图像传感器、加速度计、电子罗盘及超声波等多传感器信息融合的导航控制方法。通过CCD获取标识路径信息,通过加速度计、电子罗盘获取小车姿态信息,通过超声波传感器判断障碍物,并给出路径特征提取、识别、多源信息融合自主导航控制和超声避障等算法,实现了小车的路径跟踪的导航控制,实验结果表明构建的导航控制系统及导航控制方法正确、有效。 相似文献
18.
提出了一种基于双边滤波和像元邻域信息的高光谱图像分类(BS-SVM)算法。该方法首先利用双边滤波器提取经主成分分析降维后的高光谱图像空间纹理信息,然后通过设计一种高光谱像元邻域信息来构建高光谱的空间相关信息,最后将2种空间信息融合后与光谱信息结合,形成空谱信息(空间信息和光谱信息)后交由支持向量机完成分类。实验结果表明,相比单纯使用光谱信息的支持向量机的分类方法以及基于Gabor滤波的空谱信息结合分类方法,所提出的BS-SVM方法分类精度有较大幅度提高,充分证明了该方法的有效性。 相似文献
19.