近红外光谱结合主成分分析和BP神经网络的转基因大豆无损鉴别研究

为探究无损鉴别转基因大豆的可行性,利用近红外光谱分析仪对大豆扫描得到反射光谱,应用主成分分析结合BP神经网络方法进行分析鉴别。首先应用主成分分析法,得到包含大豆99.03%的光谱信息的6个主成分,再将其作为BP神经网络的输入,对应的大豆种类作为输出,建立一个三层BP神经网络模型。该模型对于转基因大豆的正确识别率为100%,说明近红外光谱结合主成分分析和BP神经网络的方法能无损快速准确地鉴别转基因大豆。     

基于舌诊NIR反射光谱血清总蛋白含量的无创测量

采用舌诊近红外反射光谱对人体血清总蛋白(TP)含量进行无创检测。采集58例舌尖反射光谱进行反射率归一化并记录相对应的血清总蛋白生化分析值,将样本分为训练集和预测集,运用主成分分析结合BP神经网络法和偏最小二乘算法分别建立预测模型。主成分分析结合BP神经网络模型对预测集进行预测,平均相对误差为7.35%,均方根误差为3.069 1 g·L-1,相关系数为0.902 1。偏最小二乘模型对预测集进行预测,平均相对误差为4.77%,均方根误差为0.130 1 g·L-1,相关系数为0.971 8。实验结果证实了舌诊近红外反射光谱可以较为准确地用于总蛋白含量的无创检测。     

X-Y振镜扫描式舌诊高光谱采集系统

针对目前舌诊研究中在舌体信息全面获取方面存在严重不足,将高光谱技术用到舌诊的研究中来,提出了一种基于X-Y振镜扫描式舌诊高光谱采集系统.通过模拟实验,采集与舌体大小相似图片的高光谱信息,验证了该系统可以用于舌体高光谱信息采集,实验结果表明,与现有舌诊客观化研究相比,该系统可以获得更多的舌体信息,为舌诊客观化研究提供了一...     

卷积神经网络用于近红外光谱预测土壤含水率

近红外光谱分析技术在土壤含水率预测方面具有独特的优势,是一种便捷且有效的方法。卷积神经网络作为高性能的深度学习模型,能够从复杂光谱数据中自主提取有效特征结构进行学习,与传统的浅层学习模型相比具有更强的模型表达能力。将卷积神经网络用于近红外光谱预测土壤含水率,并提出了有效的卷积神经网络光谱回归建模方法,简化了光谱数据的预处理要求,且具有更高的光谱预测精度。首先对不同含水率下土壤样品的光谱反射率数据进行简单的预处理,通过主成分分析减少光谱数据量,并将处理后的光谱数据变换为二维光谱信息矩阵,以适应卷积神经网络特殊的学习结构。然后基于卷积神经网络算法,设置双层卷积和池化结构逐层提取光谱数据的内部特征信息,并采用局部连接和权值共享减少网络参数、提高泛化性能。通过试验优化网络结构和各项参数,最终获得针对土壤光谱数据的卷积神经网络土壤含水率预测模型,并与传统的BP,PLSR和LSSVM模型进行对比实验。结果表明在训练样本达到一定数量时,卷积神经网络的预测精度和回归拟合度均高于三种传统模型。在少量训练样本参与建模的情况下,模型预测表现高于BP神经网络,但略低于PLSR和LSSVM模型。随着参与训练样本量的增加,卷积神经网络的预测精度和回归拟合度也随之稳定提升,达到并显著优于传统模型水平。因此,卷积神经网络能够利用近红外光谱数据对土壤含水率做出有效预测,且在较多样本参与建模时取得更好效果。     

基于独立组分分析和BP神经网络的可见/近红外光谱蜂蜜品牌的鉴别

提出了一种基于独立组分分析的可见/近红外光谱透射技术快速鉴别蜂蜜品牌的新方法。用独立组分分析方法获取蜂蜜的可见/近红外光谱载荷图,将载荷图中相关性最大的波段,作为人工神经网络的输入建立蜂蜜品牌的鉴别模型。建立了一个三层的BP神经网络模型,各层传递函数采用S型(Sigmoid)函数,并设置网络输入层节点数为9,隐含层节点数为10,输出层节点数为3。每个品牌25个样本,3个品牌共75个样本,用来建立BP神经网络模型,剩余的3个品牌各５个样本用于预测,鉴别准确率达100%,模型的拟合残差为8.245 365×10-5。说明基于独立组分分析的方法具有很好的鉴别效果,为蜂蜜的品牌鉴别提供了一种新方法。     

基于光谱法舌诊的脂肪肝快速诊断

提出了一种基于光谱技术的脂肪肝无创、快速诊断新方法。由于舌体能较客观的反映人体生理、病理变化,因此采集志愿者舌体舌尖部位的反射光谱,然后对数据进行分析,计算反射光谱的归一化反射率。建立3层BP网络模型,从采集来的115例样本中抽取32例健康人和44例脂肪肝患者的光谱归一化反射率作为神经网络的输入,再对未知的14例健康人样本和25例脂肪肝患者样本进行分类预测,分类正确率达到89.7%,实验结果表明了光谱法运用于脂肪肝快速无创诊断的可行性。同时,实验结果说明光谱法能更客观全面地反映人舌所携带的组织细胞、微循环等方面的信息,有可能为临床提供一种快速、简便的诊断手段,也为今后的中医证侯的度量提供借鉴。     

BP神经网络与近红外光谱定量预测杉木中的综纤维素、木质素、微纤丝角

利用近红外光谱(NIR)技术结合BP神经网络定量预测了杉木中的综纤维素、木质素和微纤丝角。首先对杉木的原始近红外光谱数据进行卷积(Savitzky-Golay)平滑和二阶导数处理,然后利用小波变换压缩,将由171个数据点组成的近红外光谱压缩为86个数据点,最后用BP神经网络建模,采用Leave-n-out交叉验证法对模型进行验证,并讨论了隐含层神经元个数、学习速率、动量因子和学习次数对所建BP网络的影响。用所建的网络模型预测了测试集中杉木样本的综纤维素、木质素和微纤丝角 ,预测的相关系数R2值分别为0.91, 0.90, 0.87,预测均方根误差RMSEP分别为：0.86%, 0.33%, 4.99%。结果表明该方法快速,无损,基本能满足定量分析的要求。     

光调制技术用于提高光谱法舌诊的测量信噪比

为了解决光谱采集受环境光干扰严重的问题,首次将光调制技术用于提高光谱法舌诊测量的信噪比。系统采用调制盘对参考光信号强度进行调制,运用此装置采集同一被测体在分别叠加绿色、紫色、红色激光以及自然环境光干扰情况下的反射光谱,对采集来的数据运用离散傅里叶变换进行解调,提取最大谐波分量,然后对提取的最大谐波分量进行归一化,绘制解调后的光谱曲线,通过比较发现,不同干扰情况下所测同一被测体经过调制解调后的反射光谱曲线走向基本一致,结果表明光调制技术能够去除舌体反射光谱采集中环境杂散光的干扰,为高信噪比舌诊光谱数据采集提供了一种新途径。     

舌诊归一化反射光谱用于红细胞数无创测量

利用舌诊归一化反射光谱对人体血液中红细胞总数(RBC)进行了无创检测研究.采集240名志愿者舌尖反射光谱并进行反射率归一化同时用数码相机记录志愿者舌象.将样本分为两组:校正集和预测集,以血液成分含量生化分析值为参考,建立红细胞总数与光谱数据的偏最小二乘回归(PLSR)预测模型.所建模型的相关系数为0.991,用所建模型...     

近红外光谱结合小波神经网络鉴别苹果种类

将近红外光谱与小波神经网络技术结合,实现对不同种类苹果鉴别.将80个样本随机分为建模样本集和预测样本集.其中建模样本集包含60个样本,预测样本集包含20个样本.应用小波变换与主成分分析对样品数据进行预处理与特征提取.建立一个10-45-2的三层小波神经网络,实现对未知样品预测.实验结果表明,该方法对苹果的种类鉴别率达到100％,说明这种方法有很好的鉴别作用,对苹果种类的准确、无损检测具有积极的实用性.     

用神经网络校正微型颜色传感器颜色特性的方法研究

采用光学积分原理设计的光电色度仪器,由于其结构简单、测量速度快、成本低等优点已被广泛地应用在产品的色度检验控制过程中。基于微型颜色传感器的颜色测量仪器也属于光电色度类仪器,由于它不能完全模拟标准色度观察者和标准光源,即不能完全满足卢瑟(Luther)条件,所以其测量值RGB与三刺激值XYZ并不相等,且存在非线性关系。讨论了采用BP神经网络进行微型颜色传感器颜色特性校正的方法,其优点是对仪器的匹配滤色片要求较低,只要在测量软件中增加训练好的校正网络程序,就可以获得准确的颜色三刺激值。     

神经网络在棱镜摄谱仪定量分析光谱中的应用

给出了采用BP神经网络拟合标准光源在棱镜摄谱仪的谱平面位置和相应波长的非线性函数,省去了和标准铁谱比对测量未知谱线波长,简化了光谱的定量分析,提高了仪器的自动化和智能化水平.     

BP神经网络在光学相关器相关峰识别中的应用

光学相关识别是图像识别的重要方法，有效识别相关器输出平面的相关峰信号是保证光学相关器图像识别准确性的关键。由于激光器输出功率的波动、光学系统本身的误差以及SLM器件本身带来的噪声，采用一般的阈值方法很难达到理想的效果。该文提出对相关器的输出平面进行预处理，充分考虑相关信号的形状信息，提取感兴趣区域(ROI)，采用BP神经网络对输入矢量进行计算，可达到对相关峰信号和噪声的有效分类识别，从而提高了光学相关器识别的可靠性，降低了误判的概率。     

基于免疫遗传算法改进的BP神经网络在灭火系统电路板故障诊断中的应用

针对装甲车辆灭火系统电路板规模较大,功能日趋多样与完善的同时,其复杂程度也日益提高,故障层次越来越多,故障现象与故障原因的映射关系更加复杂,组合故障频发,传统的故障诊断方法已不能满足灭火系统电路板故障诊断的要求。设计了基于免疫遗传算法优化的BP神经网络对灭火系统电路板进行故障诊断,并在免疫和遗传过程中保留了部分训练最优解。实现了神经网络收敛速度的提高,使用Matlab编程优化算法并完成了电路板仿真故障的诊断。通过实验验证了该诊断模型的准确性和可靠性,为电气系统通用检测设备的神经网络诊断方法实现提供了理论支撑。     

基于BP神经网络的焊点自动光学检测

提出了一种新的表面组装焊点的自动光学检测分类方法。采用单层环形光源获取焊点图像,并根据归一化分割曲线方程将焊点图像分成四部分,分别提取其特征。使用BP神经网络将焊点按照锡量多少分成三类:少锡,容许和多锡。实验结果证明该方法分类正确率达到了99.2%,具有较高的实用价值。     

基于BP神经网络的闪光照相图像复原

针对闪光照相系统模糊较大、成像信噪比较低的问题,提出了一种基于BP神经网络的闪光照相图像复原方法。该方法利用BP神经网络的泛化能力,用样本图像对网络进行训练,建立退化图像与真实图像之间的非线性映射关系,然后将待复原图像分区,利用训练好的BP神经网络对待复原图像的边界区域进行复原处理。数值试验表明,在系统点扩展函数未知的情况下,该算法能较好再现图像边缘信息,复原出的图像在信噪比和视觉方面都有较大提高。     

基于BP神经网络的闪光照相图像复原

针对闪光照相系统模糊较大、成像信噪比较低的问题,提出了一种基于BP神经网络的闪光照相图像复原方法。该方法利用BP神经网络的泛化能力,用样本图像对网络进行训练,建立退化图像与真实图像之间的非线性映射关系,然后将待复原图像分区,利用训练好的BP神经网络对待复原图像的边界区域进行复原处理。数值试验表明,在系统点扩展函数未知的情况下,该算法能较好再现图像边缘信息,复原出的图像在信噪比和视觉方面都有较大提高。     

近红外光谱和化学计量方法用于火箭煤油快速分析检测的研究

基于火箭煤油的近红外光谱数据和化学计量学方法,成功地对火箭煤油的密度、馏程、粘度、碘值等四种特性指标进行了测定.本文测定了70多个火箭煤油样品的近红外光谱,在适当的光谱区间内用偏最小二乘法(PLS)法建立模型,各参数的相关性R2在0.862～0.999之间.用该模型对10个未知样品进行测定,近红外光谱法预测的准确度均符合标准分析方法的要求.研究表明,该方法为火箭煤油分析检测提供了一种简便、快捷、准确的方法.     

基于BP网络的图像增强器像元通道不一致性校正研究

像元通道响应不一致性是影响图像增强器检测能力的重要因素,因而有必要对不一致性进行校正。首先分析了传统的不一致性校正方法的缺点,然后提出了一种基于BP神经网络的像元通道响应不一致性的校正方法。该方法利用BP神经网络良好的非线性映射能力,对每一个像元通道进行输入-输出特性的反非线性逼近,同时利用实验数据进行了神经网络的训练。对比了校正前后的图像及标准差。