基于可见-近红外反射光谱技术的葡萄品种鉴别方法的研究

提出一种利用可见-近红外反射光谱技术快速无损鉴别葡萄品种的新方法.采用主成分分析法对三个葡萄品种的光谱进行聚类分析.结果表明, 黑提葡萄能够被区分.进一步采用人工神经网络技术对马奶子和木拉格两种葡萄进行品种鉴别.以前10个主成分作为神经网络的输入, 品种类型作为神经网络的输出, 建立三层BP神经网络模型.结果显示, 这两个品种的识别准确率达到98.28 %, 结果优于簇类独立软模式(SIMCA).同时提出葡萄品种鉴别的四个敏感波段: 452、493、542和668 nm.基于敏感波段光谱的BP神经网络预测准确率为97.41%.说明采用可见-近红外光谱分析技术结合主成分分析和人工神经网络的方法能够快速无损鉴别葡萄的品种, 为葡萄品种的鉴别提供了一种新方法.     

应用多光谱图像技术获取黄瓜叶片含氮量及叶面积指数

为了快速准确地获取黄瓜叶片的含氮量和叶面积指数等生长信息,提出了采用多光谱图像技术对黄瓜生长信息进行榆测的新方法.利用标定板建立黄瓜叶片光谱反射率同图像灰度值之间的线性公式.通过多光谱相机对样本在绿光、红光和近红外三个通道的图像进行处理,获得叶片样本在每一通道的灰度值,然后根据标定板所建立的灰度值与反射率间的经验线性公式将对应的厌度值转为反射率值,并由反射率值计算出黄瓜的植被指数.采用最小二乘一支持向量机(LS-SVM)建立植被指数同叶片含氮量以及叶面积指数间的拟合模型.结果表明植被指数同叶片含氮量和叶面积指数的拟合相关系数分别为0.8665和0.8553.表明植被指数与黄瓜的叶片含氮量和叶面积指数具有紧密的相关性,也为快速采集黄瓜生长信息提供了一种新方法.     

基于近红外反射光谱的外来入侵植物的辨识

提出了一种利用可见一近红外反射光谱技术对婆婆纳、波斯婆婆纳、直立婆婆纳等3种入侵植物和本地杂草宝盖草的植物辨别方法,可以对外表相似度极高的这4种植物进行有效鉴别.研究在对光谱曲线进行预处理和聚类分析后,随机采用30×4个样本作为建模样本,其余的20×4个样本作为预测样本,应用独立软模式法SIMCA(soft independent models of class analogy)进行分类,在显著性水平为5%下,其预测分辨率为78.75%,去除婆婆纳后的预测分辨率为90%.根据变量建模能力(modeling power)值,找到敏感波段496～521,589～626和789～926 nm,并将相应的波段的光谱值作为最小二乘的支持向量机LS-SVM(least squares support vector machine)的输入,进行建模预测,并以预测结果作为目标函数值,进行遗传算法GA(genetic algorithm)优化,结果发现,预测分辨率达95.35%,辨识效果好,能快速正确区分外来入侵植物.     

应用近红外光谱技术快速检测果醋糖度

为了对果醋糖度值进行快速准确检测,应用近红外光谱技术并结合最小二乘支持向量机分析方法建立了果醋糖度检测模型.应用近红外透射光谱获取五种类型共计300份果醋样本的光谱透射曲线,利用主成分分析方法对原始光谱数据进行降维处理,根据主成分的累计贡献率选取6个主成分.选取的主成分即作为光谱优化特征子集以替代原来复杂的光谱数据.随后将300份果醋样本数据随机分为定标集和预测集,利用最小二乘支持向量机在225个定标集样本数据基础上建立起果醋糖度预测模型,应用此模型对75个预测集样本进行糖度预测.根据预测均方根误差(RMSEP)和预测结果的相关系数(r)对预测模型进行评价,利用此模型得到的样本糖度预测值r=0.993 9,RMSEP=0.363,均达到了较好的预测效果.     

一类带机器准备时间的排序复杂性及算法

1引言文[2-4]中考虑了如下定义的一个排序模型：m台同型机器加工n个工件，每个工件在零时刻到达，第i个工件需加工时间pi,而各机器有各自的准备时间Tj≥0,怎样安排工件加工顺序，使机器总完工时间（makespan）尽可能早．这是一个强NP-完全问题．本文考虑增加这样一个约束，即每     

化学沉积Ni–Fe–P合金的冲蚀特性研究

采用扫描电镜、能谱仪、X射线衍射等方法,研究了化学沉积Ni–Fe–P合金的组成和结构,并对其冲蚀性进行了研究。结果表明,随着镀液中硫酸亚铁浓度增大,化学沉积Ni–Fe–P镀层中的铁含量增大,磷含量下降。化学沉积Ni–Fe–P镀层的腐蚀电位比化学镀Ni–P镀层的腐蚀电位高。在3.5%(质量分数)Na Cl溶液组成的悬浮液冲击下,碳化硅颗粒粒度为124μm时,镀层质量损失出现最大值,随着悬浮液流速的增大镀层质量损失增加。     

带窗口磁驱动准等熵压缩实验模拟

在二维磁驱动数值模拟程序MDSC2中增加了LiF材料的材料参数和功能模块,使MDSC2程序具有了求解带窗口磁驱动准等熵压缩实验的能力。采用MDSC2程序,对大电流脉冲功率装置上的exp-3-window、exp-6-window带窗口磁驱动准等熵压缩实验进行了模拟。数值模拟结果表明,二维磁驱动数值模拟程序MDSC2能正确模拟带窗口磁驱动准等熵压缩实验exp-3-window和exp-6-window的全过程,模拟的飞片/窗口界面速度在飞片/窗口界面速度的上升阶段、峰值附近和卸载阶段与实验测量基本一致,验证了新程序的计算有效性。MDSC2程序对带窗口磁驱动准等熵压缩实验的正确模拟有助于磁驱动样品物性实验的研究。     

基于综合重要度的动车组多部件系统机会维修策略研究

针对我国动车组列车现行维修方式,提出基于综合重要度序列的动车组多部件系统机会维修策略,对提高系统可靠度贡献大的关键部件进行准时优先维修。建立部件综合重要度指数计算模型,并依据其对部件维修优先级进行排序。以维修总成本最低为目标计算单部件最优维修周期及时刻,以系统维修总成本最低为目标,以关键部件的维修时刻为系统停机时刻建立考虑重要度的多部件系统机会维修模型。算例选取某型动车组四级修时更换的四部件系统为研究对象,讨论机会维修里程窗的大小及其偏移量对维修效果的影响,对比结果表明,考虑综合重要度的机会维修策略能够在维修费用基本持平的条件下,保证对系统可靠性贡献大的关键部件的可靠性,进而保证系统的整体可靠性。     

基于可见-近红外光谱的可乐品牌鉴别方法研究

提出了一种采用可见-近红外光谱分析技术快速鉴别可乐品牌的新方法。采用美国ASD公司的便携式光谱仪对三种不同品牌的可乐进行光谱分析,各获取55个样本数据。将样本随机分成150个建模样本和15个预测样本,采用平均平滑法和标准归一化方法对样本数据进行预处理,再用主成分分析法对光谱数据进行聚类分析并获得各主成分数据。将建模样本的主成分数据作为BP网络的输入变量,可乐品牌作为输出变量,建立三层人工神经网络鉴别模型,并用模型对15个预测样本进行预测。结果表明,预测准确率为100%,实现了可乐品牌快速、准确的鉴别。     

基于地面多光谱成像技术的茄子灰霉病无损检测研究

实时、便捷、可靠的作物病害诊断方法是进行科学的作物喷药管理的基础,也是精细农作的关键技术之一。根据感染灰霉病菌的茄子叶片的光谱反射特征和相应的特征波段的图像信息,利用基于地面的包含绿、红、近红外三波段灰度图的多光谱成像技术对染病茄子叶片进行病斑的无损检测。目的是建立能准确反映植物病害状况的检测模型,实时过滤掉土壤噪声、气候条件等环境干扰,实现对植物健康状况进行快速、准确、非破坏性检测。结果显示,利用绿、红和近红外三通道图像信息算法模型,能够在有干燥的土壤和枯叶等干扰下对灰霉病斑进行较好的识别,为植物生产中病害的在线无损检测提供了新的方法。