共查询到10条相似文献，搜索用时 412 毫秒
1.
为了更深入地研究乐果对生菜组织结构的影响,以莲座期的生菜为实验对象,利用扫描电镜和透射电镜对生菜叶片微观结构进行检测。研究发现随着喷洒农药浓度的增加,生菜叶片微观结构发生明显变化。气孔的长宽比和密度降低,叶片的厚度变小,嗜锇颗粒增加,淀粉颗粒变少。在897~1 332 nm波长范围内,喷洒乐果的生菜光谱反射率与乐果浓度成反比,而在1 703~1 754 nm波长范围内,喷洒乐果的生菜光谱反射率与乐果浓度成正比。此外,喷洒不同浓度的乐果农药,生菜的纹理图像也存在差异。研究结果表明,乐果农药对生菜微观结构产生了较大改变,从而导致生菜叶片光谱图像信息产生较大变化。对喷洒不同浓度乐果农药的生菜叶片微观结构进行研究分析,可为高光谱技术对不同浓度农药残留的生菜进行定量检测提供机理研究依据。 相似文献
2.
在离散小波变换特征提取算法基础上,结合有机物近红外谱区倍频中心近似位置,提出一种分段离散小波变换特征提取的方法。以4类农药残留水平(重度超标、中度超标、轻微超标、低于国标)生菜为研究对象,通过透射电镜对生菜叶片微观结构进行检测,并利用近红外高光谱成像仪采集生菜样本的高光谱图像。在生菜高光谱图像中选取感兴趣区域并提取该区域的平均光谱,依据常见基团主要中心近似位置对平均光谱进行有效分段,以sym5为小波基函数,依次对每段光谱数据进行小波变换分解。通过每段不同层次高频小波系数曲线的奇异值分析,来获取光谱特征波段。为了便于判断特征提取波段的优劣,提出初步评估参数契合度,并结合支持向量机分类准确率进一步评估提取特征波段。试验结果表明:随着农药残留浓度的增加,生菜叶片内部嗜锇颗粒数量变多,而淀粉颗粒变少,细胞间隙逐渐变大。不同浓度农药残留的生菜叶片内部细胞排列结构方式和组织结构存在差异,从而使不同浓度农药残留的生菜近红外光谱具有一定的差异性。与离散小波变换特征提取算法相比,分段离散小波变换具有较高的预测分类准确率。分段数取值为4时,取得最佳的契合度、校正集、交叉验证集与预测集准确率分别为75%、95%、92.86%和90.63%。分段离散小波变换结合契合度参数评估,能有效提高光谱特征提取波段可靠性,为快速、准确地无损检测生菜农药残留提供了一种新方法。 相似文献
3.
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
4.
油桃外部缺陷的高光谱成像检测 总被引：2，自引：0，他引：2
采用高光谱(420~1 000 nm)成像技术对"中油9号"油桃的4种外部缺陷(裂纹果、锈病果、异形果和暗伤果)进行检测判别。对400个样本(4种外部缺陷样本和完好样本)运用偏最小二乘回归(PLSR)从全波段中分别提取了10条特征波长,分别为497、534、657、677、696、709、745、823、868、943 nm。缺陷样本的高光谱图像经过主成分分析后,对876 nm下的单波段图像通过掩膜、Sobel算子处理,并对主成分图像经过区域生长算法实现缺陷样本的缺陷区域分割。对光谱数据进行主成分分析得到前10个主成分值,并对图像数据采用灰度共生矩阵(GLCM)提取得到6项图像纹理指标(均值、对比度、相关性、能量、同质性、熵值)。将主成分值和纹理值融合建立极限学习机(ELM)模型对油桃外部缺陷进行检测判别。结果表明,该模型对缺陷样本的判别正确率为91.67%,完好样本的正确率为100%。 相似文献
5.
该文基于近红外光谱技术,提出一种快速无损检测方法,以期实现蔬菜农药残留的分类检测。通过对喷洒了氰戊菊酯溶液、三唑磷溶液和未喷洒农药的生菜样本进行研究,比较不同预处理后的建模效果,选用SNV算法作为最优预处理方法。分别采用连续投影算法（SPA）、自主软收缩法（BOSS）和竞争性自适应重加权算法（CARS）对预处理后的光谱数据进行特征波段选择。采用支持向量机（SVM）和基于灰狼算法（GWO）优化的支持向量机（SVM）算法对特征波长变量分别建立分类模型。再通过对建立的模型进行比较得出:CARS-GWO-SVM模型取得了最佳的分类效果,模型的训练集精度和预测集精度均为100%。因此,利用近红外光谱技术对蔬菜上的农药残留进行分类检测是可行的。该研究为生菜中其他农药残留的快速无损检测分析提供参考。 相似文献
6.
龙眼表面农药残留的无损检测研究-基于近红外光谱分析 总被引：1，自引：0，他引：1
为进一步探索水果农药残留的快速无损检测技术,利用近红外反射光谱分析技术,对常用的高残留农药敌百虫和敌敌畏在龙眼表面残留的无损检测进行了研究.首先在500～1000nm波段范围内,将采集到的漫反射光谱数据进行主成分分析,利用主成分1和主成分2的得分值对样本进行聚类分析,得到较好的聚类结果;然后用各类样本的主成分得分作为神经网络的输入,建立了三层的BP人工神经网络模型,并进行了农药残留检测.结果表明,对敌百虫农药残留的检测正确率为93%,对敌敌畏农药残留的检测正确率为80%,为水果表面的农药残留快速无损检测探索了一条可能的新途径. 相似文献
7.
8.
提出一种结合Beltrami流滤波和域转换递归滤波的高光谱图像分类算法(BFRF-SVM)。分别利用Beltrami流对主成分分析(PCA)降维后的高光谱图像滤波方法和域转换递归滤波方法对全光谱波段进行滤波,两种空间信息进行线性融合后交由支持向量机(SVM)完成分类。实验表明,相比使用光谱信息、高光谱降维、空谱结合的SVM分类方法,以及边缘保持滤波和递归滤波以及形态学滤波特征方法,本文提出的BFRF-SVM方法对高光谱图像的分类精度有较大提高,验证了该方法的有效性。 相似文献
9.
利用高光谱图像采集系统在400~1 000 nm波段范围内采集东亚飞蝗成虫、5龄、4龄和3龄的前胸背甲光谱信息;每个龄期提取15像素×15像素目标区域平均反射率信息作为样本信息;提出了一种基于K均值聚类和主成分分析(K-PCA)相结合特征波段提取方法,对比分析K-PCA和SPA(投影连续变换)2种特征波长提取方法,采用Fisher判别分析方法分别对K-PCA和SPA筛选的特征波长建立东亚飞蝗龄期识别判别模型,实验结果表明K-PCA筛选出的特征波长数少且正确识别率为98.25%。K-PCA筛选的特征波长为468 nm、555 nm、635 nm、710 nm、729 nm、750 nm、786 nm和899 nm。本文提取的东亚飞蝗特征波长为东亚飞蝗的龄期识别奠定基础,进而对蝗灾的监测与预防提供了技术支持。 相似文献
10.
基于高光谱图像的桑叶农药残留种类鉴别研究 总被引：3，自引：0，他引：3
研究了一种快速、精确、无损检测桑叶农药残留的方法。以不含农药残留的桑叶、含有敌敌畏残留的桑叶、含有毒死蜱残留的桑叶、含有乙酰甲胺磷残留的桑叶、含有乐果残留的桑叶和含有辛硫磷残留的桑叶为实验对象,利用高光谱成像仪获取390~1 050 nm范围内的桑叶高光谱图像。利用ENVI软件确定叶片的感兴趣区域,并采用连续投影算法(SPA)优选出10个特征波长(452.51、469.88、517.28、539.85、578.92、643.72、727.24、758.34、785.67、819.67 nm)。利用基于径向基内核(RBF)的支持向量机(SVM)和10折交叉验证的方法建立桑叶农残检测模型,并讨论了3种参数寻优算法(网格搜索、遗传算法和粒子群算法)对模型性能的影响,发现采用网格搜索的SVM模型的性能最优,其交叉验证正确率为63.89%,预测正确率为78.33%。为了进一步提升模型的分类性能,将自适应提升算法(Adaboost)引入到SVM建模方法,基于特征波长下的光谱数据,对桑叶是否含有农药残留及农药残留品种进行分类建模。结果表明,Ada-SVM模型的预测准确率达到97.78%,较传统SVM模型的准确率提高了19.45个百分点。可见,利用高光谱图像技术结合Ada-SVM算法能够较准确地鉴别桑叶农药残留。 相似文献