首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   12篇
  免费   0篇
物理学   12篇
  2017年   1篇
  2016年   4篇
  2008年   1篇
  2007年   5篇
  2006年   1篇
排序方式: 共有12条查询结果,搜索用时 15 毫秒
1.
基于高光谱技术的玉米种子可视化鉴别研究   总被引:2,自引:0,他引:2  
种子纯度是衡量种子品质的重要指标。提出一种基于近红外(874~1 734nm)高光谱技术实现玉米种子可视化鉴别的方法。采集4个品种共384个玉米种子样本的高光谱图像数据,随机选择288个样本作为建模集,剩余96个样本作为预测集。对玉米种子光谱曲线进行分析后,通过连续投影算法(SPA)选取7个特征波段作为输入,结合偏最小二乘法判别分析(PLS-DA)模型,对预测集进行预测,获得较好的分类效果,其中R_C=0.917 7,RMSECV=0.444 2;R_(CV)=0.911 5,RMSECV=0.459 9,建模集和预测集的总体鉴别率分别为78.5%和70.8%。通过图像处理技术提取高光谱图像中每个玉米颗粒的平均光谱数据,输入建立的SPA-PLS-DA模型,在计算生成的鉴别图中以不同颜色标识不同类别,实现了混杂玉米种子样本的可视化鉴别。对3份不同组成的混杂种子样本进行鉴别,达到了较好的可视化效果。结果表明,通过可视化鉴别技术,可以直观方便地观察混杂种子样本中不同品种种子的分布和数量,为农业生产中种子的纯度鉴别和筛选提供了帮助。  相似文献   
2.
微藻高效培养是微藻生物能源开发利用的关键和前提,而在营养充足的培养条件下生长迅速但较易受到环境污染和影响,因此微藻生长过程中对其生长状况进行监测意义重大。高光谱成像技术同时拥有丰富物质品质信号的优点和图像包含丰富品质分布空间信息的优点,可为微藻的快速无损检测提供新的方法和手段。分别采集小球藻、球等鞭金藻和螺旋藻三种微藻各45个样本的高光谱图像,并提取样本感兴趣区域(ROI)的平均光谱。利用连续投影算法(SPA)波长优选之后,取30个建模集样本的光谱数据与其相应的生物量建立多元线性回归(MLR)模型,对15个预测集样本的生物量进行预测,小球藻、球等鞭金藻和螺旋藻预测相关系数(r)分别为0.950,0.969和0.961,预测均方根误差(RMSEP)为0.010 2,0.010 7和0.017 1,获得了较好的预测精度。最后,用所建MLR模型对预测集图像上每个像素点的生物量加以预测,采用Matlab图像编程处理将不同的生物量用不同的颜色表示,最终以伪彩图的形式实现藻液生物量的可视化。研究结果表明,高光谱成像技术对小球藻和螺旋藻藻液生物量的可视化效果较好,对球等鞭金藻的预测效果还需要进一步改进。本研究为实现微藻生长信息的快速获取和进一步开展微藻生物质能源利用奠定了一定的研究基础。  相似文献   
3.
油菜叶片的光谱特征与叶绿素含量之间的关系研究   总被引:7,自引:1,他引:6  
叶绿素是作物生长中的重要因素,是植物营养胁迫、光合作用能力和生长状况的良好指示剂.实时、可靠的作物营养诊断是进行科学施肥管理的基础,也是实践精细农业的关键技术之一.采用便携式可见-近红外光谱仪,在室外自然光照条件下对不同氮肥水平下油菜叶片的光谱特性进行了研究,并根据作物特有的光谱特征,采用逐步回归分析方法建立了油菜叶片的叶绿素含量与红边位置和绿峰位置之间的定量分析模型.结果表明,将红边位置、绿峰位置二者作为自变量时,建立的模型效果优于采用单一的红边位置为自变量时建立的模型效果.其相关系数分别为0.863和0.848;校正标准偏差SEC分别为5.273和5.459,说明采用红边位置和绿峰位置这两个参数更能很好地预测叶片的叶绿素含量.  相似文献   
4.
一种基于可见-近红外光谱快速鉴别茶叶品种的新方法   总被引:37,自引:11,他引:26  
提出了一种用可见-近红外光谱技术快速无损鉴别茶叶品种的新方法.应用可见-近红外光谱仪测定5个品种茶叶的光谱曲线,用主成分分析法对不同品种茶叶进行聚类分析并获得茶叶的可见-近红外光谱数据的主成分,再结合人工神经网络技术建立模型进行品种鉴别.主成分分析表明,以主成分1和2对所有建模样本的得分值做出的得分图,对不同种类茶叶具有较好的聚类作用,可以定性分析茶叶种类.把主成分分析得到的前6个主成分作为神经网络的输入,茶叶品种值作为神经网络的输出,通过5个茶叶品种共125个样本的训练和学习,建立了茶叶品种鉴别的3层BP人工神经网络模型,对未知的25个样本进行鉴别,品种识别准确率达到100%.说明本文提出的方法具有很好的分类和鉴别作用,为茶叶的品种快速鉴别提供了一种新方法.  相似文献   
5.
β-胡萝卜素作为一种重要的营养元素,其在果蔬活体内的测定方法通常必须对样品进行破坏,并且耗时、费力。采用拉曼光谱技术预测活体枇杷果实内β-胡萝卜素含量,以高效液相色谱法(HPLC)检测值作为参考值,采用高斯平滑对光谱数据进行预处理,同时使用多项式拟合(PF)的方法对光谱数据进行背景荧光扣除,以标准β-胡萝卜素的拉曼图谱为基础,选取了三个特征频移,以特征频移和截取的光谱建立了MLR模型、PLSR模型以及LS-SVM模型,取得了比较好的预测精度。其中LS-SVM模型的预测精度最高,其预测相关系数R_p~2达到了0.91,表明通过拉曼光谱对活体枇杷内β-胡萝卜素的含量检测是实际可行的。  相似文献   
6.
基于可见-近红外光谱的制动液品牌鉴别方法研究   总被引:3,自引:0,他引:3  
提出了一种基于可见-近红外光谱分析技术快速鉴别汽车制动液品牌的新方法。采用美国ASD公司的便携式光谱仪对五种不同品牌的制动液进行光谱分析,各获取60个样本数据。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,再对光谱数据进行主成分分析,建立第一主成分和第二主成分的二维散点图,表明不同品牌制动液具有较好的聚类特性。将前6个主成分作为输入量,制动液品牌作为输出量,建立了基于逐步判别分析法的鉴别模型。随机抽取225个样本用于建模,余下的75个样本用于模型验证。试验结果表明验证准确率达到94.67%,说明所提出的方法具有很好的分类和鉴别作用,为制动液品牌的快速鉴别提供了一种新方法。  相似文献   
7.
基于光谱技术的桔子汁品种鉴别方法的研究   总被引:5,自引:5,他引:0  
为了实现桔子汁不同品种的快速光谱鉴别,首先采用主成分分析法对光谱数据进行聚类分析,从定性分析的角度得到四种不同品种桔子汁的特征差异.同时将小波变换用于对大量光谱数据的压缩,并结合RBF神经网络建立桔子汁品种鉴别的定量分析模型.该模型将小波压缩后的数据作为神经网络的输入向量,建立径向基函数RBF神经网络.4个品种共240个样本用来建立RBF神经网络的训练模型,剩余的60个样本用于预测.预测结果表明,小波变换结合RBF神经网络的桔子汁品种鉴别的准确率达到100%.说明文章提出的基于光谱技术的鉴别方法具有很好的分类能力,它为桔子汁品种的快速鉴别提供了一种新方法.  相似文献   
8.
基于近红外高光谱成像技术的干制红枣品种鉴别   总被引:4,自引:0,他引:4  
为实现干制红枣的快速鉴别,提出了一种基于近红外高光谱成像技术的鉴别方法。采集四个品种共240个样本干制红枣的近红外高光谱图像(1 000~1 600 nm)。通过主成分分析法(principal component analysis,PCA)、载荷系数法(x-Loading Weights,x-LW)和连续投影算法(successive projections algorithm,SPA)分别提取7个、8个和10个特征波长;基于灰度共生矩阵(gray level co-occurrence matrix,GLCM)提取第一主成分图像的纹理特征。分别以光谱特征、纹理特征、光谱和纹理融合特征作为输入,建立偏最小二乘判别分析(partial least squares-discriminant analysis,PLS-DA)、反向传播神经网络(back-propagation neural network,BPNN)和最小二乘支持向量机(least squares support vector machines,LS-SVM)模型。结果显示,基于融合特征的模型鉴别率高于分别基于光谱特征或纹理特征的模型鉴别率;基于融合特征的BPNN模型的结果最优,对预测集样本鉴别正确率为100%。说明近红外高光谱成像技术可用于干制红枣品种的快速鉴别。  相似文献   
9.
基于可见-近红外光谱的可乐品牌鉴别方法研究   总被引:6,自引:5,他引:1  
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.  相似文献   
10.
应用近红外光谱快速鉴别酸奶品种的研究   总被引:26,自引:11,他引:15  
提出了一种用近红外光谱技术快速鉴别酸奶品种的新方法.首先应用光谱仪获得5种典型酸奶品种的光谱曲线,用主成分分析法对5种酸奶品种进行聚类分析,再结合人工神经网络技术建立模型进行品种鉴别.主成分分析表明,主成分1和主成分2的累积可信度已达98.96%,前7个主成分的累积可信度达到99.97%.以每一个样品的前7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人工神经网络模型.每个品种各27个样本,5个品种共135个样本用来建立神经网络模型,余下每个品种各5个共25个用于预测.建模品种的拟合率和预测品种的识别率均为100%.说明该方法能快速无损的检测酸奶品种,为酸奶的品种鉴别提供了一种新方法.  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