共查询到18条相似文献，搜索用时 156 毫秒
1.
电子鼻检测中常用的特征鉴别能力评价方法有2种,一是对判别结果的直观分析,二是对判别正确率的统计计算。但是,当判别正确率相同时,对于不同特征间鉴别能力的差异,2种方法都不能进行准确的定量评价。为实现特征鉴别能力的准确度量,以不同种类食醋为检测对象,对检测信号提取面积斜率比、方差、积分、平均微分值、相对稳态平均值、小波能量等6种特征参量,并将特征参量与类别间的相关系数作为特征鉴别能力的度量指标。计算结果可知：面积斜率比特征参量的相关系数绝对值最小,为0.1027,积分特征参量的相关系数绝对值最大,为0.6455。表明面积斜率比特征参量的鉴别能力最低,积分特征参量的鉴别能力最高。Fisher判别结果也证明了特征参量的鉴别能力越高,其分类效果越好。因此,用特征参量与类别间的相关系数作为特征鉴别能力的度量是合适的、也是有效的。 相似文献
2.
基于多种变量分析方法鉴别食醋种类电子鼻信号特征筛选 总被引：4，自引：4，他引：0
为了提高6种食醋的电子鼻鉴别能力,该文提出了一种基于多变量分析的食醋电子鼻信号多特征表征策略。初选不同的特征表征电子鼻信号,构建电子鼻信号的初始特征矩阵。采取载荷分析进行电子鼻传感器阵列优化,优选了12个气敏传感器的响应数据进行后续分析。为消除各传感器响应信号之间的相关性,对优选阵列的特征矩阵进行主成分分析(principal component analysis,PCA),并利用WilksΛ统计量选择鉴别能力最优的主成分子阵。在选择最优主成分子阵的基础上,以生成主成分的每一个原始特征变量为对象,计算每一个原始特征变量在主成分子阵中的贡献系数绝对值之和,且根据系数绝对值之和从大到小排序;同时,根据不同和值的指定,形成了不同容量的原始特征变量集。最后,借助于Fisher判别分析(Fisher discriminant analysis,FDA)探索了不同容量原始特征变量集的鉴别结果,确定了最佳的原始特征变量集。结果表明,特征选择前后传感器信号的表征特征发生了明显变化,最终采用48个特征参量实现了对食醋电子鼻信号的有效表征。在48个特征参量表征条件下,同时运用FDA和BP神经网络(back propagation neural network,BPNN)对6种食醋进行了鉴别分析,训练集的鉴别正确率分别在93%和98%以上,测试集的鉴别正确率也分别达到了90%和93%以上。另外,利用巴氏距离进一步揭示了样品间的可分离程度及FDA与BPNN结果的可信性。研究结果可为电子鼻信号多特征表征提供了一种新思路。 相似文献
3.
多时相遥感影像检测平乐县晚稻种植面积变化 总被引：3，自引：2，他引：1
为检测中国主要的粮食作物水稻的种植面积变化,该文以广西平乐县为例,利用多时相陆地卫星专题成像仪(landsat thematic mapper)影像数据和面向对象的分类方法,提取出晚稻种植的变化区域。该文探索了变化强度计算和阈值确定的方法,并利用晚稻在不同时相的影像光谱特征变化来提取晚稻种植区域。试验结果表明:3种变化强度计算方法中,变化向量分析法对河流、滩地变化的抑制效果优于相关系数方法,而相关系数方法对山体阴影的抑制效果则优于变化向量分析法,向量相似度法对山体阴影非常敏感,对水田变化则敏感度较低;3种阈值确定方法中最小错误率方法比最大类间方差法更为精确,比双窗口变步长阈值搜寻法更为稳定。综合利用3种变化提取方法对平乐县晚稻种植面积变化进行检测,得到变化检测混淆矩阵总正确率为96.8%,稻田面积变化误差为2.85%。该方法可为作物种植面积的变化检测提供参考。 相似文献
4.
鸡蛋透射光图像形态特征与其新鲜度的相关关系 总被引：6，自引：2，他引：4
该文结合鸡蛋内容物自身结构特点,研究鸡蛋图像形态特征与新鲜度的相关关系,快速无损检测新鲜度.用机器视觉装置获取鸡蛋图像,通过实验检测对应鸡蛋新鲜度(哈夫单位).采取有效图像处理,使蛋黄和气室特征显现.选取蛋黄与整蛋面积比值、气室高度与整蛋长轴长度比值作为形态特征参数,建立两特征值与新鲜度的关系模型,经检验通过两特征模型判别鸡蛋新鲜度的正确率分别为91%、93%.研究结果表明,鸡蛋图像蛋黄面积比、气室高度比随着新鲜度的降低而逐渐增大. 相似文献
5.
基于多特征融合的电子鼻鉴别玉米霉变程度 总被引：8，自引：6，他引：2
为了提高电子鼻检测玉米霉变程度的正确率,该文探究了电子鼻信号不同特征组合的表征对霉变玉米鉴别结果的影响。首先,运用电子鼻对霉变玉米的5组样本训练集与测试集进行测试,获得测试信号。其次,分别提取测试信号的积分值(integral value,INV)、平均微分值(average differential value,ADV)、相对稳态平均值(relative steady-state average value,RSAV)作为特征值,5组训练集与测试集均分别采用3种单一的特征值或其组合特征值来表征。然后,运用Fisher判别分析(fisher discriminant analysis,FDA)分别对5组训练集进行判别分析,并用对应的测试集进行检验。FDA分析结果指出,电子鼻测试信息分别在单一特征和2个特征组合表征下,不同霉变程度玉米是不能有效分开的,但在2个特征组合表征下的鉴别正确率比单一特征有所提高;当用3个特征组合来表征测试信息时,FDA鉴别能力得到提高,鉴别正确率在96%以上。另外,借助于WilksΛ统计量考察了电子鼻中每个传感器测试信号表征的差异性,对3个特征组合的表征情况进行了表征变量筛选。FDA分析结果显示,筛选前后的鉴别结果非常相近,最低鉴别正确率均在96%以上,这说明不同传感器需要不同的特征表征,以体现其差异性,由此也减少了计算的复杂性。研究结果表明,用多特征融合模式可更有效地表征电子鼻对霉变玉米的响应信息,有利于提高霉变玉米的鉴别正确率。同时,该研究成果也不失一般性,为电子鼻信号表征提供了一种新思路。 相似文献
6.
基于激光成像技术的农药雾滴飘移评价方法研究 总被引：2，自引：2，他引：0
为开发在风洞中农药喷雾飘移的测量方法,该文按照国际标准ISO22856,使用德国Lechler公司的LU120-01喷头在风洞中测量了有机硅、植物油等11种助剂在水平和垂直方向上的喷雾飘移,同时采用激光成像技术,结合计算机图像快速批处理,提取了雾滴云图片横纵方向的最大值及位置、重心坐标、平均值等图像特征参数,与测量结果计算得出的喷雾飘移的飘移率、特征高度、飘移潜力指数(drift potential index, DIX)进行拟合。结果表明,横纵方向的最大值及位置、重心坐标、平均值与垂直和水平飘移显著相关(Sig. F0.05),与飘移率、特征高度、飘移潜力指数拟合的相关系数均大于0.91,最大绝对值平均相对误差仅为5.9%;垂直特征高度和水平特征距离拟合结果最好,平均相对误差为0,绝对值平均相对误差为0.6%和1.5%,其次为DIX指数和飘移率。由此表明,此方法可准确的用于评价雾滴的飘移性,测试速度比传统的测量方法更加快速,测试重复性高且无需耗材,DIX指数综合准确性高达96%,大大降低了喷雾飘移的测试成本。该研究可为风洞中的飘移测试提供一种新的测试选择。 相似文献
7.
为了更加精确高效地对中药决明子产区进行判别,本研究采用稳定同位素比质谱(IR-MS)和电感耦合等离子体质谱(ICP-MS)技术分别检测不同产地决明子稳定同位素比值和多种矿质元素含量特征,并结合化学计量学模型主成分分析(PCA)和人工神经网络(ANN)对决明子产地进行判别。方差统计结果表明,在优质产区(浙江新昌)决明子区别于普通产区决明子方面,19种矿质元素含量存在显著差异(P<0.05);PCA分析(同位素+矿物元素)显示,前2个主成分累计方差贡献率为45.23%,且该模型可显著区分道地产区决明子;ANN模型分析对浙江新昌产区的决明子判别正确率高达100%,且产地判别总体正确率高于90%。以上结果表明,稳定同位素比值和矿质元素含量结合化学计量学模型分析可有效判别决明子不同产区。本研究结果为决明子产地溯源提供了一种新的方法。 相似文献
8.
适于餐厅与家庭的叶菜外部品质在线检测与分级系统 总被引：1，自引：1，他引：0
该研究从中式菜肴原料的品质控制需求出发,针对叶菜变黄、腐烂、虫害危害消费者健康、人工挑选费时费力的技术难点,开发了基于机器视觉的叶菜外部品质在线检测与分级系统,以实现在中小型餐厅和家庭场合对黄化叶、腐烂叶以及虫眼叶的快速检测判别与分级。该系统硬件部分主要包括基于负压吸气式的样品分离单元、基于LED光源照明系统的样品检测单元以及基于气吹式分选单元等。利用Open Cv和Visual C++编写了叶菜外部品质无损快速检测软件,实现样品信息的自动采集、数据分析和结果显示。最后结合对应的特征信息提取方法,利用320个菠菜样品对装置性能进行试验验证,其中黄化叶、虫眼叶、腐烂叶以及正常叶数目各为91、75、91、63。针对黄化叶与腐烂叶,利用RGB到HSV的颜色空间变换方法分别设定分量值H∈(60?,130?)、S∈(0,0.17)和V∈(0,0.23)提取菠菜黄化叶与腐烂叶的特征信息,实现菠菜黄叶与腐烂叶的判别;针对虫眼叶,在RGB颜色空间中调节2G-R-B的阈值对虫眼叶菜进行灰度化、二值化及形态学消噪提取虫眼叶轮廓特征信息,实现虫眼叶判别及虫眼面积的计算。试验结果表明,利用该装置并结合各自的特征信息提取算法,能够实现对菠菜外部品质的判别,与人工判别相比,黄化叶、腐烂叶以及虫眼叶的判别正确率分别为96.70%、92.59%、84.62%,整体判别正确率为94.69%,1个叶菜样品的分选时间为0.84 s。 相似文献
9.
[目的]寻求估算土壤侵蚀模数的新方法,并通过GIS实现对土壤侵蚀空间分布情况的预测。[方法]采用土壤侵蚀模数作为判别条件,分别验证基于Logistic回归和RBF神经网络而建立的土壤侵蚀预报模型的适用性,进而构建并验证改进模型——LOG-RBF神经网络土壤侵蚀预测模型。[结果](1)Logistic回归模型判别目标土地是否发生土壤侵蚀的优势明显,未发生和发生土壤侵蚀的预测正确率分别为77.4%和97.9%,总预测正确率为94.9%。(2)RBF神经网络模型估计土壤侵蚀模数的能力较强,模拟结果的相对误差和平方和误差分别为0.612%和13.292,R2为0.57。(3)LOG-RBF神经网络土壤侵蚀预测模型预测结果的相对误差和平方和误差比RBF神经网络模型模拟结果分别降低了0.157%和2.601。R2为0.82,拟合程度上优于RBF神经网络模型。随着土壤侵蚀模数的增大,错估现象呈逐渐减少趋势。通过受试者工作特征曲线的判别,LOG-RBF神经网络模型的曲线下面积值比RBF神经网络模型大0.063,模型判断的准确性更高。[结论]利用LOG-RBF神经网络土壤侵蚀预测模型可更准确地估计土壤侵蚀模数,基于GIS能够预测土壤侵蚀的空间分布情况。 相似文献
10.
基于传统分散矩阵的特征选择方法易选出具有一定区分性但相互冗余的特征,这些冗余的特征制约了高光谱影像分类正确率的提高,针对此问题,该文对传统方法进行了改进,首先计算每2个类别的基于分散矩阵的可分性值,然后将它们的平均值作为特征选择准则,最后利用序列浮点向前搜索算法选出特定数量的特征,用于后续分类。将所选特征的均方相关系数作为冗余性度量,定量化衡量了所提出方法克服选择冗余特征的能力。利用一景常用的AVIRIS高光谱植被影像,从分类正确率的角度,比较了所提出方法与几种典型的基于互信息和基于可分性准则的特征选择方法,在高光谱影像植被分类中的性能。试验结果表明改进的特征选择方法能较好的避免选择相互冗余的特征,与基于互信息的特征选择方法相比,基于分散矩阵可分性准则的特征选择方法在总体上能获得较高的分类正确率,特别是所提出的特征选择方法,在2个数据集上均获得了最高的总体分类精度87.2%和90.1%,从而阐明了所提出的方法在高光谱影像植被分类中的有效性。 相似文献
11.
由于传感器老化,环境温度等因素,电子鼻信号的漂移是不可避免的,且严重降低电子鼻的长期稳健检测能力。为了实现电子鼻对6种食醋样品的长期稳健检测,该文提出了一种基于空载数据的小波包分解系数的漂移递归校正方法。通过小波包对电子鼻空载数据的分解,给出空载阈值函数(no-load threshold function,NLTF),然后将NLTF转换为适合样本数据的样本阈值函数(samplethresholdfunction,STF)。在获得的STF基础上,构建样本检测数据小波包分解系数的校正函数。借助于所构建的样本测试数据的校正函数,对6种食醋样品的电子鼻数据进行漂移校正。同时,运用"样本测量时间窗口(sample measurement time window,SMTW)"的概念,实现电子鼻数据的递归校正,进而建立了可实现长期稳健检测的递归鉴别模型。针对6种食醋样品,进行了为期16个月的间歇式测试。当SMTW选为4个月的测试样本及每次递推前移1个月样本数据时,建立的基于递归校正的Fisher判别分析(Fisher discriminant analysis,FDA)模型可完全实现6种食醋样品的长期稳健鉴别,正确鉴别率达到100%,使紧随SMTW后1个月内的测试样本能得到准确鉴别。该校正方法能够有效的去除漂移并且实现了电子鼻的长期稳健检测。 相似文献
12.
独立分量分析融合小波能量阈值的电子鼻信号去漂移方法 总被引：3，自引：3，他引：0
电子鼻在长期使用过程中,由于受到传感器老化和温湿度波动等因素的影响,使得电子鼻信号存在着漂移现象,制约了电子鼻的准确检测。为了提高电子鼻鉴别多组分复杂食品时的长期稳健性,提出了一种独立分量分析（independent component analysis,ICA）融合小波能量阈值的去漂移信号方法。首先,运用ICA分解电子鼻信号以获得各个独立成分;其次,根据各个独立成分的小波能量值选择独立成分,以剔除漂移信号;最后,运用所选择的独立成分重构电子鼻信号。选用6种白酒样品和6种食醋样品进行电子鼻鉴别验证：在分别提取2类样品去漂移前后的电子鼻信号积分值（integral value,INV）特征后,分别对6种白酒样品和6种食醋样品进行了Fisher判别分析（fisher discriminant analysis,FDA）,FDA的鉴别正确率分别由去漂移前的34.3%（白酒样品）、75.7%（食醋样品）提升到去漂移后的100%（白酒样品）、99.7%（食醋样品）。Fisher判别分析结果表明,所提出的电子鼻信号去漂移方法是有效的。与其他独立分量分析方法相比,该方法不受先验信息的影响,更便于实际应用,研究结果不仅适用于白酒、食醋样品的鉴别,也为其他类型的样品鉴别提供参考。 相似文献
13.
用于山核桃陈化时间检测的电子鼻传感器阵列优化 总被引：7，自引：7，他引：0
为更好地进行山核桃陈化时间检测,论文拟通过传感器阵列优化来有效提高电子鼻对其区分预测能力。该文依据响应曲线保留响应明显的传感器,并在提取传感器特征值构成初始特征矩阵的基础上,结合均值分析、变异系数分析、聚类分析、相关性分析和多重共线性分析进行逐步优化以获取最终优化传感器阵列。对优化前后的数据采用主成分分析法(principal component analysis,PCA)和偏最小二乘回归(partial least squares regression,PLSR)进行样品区分和预测能力的对比。结果表明:通过优化,经不同人工陈化时间(0、5、10、15d)处理的山核桃能有效区分开,且在PCA得分图中更为聚集;优化后的陈化时间回归模型(R2=0.933 4)较优化前(R2=0.888 7)具有更好的预测能力。说明所给出的阵列优化方法有效可行,为电子鼻针对性检测提供了一种思路。 相似文献
14.
基于电学特征的苹果水心病无损检测 总被引：3，自引：1，他引：2
为了探寻快速而准确的苹果水心病无损检测新方法,该文以‘秦冠’水心病疑似病果和好果作为试材,逐果采集11个电学指标在100 Hz~3.98 MHz间13个频率点的特征值,然后切开并统计真实发病情况。利用主成分分析结合不同分类模型进行好果与病果判别分析,结果选取方差累积贡献率大于90%的主成分15个,Fisher判别、多层感知器人工神经网络(multi-layer perceptron,MLP)对好果和病果的判断正确率均随着主成分数的增加而增大,并分别在主成分数量达到前13、10时趋于稳定水平93.3%、95.4%。径向基人工神经网络(radical basis function,RBF)结合15个主成分判别的正确率75.1%。水心病引起介电损耗系数D、复阻抗相角deg、串联等效电容Cs和并联等效电容Cp及相对介电常数(ε')、损耗因子(ε")共6个参数在低频区(100~10 000 Hz)的观测值高于好果,是电学法能够对水心病果和好果进行‘识别’的原因。同时发现,利用低频率下(100~25 100 Hz)损耗因子(ε")值结合MLP或RBF人工神经网络模型对水心病果和好果识别正确率均能达到100%,是一种简便而高效的苹果水心病无损检测方法,可为今后进一步研发苹果果实水心病在线无损检测仪器提供理论与技术依据。 相似文献
15.
基于Fisher判别法则的小麦品质多指标分级 总被引：2，自引：2，他引：0
小麦生理生化指标对研究其储藏品质具有重要的作用,但由于各指标间关系的复杂性,所表达的信息存在较大差别,这给小麦储藏品质分析带来很大的不便。针对该问题,该文提出了一种小麦储藏品质多指标分析模型,选取降落数值、发芽率、过氧化物酶、脂肪酸值、电导率、还原糖值、丙二醛7个生理生化指标作为分析的关键因素,通过相似性和主成分法对各指标进行分析计算,发现脂肪酸值最具代表性;基于脂肪酸值数据分布变化趋势,采用聚类分析方法对小麦分类;使用Fisher判别法对小麦数据进行训练,得到2类判别函数,其中判别函数1的贡献率达到89.7%,在该函数下,计算获得3种类别小麦的中心值为–5.699、1.316和3.945,从而为判断小麦的品质状况提供计算依据。试验计算结果表明,在18批储藏小麦中,该文判别模型对小麦的分类结果与实际参考标准分类结果的一致性达到88.9%,验证了本模型的合理性,研究结果可为小麦品质评价分类提供参考。 相似文献
16.
基于电子鼻传感器阵列优化的甜玉米种子活力检测 总被引：7，自引：5，他引：2
针对甜玉米种子活力传统检测方法操作繁琐、重复性差等不足,该研究利用电子鼻技术建立甜玉米种子活力快速检测方法。利用电子鼻获取不同活力甜玉米种子的气味信息,再结合主成分分析(PCA,principal component analysis)、线性判别分析(LDA,linear discriminant analysis)、载荷分析(loadings)和支持向量机(SVM,support vector machine)对气味信息进行提取分析,建立甜玉米种子活力的定性定量分析模型。结果显示:PCA和LDA分析均无法区分不同活力的甜玉米种子,而SVM的鉴别效果较好。全传感器阵列数据集SVM分类判别模型训练集和预测集正确率分别为97.10%和96.67%,建模时间为30.75 s,回归预测模型训练集和预测集决定系数R~2分别为0.993和0.913,均方差误差分别为2.23%和8.50%。经Loadings分析将10个传感器阵列优化为6个。优化后传感器阵列数据集SVM分类判别模型训练集和预测集正确率分别为98.55%和96.67%,建模时间为21.81 s,回归预测模型训练集和预测集决定系数R~2分别为0.982和0.984,均方差误差分别为3.80%和3.01%。结果表明:基于SVM的电子鼻技术可以实现对不同活力甜玉米种子的高效判别和预测,将传感器阵列优化为6个,判别和预测效果均有所提升。该研究为电子鼻技术应用于甜玉米种子活力检测提供理论依据。 相似文献
17.
基于SegNet语义模型的高分辨率遥感影像农村建设用地提取 总被引：3，自引：2，他引：1
针对传统分类算法、浅层学习算法不适用于高空间分辨率遥感影像中农村建筑物信息提取的问题,该文以河北省霸州市高空间分辨率遥感影像WorldView-2为数据源,利用182 064幅128×128像素大小的影像切片为训练样本,选取基于深度卷积神经网络的SegNet图像语义分割算法对遥感影像中的农村建筑物进行提取,并与传统分类算法中的最大似然法(maximum likelihood,ML)和ISO聚类、浅层学习算法中的支持向量机(support vector machine,SVM)和随机森林(random forest,RF)以及深层语义分割算法中的金字塔场景解析网络(pyramid scene parsing network,PSPNet)的试验结果作对比分析。研究结果表明:SegNet不仅能够高效利用高空间分辨率遥感影像中农村建筑物的光谱信息而且还能够充分利用其丰富的空间特征信息,最终形成较好的分类模型,该算法在验证样本中的分类总体精度为96.61%,Kappa系数为0.90,建筑物的F1值为0.91,其余5种分类算法的总体精度、Kappa系数、建筑物的F1值都分别在94.68%、0.83、0.87以下。该研究可以为高空间分辨率遥感影像农村建设用地提取研究提供参考。 相似文献
18.
基于叶片病斑特征的茄子褐纹病识别方法 总被引：5，自引：4，他引：1
目前对蔬菜病害的识别方法都有一定的局限性,难以满足现代农业要求。该文以计算机视觉技术为手段,结合图像处理与模式识别技术,重点分析了茄子病害叶片上褐纹病病斑的颜色、形状、纹理特征参数,提出了一种基于叶片病斑特征的茄子褐纹病识别方法。根据在HSI(hue-saturation-intensity)颜色空间中叶片上病斑色调不同的特点,利用H分量图像提取病斑,获取病斑图片,然后提取每个病斑区域的12个颜色参数、11个形状参数和8个纹理参数等共31个特征参数。再通过方差和主成分分析法选择20个分类能力强的特征参数组成分类特征向量,并随机选取35个非褐纹病病斑的特征向量与35个褐纹病病斑的特征向量组成的训练集,构建Fisher判别函数对测试集进行分类,试验结果表明,对茄子褐纹病的识别准确率达到90%,说明该识别方法可以对茄子叶部病害进行快速、准确识别,为田间开放环境下实现茄子病害实时检测提供了技术支撑。 相似文献