共查询到20条相似文献，搜索用时 15 毫秒
1.
为了提高基于油中溶解气体分析(dissolved gas analysis, DGA)的变压器故障诊断正确率，弥补单子空间特征提取的局限性，提出了基于双子空间特征提取的变压器故障分层诊断模型.首先，将DGA测试样本在一个子空间内进行特征提取后，为避免核函数及其参数的选择难题，以及利用多核支持向量机(multiple-kernel support vector machine, MKSVM)鲁棒性强和精度高的特点，采用MKSVM作为分类器对测试样本进行预测.依据预测结果将测试样本分为难分类和易分类样本，对易分类样本直接进行分类识别；对难分类样本则将该样本再次投影到另一子空间进行特征提取后，同样采用MKSVM作为分类器对难分类样本进行预测，综合两次预测结果进行分类识别，实现两分类MKSVM的双子空间特征提取算法.最后，根据故障特征，建立基于双子空间特征提取算法的变压器故障分层诊断模型.诊断实例表明，该模型具有较高的诊断正确率和推广能力. 相似文献
2.
针对西兰花农药残留问题,提出一种基于高光谱图像技术的西兰花农药残留定性检测新方法。首先,采集4组(共180颗)分别喷洒了清水和吡虫啉、阿维菌素、丙森锌3种农药的西兰花的高光谱(383.70～1 032.70 nm)图像,根据其图像信息提取感兴趣区域的平均反射光谱值,并采用分段多元散射校正对原始光谱数据进行预处理。为了提高模型效率,减少高光谱数据冗余,分别使用主成分分析和连续投影算法选择特征光谱。最后,使用马氏距离、最小二乘支持向量机、人工神经网络和极限学习机4种分类算法建立基于全波段和特征波段信息的农药残留检测模型。结果表明:基于连续投影算法的极限学习机模型的识别效果最好,训练集和测试集的正确率分别为98.33%和96.67%。说明利用高光谱图像技术鉴别西兰花表面农药残留种类是可行的,为西兰花表面的农药残留无损检测提供了一种新的方法。 相似文献
3.
《江苏农业学报》2018,(6)
为精准识别生菜的病害类型及所处病害时期,提出了一种结合高光谱技术和图像特征提取技术融合的生菜病害诊断方法。利用高光谱套件分别采集炭疽病、菌核病、白粉病的发病早期、中期和晚期以及健康状态下生菜叶片样本的高光谱信息,利用多项式平滑(Savitzky-Golay,SG)算法对原始光谱数据进行降噪平滑处理,采用连续投影算法(Successive projections algorithm,SPA)对预处理后的数据进行特征波长的优选,使用一阶到三阶矩和纹理LBP算子分别提取样本图像的颜色特征和纹理特征,最后通过SVR预测模型对颜色、纹理及光谱特征值数据进行训练并对预测集样本进行分类研究。结果表明,基于高光谱和图像融合特征的SVR预测模型性能良好,预测集决定系数为0.895 6,均方根误差为3. 75%。由于决定系数不够理想,通过引入松弛变量的方式降低间隔阈值,最终模型预测集决定系数为0.928 6,均方根误差为0. 034 2,决定系数提高了3. 68%,均方根误差降低了8. 8%,病害时期判断准确率为92. 23%。说明该方法能够较有效地诊断生菜的病害类型及所处病害时期,可为农业精准化管理中病害的自动防治提供参考。 相似文献
4.
《农业工程技术:农产品加工》2016,(15)
局部线性嵌入(LLE)算法在实际应用中存在显著的缺陷,其中之一就是必须确定近邻参数k。本研究提出一种新的监督自适应LLE算法。根据Fisher投影距离构造了一个相似判断准则,用它设置阈值来帮助选择参数k。不同的样本可以根据其所处数据区域分布的密集程度自适应地选择不同的k值。将这种方法应用于植物叶片分类识别中,试验结果表明叶片平均识别率达到了92.4%,优于传统的LLE和监督的LLE方法。 相似文献
5.
《西南林业大学学报》2017,(6)
针对植物识别过程中叶片旋转状态下的识别需求,采用植物多特征提取与局部嵌入融合算法,应用支持向量机(SVM)建立分类器对植物叶片进行分类辨识。结果表明:基于分块的局部二值模式(LBP)算法可以提取植物叶片的纹理特征;使用局部线性嵌入(LLE)算法,对高维的LBP特征进行降维,减少了分类识别时间,同时能够达到更好的聚类效果,有效地提高识别率;所提出的植物叶片识别方法对旋转状态下的叶片具有良好的实用性。 相似文献
6.
提出一种基于训练集分解的不平衡分类算法,该算法使用能输出后验概率的支持向量机作为分类器,使用基于测度层次信息源合并规则实现分类器的集成.在4个不同领域的不平衡数据集上的仿真实验表明:该算法有效提高分类器对正类样本的正确率,同时尽量减少对负类样本的误判.实验结果验证集成学习算法处理不平衡分类问题的有效性. 相似文献
7.
试验采用生物检测法,对3种昆虫在生菜中,对3类农药常规用药浓度下的敏感性做了比较和跟踪试验。试验结果表明,不同的昆虫种类对不同农药品种的敏感性不同,并且,综合评价3种昆虫的试验认为,黄粉虫幼虫更适于蔬菜农药残留的检测和上市蔬菜的安全性监督。 相似文献
8.
试验采用生物检测法,对3种昆虫在生菜中,对3类农药常规用药浓度下的敏感性做了比较和跟踪试验。试验结果表明,不同的昆虫种类对不同农药品种的敏感性不同,并且,综合评价3种昆虫的试验认为,黄粉虫幼虫更适于蔬菜农药残留的检测和上市蔬菜的安全性监督。 相似文献
9.
10.
通过维数约简实现特征提取是图像识别的一个重要步骤.由于同一种作物病害叶片和病斑图像的高度复杂性,在各种不同拍摄角度、位置和光照等条件下得到的图像之间差异较大,使得很多经典的维数约简和特征提取算法不能有效地用于作物叶部病害识别.本文在判别局部保持投影(Discriminant Locality Preserving Projections,DLPP)的基础上,提出一种基于DLPP的苹果叶部病害识别方法.首先利用GrabCut算法对采集的病害叶部图像进行背景分割,然后利用分水岭算法对去背景图像进行分割,得到病斑图像;再利用DLPP将病斑图像投影到低维判别空间,得到分类特征;最后利用K-最近邻分类器进行病害类别识别.在实际苹果病害叶片图像数据库上的实验结果表明,该方法是有效可行的. 相似文献
11.
为给蔬菜的农药残留检测提供一种快速有效的方法,配置不同浓度的敌敌畏样本,用光声光谱法测定,光谱扫描范围为300~800 nm,调制频率为8~200 Hz。结果表明,利用光声光谱法对生菜中的敌敌畏残留进行检测,线性范围在0.014~0.885μg/m L之间,相关系数r=0.998 5,检出限为0.012μg/m L,与气相色谱法相比无明显差异且测量结果较精确。 相似文献
12.
13.
近红外光谱技术结合PLS和SPA检测鲜冬枣表面农药残留量的方法 总被引：1，自引：0，他引：1
以喷洒不同浓度毒死蜱的鲜冬枣为研究对象,研究近红外光谱技术结合偏最小二乘法(PLS)和连续投影算法(SPA)检测鲜冬枣表面农药残留的方法。运用AntarisⅡ近红外光谱仪对喷洒不同浓度的毒死蜱的鲜冬枣样品进行扫描,首先建立全波段PLS模型,然后应用SPA提取特征波长,作为PLS的输入变量,建立SPA-PLS模型,将全波段PLS模型和SPA-PLS模型进行比较。经SPA提取5个特征波长建立的模型,使用变量数仅占全波段的0.32%,但建立的冬枣表面农药残留模型的准确度和精度优于全波段所建立的模型。近红外光谱技术结合SPA和PLS建立鲜冬枣表面不同浓度毒死蜱农药残留的模型是可行的,同时SPA算法简化模型复杂度,提高模型精度及稳定性。 相似文献
14.
蔬菜餐前处理与农药残留关系的研究 总被引：2，自引：0，他引：2
对叶菜类和茄果类蔬菜采用不同的浸泡方法、时间及去皮处理,以研究农药残留量的变化.结果表明:青菜餐前采用清水浸泡0～10 min后清洗,氟氯氰菊酯、氯氰菊酯农药残留去除率最高(45.0%～66.7%);采用清水浸泡0 min直接清洗,氰戊菊酯、乐果农药残留去除率最高(60.0%～64.9%).生菜餐前采用清水浸泡10 min后清洗,氟氯氰菊酯、氯氰菊酯、氰戊菊酯农药残留去除率最高(62.1%～87.5%);乐果农药残留去除率清水浸泡30 min后清洗最高,为52.7%,其次是清水浸泡10 min后清洗农药残留去除率为40.9%.茄子、黄瓜经不同时间浸泡去皮处理,氟氯氰菊酯、氯氰菊酯、氰戊菊酯、敌敌畏、氧化乐果、乐果农药残留去除率为53.8%～100%,平均去除率达87%.建议青菜、生菜餐前宜用清水浸泡0～10 min后清洗处理,茄子、黄瓜以清水浸泡0 min后清洗去皮处理为宜. 相似文献
15.
基于高光谱图像的黄瓜种子活力无损检测 总被引：1，自引：0，他引：1
为实现对黄瓜种子的快速、无损检测,以人工老化0 h、36 h、72 h的3个不同活力梯度的黄瓜种子为研究对象,利用波长400～1 000 nm的可见光光谱对黄瓜种子活力进行检测。对比了多元散射校正(MSC)、标准正态变换(SNV)、卷积平滑(S-G)3种预处理方法,结果显示SNV预处理的效果最优。从特征提取和特性选择2个角度进行降维分析。分别使用主成分分析法和连续投影算法,对比各个主成分数的正确分类率,选取最佳的主成分数。通过连续投影算法(SPA)选择9、12、13个特征波长,通过对比分类正确率,选出最佳波长数为12个。最后将提取出的最佳主成分和选择的最佳特征波长作为支持向量机的输入,分别选择线性核函数和径向基核函数,结合网格搜索方法,确定模型的惩罚因子c和径向基核函数中的参数gamma,建立判别分析模型。所有模型分类正确率均达到97.3%以上,其中SPA-SVM(基于RBF核函数)效果最佳,分类正确率达到98.6%。可见,利用高光谱图像技术结合SPA-SVM能有效地鉴别黄瓜种子的活力。 相似文献
16.
《江苏农业科学》2017,(17)
提出一种基于比色光谱的农药残留快速检测新方法。使用优化后的乙酸氯化钯溶液作为比色剂,提取白菜中乐果、氧乐果、毒死蜱的残留量进行种类识别,在0.05~90.00 mg/kg浓度范围内,用去离子水对3种农药分别配制40个样本,与等量的氯化钯溶液发生比色反应,生成黄色络合物硫化钯,用分光光度计采集吸光度图谱。利用每种农药的比色光谱特征建立支持向量机(support vector machine,简称SVM)分类识别模型,引入粒子群优化算法(particle swarm optimization,简称PSO)减小运算量。结果表明,用乙酸作为氯化钯溶剂的吸光图谱可以在300~900 nm波段区分0.05 mg/kg的农药浓度。在2-折交叉验证下,训练集和验证集的识别准确率分别达到100%、98.333 3%。该方法比色试剂配制简单、操作安全,为进一步开发有机磷农药残留快速检测仪器提供新思路。 相似文献
17.
水稻营养监测、病虫害诊断中高光谱技术提供了有效、便捷的技术手段,高光谱数据的降维和特征提取至关重要.为了探索有效的高光谱降维方法,利用2019年沈阳市沈北试验基地水稻分蘖期、拔节期和抽穗期的叶片光谱数据及实测的氮素含量数据,首先分窗口对原始高光谱进行Gram-Schmidt变换找到投影空间并映射出主基底,保留具有显著性... 相似文献
18.
19.
[目的]为了有效的对植物物种进行识别,[方法]本文提出了基于布谷鸟(CS)算法改进的支持向量机(SVM)方法对植物叶片分类从而识别植物物种。本文用两种数据集验证改进的CS-SVM算法对植物叶片的分类效果:UCI公开数据集和自主采集叶片图像。在自主采集的叶片图像数据集中,首先对叶片图像预处理,提取6个特征值,然后再使用CS-SVM算法建立分类模型。[结果]结果表明,在UCI公开数据集每种叶片样本量较少的情况下,CS-SVM算法对叶片分类的准确率可以达到87%以上;在采集的叶片图像数据集上以鹅耳草榆属、槭属等8种植物叶片和红柳、杨属等15种植物叶片样本分别试验,前者叶片分类准确率达95%,后者则大于84%。最后,将CS-SVM算法与PSO-SVM算法对植物叶片的分类效果进行对比,结果表明两种方法在叶片分类准确率上无显著差异,但CS-SVM方法在速度上领先10 s以上。[结论]改进的CS-SVM算法在样本量少或者样本特征属性少的情况下,对植物叶片的分类具有良好的效果。 相似文献
20.
为探索基于常规监测数据的神经网络预警模型在农产品传统风险管理中的应用,以2011—2012年我国5省市的蔬菜中农药残留监测数据为样本,采取神经网络方法建立风险预警模型。首先,以产品种类、监测环节、监测时间和蔬菜产地为参考采用专家打分法将样本进行安全性评级,然后将经过筛选和预处理的45种农药监测数据,作为BP神经网络输入层,并根据不安全蔬菜的风险程度,以非常安全(A)、比较安全(B)、基本安全(C)、较不安全(D)和不安全(E)5个等级作为输出层,农药残留数据经过处理整合后得到16个样本,通过对其中14个样本进行拟合训练,得到预警模型及2个验证样本的评分结果分别为2.343 0和3.171 5,与实际评分结果隶属同一安全等级。证明基于客观监测数据的神经网络预警模型对于蔬菜中农药残留的预警是有效的。 相似文献