首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到18条相似文献,搜索用时 109 毫秒
1.
基于支持向量机 (support vector machines, SVM) 算法采用激光诱导击穿光谱技术对11种塑料进行了识别. 每种塑料各采集100个光谱, 其中50个光谱作为训练集, 用于建立支持向量机模型, 剩下的50 个光谱作为测试集, 用于测试所建立支持向量机模型的识别精度. 结果表明测试集550个光谱中有543个光谱识别正确,算术平均识别精度达到了98.73%. 其中有6个聚氨酯 (PU) 光谱被误判为有机玻璃 (PMMA), 原因主要是受空气中氮气的影响, 使得有机玻璃和聚氨酯两种塑料在氮元素含量上的差异不能通过N I 746.87 nm, C-N(0,0) 388.3 nm两条谱线的强度准确表征. 本结果为LIBS技术塑料分类提供了方法和数据参考. 关键词: 支持向量机 激光诱导击穿光谱 塑料识别  相似文献   

2.
一种新的光谱参量预测黑土养分含量模型   总被引:2,自引:0,他引:2  
我国东北黑土富含养分,随着土壤数字制图、精确农业和土壤资源调查等研究的深入,引入航空高光谱数据并提供科学的预测结果成为研究热点。数据源为CASI-1500航空高光谱成像系统,光谱范围380~1 050 nm,空间分辨率1.5 m。在黑龙江建三江地区采集59个土壤样本,化验获得有机质、全氮、全磷和全钾含量数据,选择eps-regression支持向量机模型,BP神经网络和PLS1最小二乘回归模型,建立光谱与含量的机器学习模型。通过评价3种模型的预测精度,选用支持向量机方法,对航空高光谱数据进行全氮、全磷和全钾的信息提取,采用神经网络方法,反演了有机质信息。研究表明:以光谱统计量、光谱特征值和光谱信息量为大类指标,所选取的18个子指标,能够反映土壤光谱的综合情况,是一种新的土壤光谱数据处理方法。有机质和全钾信息提取精度最高的算法是神经网络法,误差分别为1.21%和0.81%,而支持向量机算法在提取全氮和全磷信息时,验证样本的实测均值和预测均值完全吻合,精度最高。评价航空高光谱提取土壤养分的综合精度,有机质、全氮、全磷和全钾提取误差分别为5.25%,6.05%,2.74%和8.90%,在全磷反演中精度最高。  相似文献   

3.
基于水体光谱特性的赤潮分布信息MODIS遥感提取   总被引:2,自引:0,他引:2  
赤潮监测对于赤潮治理、预防,减少赤潮危害有着重要作用.通过分析东海赤潮多发区域实测遥感反射率曲线,比较赤潮水体与非赤潮水体的光谱特性差异,发展了一种针对MODIS传感器的赤潮水体分布信息遥感提取方法.应用实测资料对提取方法进行验证,发现在119组实测数据中,只有一组不能正确识别.将算法应用于MODIS卫星资料,对200...  相似文献   

4.
赤潮光谱特征及其形成机制   总被引:11,自引:3,他引:8  
采用海面以上光谱测量方法(Above water method),利用美国FieldSpe(R) Dual VNIR光谱仪测量了丹麦细柱藻、中肋骨条藻、海洋褐胞藻等三种浮游植物赤潮以及红色中缢虫这一原生动物赤潮的离水辐射光谱数据.强调赤潮与正常海水的光谱差异在于687~728 nm波段的特征反射峰,指出了浮游植物赤潮与原生动物赤潮间的显著光谱差异,并认为可据此进行某些赤潮种类的遥感识别.给出了浮游植物赤潮光谱反射峰、吸收峰成因;红色中缢虫这一原生动物引起的水色异常,与其体内的共生藻类及浮游植物色素碎屑有关;其摄食偏好、与藻类的共生特性研究以及藻类常温下的荧光发射特性研究,将有助于加深对于红色中缢虫赤潮光谱成因的认识.  相似文献   

5.
基于小波降噪与支持向量机的恒星光谱识别研究   总被引:2,自引:2,他引:0  
提出了一种对恒星光谱识别的新方法.根据恒星光谱数据的特性,我们以支持向量机为核心技术构建光谱识别器.由于恒星光谱数据通常含有较高的噪声,如果直接进行分类,识别率往往较低.因此作者首先采用小波分析的方法对原始光谱数据进行降噪预处理,提取光谱的特征,然后馈送到支持向量机完成对光谱数据的最终识别.利用实际光谱数据(Jacoby,1984)对所提出的技术进行检测,实验结果表明使用这种小波分析结合支持向量机的技术的识别效果要优于使用支持向量机结合主分量分析降维技术的识别方法.另外,作者还比较了支持向量机与传统甄别分析的分类性能,对实际及合成光谱进行实验的结果显示了支持向量机的识别正确率不但优于常见的5种甄别分析方法的识别率,而且有较强的泛化能力.  相似文献   

6.
研究污染云团的红外光谱仿真,对于利用仿真光谱进行光谱识别的算法研究十分重要.在单元探测器探测方式下污染云团的红外光谱仿真研究取得了一定成果,并且已经被应用于识别算法的研究工作中.针对基于成像光谱仪的污染云团识别算法研究缺乏实测数据的问题,利用具有高仿真精度的基于物理模型的污染云团扩散模型及其仿真结果网格化的特点,研究相应的云团红外光谱仿真多层模型,提出了面阵探测方式下污染云团红外光谱的仿真方法,生成了同时具有光谱维和空间维信息的数据立方体,为该研究领域提供了新的研究方法.提出的面阵探测方式下的污染云团红外光谱仿真直观地反映了污染云团的扩散,提供了完备且符合实际情况的污染云团红外光谱立方体数据,对于提高和完善红外光谱识别算法具有重要意义.  相似文献   

7.
利用三维荧光光谱(EEMs)技术测定了实验室培养的分属5个门13个属的17种中国近海常见赤潮藻的荧光性质,通过db7二维小波变换提取赤潮藻三维荧光光谱的特征参量,采用系统聚类法构建荧光特征标准谱库,并利用多元线性回归辅以粒子群算法进行参数估计建立识别技术,实现了赤潮藻在门、属水平上的识别测定。测定样品中:赤潮藻纯种培养体在门、属水平上的平均识别正确率分别为96.1%和73.6%;对于优势度分别为60%,75%,80%,90%的赤潮藻模拟混合样品,优势藻在门水平上的平均识别正确率分别为86.7%,96.9%,98.7%,99.4%,识别相对含量分别为62.6%,72.7%,76.0%,81.6%;优势藻在属水平上的平均识别正确率分别为51.0%,68.9%,72.0%,78.8%;对于优势度达75%的赤潮藻实际混合样品,优势藻在门、属水平上的平均识别正确率分别为99.4%和75.9%。将所建技术用于围隔实验水样和现场调查采集水样进行分析,有效实现了浮游藻群落组成的识别测定,尤其是硅藻和甲藻的分类识别。  相似文献   

8.
高光谱图像技术是在种子识别领域广泛应用的农产品品质无损检测方法.特征信息的充分提取和最优波段的选择是影响高光谱图像技术种子鉴选在线应用的关键因素.目的在于利用联合偏度算法选择高光谱图像的最优波段,用于开发在线的种子分级系统.论文利用高光谱图像采集系统获取10类共960粒玉米种子在438~1 000 nm(共219个波段)波段范围内的高光谱图像,并提取了种子高光谱图像的平均光谱、图像熵特征.利用联合偏度算法选择了高光谱图像的最优波段,分别建立了基于平均光谱、图像熵、平均光谱和图像熵联合特征条件下的支持向量机种子分类模型,比较不同特征下分类模型的识别精度.实验结果表明:无论是全波段分类模型,还是建立在最优波段基础上的分类模型,利用平均光谱和图像熵联合特征获得的分类精度均高于平均光谱和图像熵两种单一特征模型.在10个最优波段条件下,联合特征分类模型的识别精度达到了96.28%,比光谱均值和图像熵的识别精度分别提高了4.30%和20.38%,也高于全波段联合特征识别模型的93.47%.利用联合特征建立玉米种子分类模型时,基于联合偏度的波段选择算法的分类精度要高于无信息变量消除法、连续投影算法和竞争性自适应重加权算法.该研究为种子高光谱图像识别技术的在线运用提供了可行的途径.  相似文献   

9.
为了探究一种新型高效的树种鉴别方法,以桉木、杉木、落叶松、马尾松和樟子松近红外光谱数据为研究对象,分别建立了基于主成分分析和支持向量机的木材树种定性识别模型。在主成分识别模型中,样本光谱数据经过预处理后绘制了其二维和三维主成分得分图,可以看出:主成分分析得分图能有效区分五种木材树种,且三维得分图比二维得分图更能直观、清晰展示树种之间的差异,表明主成分分析在可视化层面上可对小样本树种进行有效判别。在支持向量机识别模型中,分别建立了以遗传算法和粒子群算法为代表的智能算法优化支持向量机树种识别模型,结果显示,遗传算法-支持向量机模型的交叉验证最佳判别准确率为95.71%,测试集预测准确率为94.29%,算法用时134.08s;粒子群算法-支持向量机模型的交叉验证最佳判别准确率为94.29%,测试集预测准确率为100.00%,算法用时19.98s,表明基于智能算法支持向量机树种识别模型能够实现对木材树种的有效鉴别。该研究对近红外光谱分析技术在木材科学领域的应用进行了有益探索,为木材树种的快速识别提供了新方法。  相似文献   

10.
非成像高光谱数据的特点为树种的精细识别提供了可能.非成像高光谱数据的多波段特性,使得利用数据间的微小差异来进行树种的识别分类研究成为可能.该文利用光谱相关匹配(Spectral correlation matching,SCM)方法来对树种进行识别分类,分别采用均值平滑法、中值平滑法、小波包变换对高光谱数据进行预处理及识别分类研究.结果表明,经过数据平滑预处理,可以有效地去除噪声,提高叶片高光谱数据的树种分类的精度.小波分析能有效的去除光谱中的噪声信息,保留光谱中的有效信息.在小波包变换的基础上,经过中值滤波数据预处理之后的分类精度高于均值滤波数据预处理后的分类精度.  相似文献   

11.
高血压合并冠心病是高血压疾病的一类严重合并症。目前高血压患者对合并冠心病的情况检测不及时,容易导致严重事件的发生,其致残率、致死率极高,严重影响患者的生活质量。因此对高血压患者合并冠心病的早期发现对预防更严重事件的发生显得尤为重要。舌体信息与心血管功能关系密切,为此,提出一种基于舌体高光谱用于高血压患者中合并冠心病筛查新方法。采集154例心血管科门诊患者舌体377.8~1 049.1 nm高光谱数据并记录临床诊断信息。对高血压患者组及高血压合并冠心病患者组舌体光谱比较发现,在500~600 nm波段之间,两组光谱存在显著性差异。基于中医舌诊分区理论,对舌体进行区域划分,划分为舌尖、舌左、舌中、舌右以及舌根五个区域。各舌体分区在波长509.6和561.2 nm以及540.5和576.7 nm均存在极大和极小值,这与血红蛋白对光的吸收特征相吻合。对组间各舌体区域光谱特征进行差异性分析。T检验分析结果显示高血压患者组与高血压合并冠心病患者组舌尖与舌中区域光谱具有显著性差异。基于高血压患者组与高血压合并冠心病患者组舌体不同区域光谱特征的差异性,利用神经网络,选取500~600 nm舌尖与舌中光谱数据进行后续高血压患者组与高血压合并冠心病患者组分类辨识模型的建立。选用准确度、灵敏度以及特异性作为模型预测能力的评价指标。最终获得模型的预测准确度、灵敏度以及特异性分别为84.78%,86.95%和82.61%。实验结果表明高血压患者与高血压合并冠心病患者舌体高光谱信息之间存在显著性差异。利用舌体高光谱所建立的分类模型能够用于高血压以及高血压合并冠心病患者的无创辨识,为高血压患者中高血压合并冠心病的早期发现提供一种有效筛查手段。  相似文献   

12.
为了考察高光谱技术对海洋溢油种类的鉴别能力,进行了模拟溢油实验。利用紫外三种波长光源(254nm、302nm、365nm)和可见光两种光源(日光灯和阳光)照射海水上的油墨,使用AvaSpec-2048地物光谱仪采集5个油种(汽油、柴油、煤油、机油、花生油)的高光谱数据(200~1160nm),基于这些数据,通过PCA进行特征优化,使用前10个主分量构建了支持向量机的油种识别模型,使用网格法对支持向量机参数C和gamma进行参数寻优,通过5折交叉验证法进行了结果测试。结果表明,阳光下的光谱识别率最高,日光灯下的识别效果最差,三种紫外灯在波长302nm透射下识别率较高,在254nm和365nm下的识别效果相当。由此可见,在油种鉴别过程中光源的类型、照射方式、光强都会影响到油种的识别效果。  相似文献   

13.
针对新疆棉田传统螨害监测方法耗时低效的问题,提出了一种基于冠层高光谱、近地多光谱、环境数据与地面调查相结合的多源数据棉田螨害大范围监测方法。首先,分别采集地面尺度的棉花冠层350~2 500 nm高光谱遥感数据和不同时期低空尺度的棉田无人机多光谱遥感影像数据,通过分析高光谱的原始光谱和一阶微分光谱特征,提取出了4个螨害敏感波段,分别为:绿光波段553 nm附近、红光波段680 nm附近、红边波段680~750 nm、近红外波段760~1 350 nm,这几个波段同时包含在无人机搭载的多光谱传感器波段范围内,验证了低空尺度下无人机遥感螨害监测的可行性。其次,初选23种植被指数和13种田间环境数据,结合地面调查的螨害发生情况做相关性分析。其中,SAVI、OSAVI、TVI、NDGI、平均湿度、温湿系数和10 cm土壤平均温度均与螨害发生达到极显著相关水平(sig≤0.01);RDVI、RVI、MSR、最高温度、平均温度、积温、10 cm土壤最高温度和10 cm土壤平均湿度均与螨害发生达到显著相关水平(sig≤0.05)。选取sig值在0.05以下的15种特征值,分别建立基于单一环境数据、单一植被指数、环境数据与植被指数相结合的3种支持向量机(SVM)棉田螨害发生监测模型。最后,根据评价效果最优的监测模型,绘制不同时期的螨害遥感监测空间分布图,通过统计分布图中螨害和健康像元数计算出螨害面积占比,将螨害占比与同时期田间环境数据进行相关性分析,筛选出显著特征值,再通过多元逐步回归分析法确定出与螨害面积值关系最密切的环境因子,建立棉田螨害面积预测模型。结果表明:基于单一环境数据的棉田螨害发生监测模型准确率为62.22%,基于单一植被指数的棉田螨害发生监测模型准确率为75.56%,基于环境数据与植被指数相结合的棉田螨害发生监测模型效果最优,准确率为80%。螨害面积预测模型的决定系数R2=0.848,模型拟合度较好。本研究基于多源数据建立的棉田螨害发生监测模型和螨害面积预测模型,可以为新疆地区棉田螨害的大范围监测和趋势预警提供参考。  相似文献   

14.
高光谱成像技术的库尔勒梨早期损伤可视化检测研究   总被引:2,自引:0,他引:2  
利用高光谱成像技术对库尔勒梨早期损伤进行快速识别检测。以60个库尔勒梨为研究对象,采集380~1 030nm波段范围内完好样本和损伤后1~7天样本的480幅高光谱图像。提取图像中感兴趣区域(ROI)的平均光谱信息,利用小波变换(WT)对光谱数据进行去噪平滑,将去噪后的全部样本按2∶1的比例分成建模集(320个)和预测集(160个)。利用二阶导数从全谱信息中提取出19个特征波长,分别基于全谱和提取出的特征波长对建模集和预测集进行支持向量机(SVM)建模分析。结果表明,基于全谱和特征波长的判别分析模型中,两者预测集的识别率都达到93.75%,表明提取的特征波长包含了光谱数据中的关键信息。然后,基于特征波长运用波段比运算挑选最佳波段比,根据波段比F值的分布确定光谱图像分割的最佳波长684和798nm。对最佳波段比(684/798nm)下的图像,利用选择性搜索(SS)对高光谱图像中样本的完好和损伤区域进行分割,从分割结果来看,1~7天损伤样本的受损区域能够被准确检测出来。研究结果表明:基于高光谱成像技术对库尔勒梨进行损伤鉴别是可行的,该研究所获得的特征波长和波段比为研发在线实时的库尔勒梨损伤检测系统提供支撑。  相似文献   

15.
将赤潮藻生长过程中产生的荧光溶解有机物(fluorescent dissolved organic matter,FDOM)的三维荧光光谱与主成分分析相结合,尝试建立了我国沿海10种常见赤潮藻的识别测定技术.用主成分分析提取三维荧光光谱第一主成分载荷谱作为识别特征谱,建立了浮游植物荧光特征谱库,在此基础上利用Bayes...  相似文献   

16.
基于PCA和SVM的高光谱遥感图像分类研究   总被引:4,自引:0,他引:4  
支持向量机(SVM)是根据统计学习理论提出的新的研究方法,它在解决小样本、非线性及高维模式识别问题中表现出了许多特有的优势,在模式识别、函数逼近和概率密度估计等方面取得了良好的效果。由于高光谱图像波段数目多,各波段间具有较强的相关性,因此通过主成分分析(PCA)方法对高光谱数据进行预处理,达到了降维的目的,同时也去除了噪声波段。用支持向量机方法对高光谱遥感图像进行分类,可实现图像的分类识别。  相似文献   

17.
利用可见/近红外(400~1 000nm)及近红外(900~1 700nm)高光谱成像技术对宁夏地区滩寒杂交、盐池滩羊、小尾寒羊三个品种羊肉进行识别研究。针对不同波段光谱特点,分别优选出Baseline及SG卷积平滑光谱预处理方法,并运用连续投影算法(SPA)提取特征波长,结合线性判别分析(LDA)及径向基核函数支持向量机(RBFSVM)模型进行全波段及特征波长识别分析。结果表明不同波段高光谱对羊肉品种识别均获得较好效果,其中400~1 000nm波段采用Baseline-Fullwave-RBFSVM及12个特征波长下准确率为100%与98.75%,900~1 700nm波段采用Baseline-Fullwave-RBFSVM及7个特征波长下准确率为96.25%与87.80%;RBFSVM非线性分类准确率高于LDA线性判别结果,400~1 000nm波段识别准确率优于900~1 700nm波段,说明三种羊肉在色泽纹理上差异比成分含量显著,利用高光谱成像技术结合RBFSVM方法能够获得较优的羊肉品种识别效果。  相似文献   

18.
基于近红外高光谱成像技术的小麦不完善粒检测方法研究   总被引:1,自引:0,他引:1  
小麦作为主要的粮食作物在我国农业生产、运输、食品加工等方面占有重要地位。不完善籽粒严重影响了小麦质量与粮食安全。不完善籽粒主要在生产、存储、包装等过程中产生,目前我国小麦质量检测多以人工分选为主,但存在人主观性较强,肉眼易疲劳,且费时费力等问题,因此,如何快速准确鉴别小麦不完善粒是现阶段提高生产率和保证粮食安全的重要问题。运用高光谱成像技术和特征波段选取方法提出一种快速有效的小麦不完善粒鉴别方法。利用近红外高光谱成像系统获得1 000粒小麦样本在862.9~1 704.2 nm共256个波段的高光谱反射图像,其中包括健康粒、生芽粒、霉变粒和赤霉粒各250粒,提取每个样本感兴趣区域的平均反射率光谱作为分类特征。本文首先对提取的全波段光谱信息进行窗口平滑、一阶导数差分、矢量归一化等数据预处理,将原始光谱数据的隐藏信号放大并消除随机误差;在预处理的基础上运用伪偏最小二乘(DPLS)和正交化线性判别分析(OLDA)对光谱进行特征提取,降低数据的冗余度;最后采用仿生模式识别(BPR)建立四类小麦的鉴别模型。实验结果表明,采用全波段光谱信息建立的小麦不完善粒鉴别模型的平均识别精度达到97.8%,分析结果可知,利用近红外高光谱成像技术的全波段光谱信息对小麦不完善粒鉴别是可行的。尽管全波段光谱信息取得了较好的鉴别效果,但高光谱成像设备较为昂贵,获取高光谱全波段光谱信息数据量较大,无法满足对现场设备运算速度的高要求,因此,采用连续投影算法(SPA)对全波段光谱数据进行特征波段的选择,使波段数量由256维降低到10维,从而提高系统的可行性和运算速度。采用选取的10个特征波段建立小麦不完善粒鉴别模型,实验结果表明10个特征波段的平均识别精度仅为83.2%,分析结果可知,尽管采用10个特征波段提高了系统实时性,但鉴别准确性较差。为达到与全波段特征基本相当的鉴别效果,利用光谱特征与图像特征结合的方法建立小麦不完善粒鉴别模型,将上述选取的10个特征波段的形态信息、纹理信息和光谱信息进行结合,实验结果表明,10个特征波段的光谱信息与图像信息结合使鉴别的平均识别精度达到94.2%,此识别效果与利用全波段光谱数据的识别效果基本相当。利用高光谱成像系统探索了小麦不完善粒鉴别的可行性,通过分析以上实验可知,基于近红外高光谱成像技术对小麦不完善粒检测具有良好的效果,在有效的提高运算速度的同时也保证了系统的鉴别精度,为后期小麦不完善粒快速检测设备的开发提供了有效的研究方向。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号