排序方式: 共有4条查询结果,搜索用时 15 毫秒
1
1.
2.
心率是猪的重要生命体征,而在健康监测中由于猪的依从性较差而造成心电信号呈现非平稳特性,给实时心率计算带来困难。该文针对此问题结合经验模态分解方法(empirical mode decomposition,EMD)提出一种对心电信号具有实时处理能力的短时经验模态分解算法(short-time empirical mode decomposition,ST-EMD)。该算法通过对数据分段并根据信号特征决定分段起点及长度等参数,然后对每段数据进行EMD分解,再基于能量窗变换法从分解结果中提取QRS波的特征参数并识别R波。通过动物试验表明,ST-EMD算法能够对猪的心电信号实时处理和识别QRS波群,识别正确率为99.6%,且表现出一定的自适应性。说明本文提出的ST-EMD算法思路是正确的,适用于生猪的心电实时健康监护。 相似文献
3.
被毛对热成像检测生猪体表温度精度的影响及噪声滤除方法 总被引:3,自引:3,他引:0
生猪皮肤的温度分布是表征其生理状态和疾病的重要指标,通常由红外热成像技术(infrared thermography, IRT)检测,然而由于生猪体表附有被毛在热图像中产生大量的温度噪声,降低了IRT对皮肤温度的检测精度。该文针对此问题探索被毛对皮肤温度分布的影响规律,并设计消除被毛影响的热图像降噪算法,提高对温度分布的检测精度。通过对12头生猪试验,分析目标区域在正常被毛和剔除被毛后温度分布的统计量得出被毛在温度分布中产生大量的"峡谷"状低温噪声,显著降低了目标区域的最低温度及平均温度。根据毛发噪声的影响规律提出网格化最大值-双三次插值算法并确定算法的最佳邻域尺寸为4.25mm。采用均方误差、峰值信噪比等指标定量评价算法的有效性,结果表明经算法处理后,均方误差由0.38下降到0.05(P0.01),峰值信噪比由45.14 dB上升到53.66 dB(P0.01),说明该算法能够滤除热图像中毛发引起的噪声,可提高IRT对温度分布的检测精度。 相似文献
4.
基于生物散斑图像和惯性矩谱分析的牛肉掺腐检测 总被引:1,自引:1,他引:0
牛肉掺假严重危害消费者的健康与经济利益,因此对牛肉掺假进行无损检测具有重要意义。该文基于生物散斑技术对牛肉掺假进行定量检测。试验将新鲜牛肉和非新鲜牛肉按不同比例(0、1%、3%、5%~60%(5%梯度)和100%)混合制备掺假样本,并采集样本的生物散斑图像。针对单列惯性矩(inertia moment,IM)表征样本生物活性存在稳定性差的问题,首次提出惯性矩谱(IM谱)分析的方法并用于建立基于支持向量回归机(support vector regression machine,SVR)的牛肉掺假检测模型。结果表明基于IM谱建立的SVR模型能较为准确预测牛肉中掺假物含量,校正集和测试集的决定系数分别为0.85和0.81,均方根误差分别为0.12和0.11。该研究证明了利用生物散斑技术和惯性矩谱分析方法对新鲜牛肉中掺杂腐败牛肉进行定量检测是可行的。 相似文献
1