排序方式: 共有3条查询结果,搜索用时 15 毫秒
1
1.
针对目前基于手机图像比色算法存在的色差计算不可靠、计算量大等问题,本文提出一种符合人眼视觉的比色分析方法。该方法是将原始的非线性RGB颜色空间的色彩信息转换到符合人眼视觉的CIELab颜色空间,在此空间计算测试颜色和参考颜色之间的色差,可以在参考颜色中准确找到与测试颜色最相近的颜色,并在此基础上创新地提出"垂点法",对颜色的相似程度信息进一步定量,实现了对尿液试纸条的定量分析。实验通过手机拍照获取密闭实验箱中尿液试纸条的图像,定量分析人工尿液中的pH(4.5~9.5)、葡萄糖含量(0~60mmol/L)和蛋白质含量(0~4g/L),并使用目测分析法作为对照。结果表明,本文所提出的比色算法不仅准确可靠、重复性好,而且计算量也比较小,非常适合应用在基于手机图像的尿液试纸比色分析中。 相似文献
2.
3.
将拉曼光谱技术和化学计量学方法相结合实现了对人血和动物血种属的区分,并提出了一种基于Hilbert变换的拉曼光谱相位提取方法,提高了人血与动物血区分的准确度。分别对血液光谱数据和它所对应的相位信息进行主成分分析(PCA),通过主成分得分图比较两者对人与动物血液的区分程度,并建立偏最小二乘判别分析(PLS-DA)模型,通过设置合适的分类阈值y,可以实现人与动物血液的有效区分。结果表明在选取第一、第二主成分分析时,利用光谱数据相位信息建立的PCA模型,识别率更高,人与动物血液明显区分开来。其所对应的PLS-DA模型最优主成分数为3,预测标准误差(RMSEP)和决定系数(R2)分别为0.044 3和0.993 2。而用血液原始光谱建立的PLS-DA模型最优主成分数为6,RMSEP和R2分别为0.053 7和0.990 1。说明利用拉曼光谱相位信息建立的PLS-DA模型可以拟合较少的主成分数来获得误差更小的预测结果。进一步观察PLS-DA模型拟合不同主成分数的预测标准误差曲线图,当选取同样多的拟合主成分数时,利用血液拉曼光谱相位信息建立的PLS-DA模型其所对应的预测标准误差均低于原始血液光谱数据。所以,通过提取血液拉曼光谱数据的相位信息,可以降低模型的复杂程度,提高识别准确度。 相似文献
1