排序方式: 共有16条查询结果,搜索用时 296 毫秒
1.
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 总被引:9,自引:2,他引:7
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。 相似文献
2.
基于光谱技术的杨梅汁品种快速鉴别方法的研究 总被引:6,自引:6,他引:0
为了实现杨梅汁品种的快速无损鉴别,提出了一种用可见和近红外光谱技术快速鉴别杨梅汁品种的新方法。首先采用偏最小二乘法进行模式特征分析,经过交互验证法判别,确定最佳主成分数为9。完成特征提取后,将这9个主成分作为神经网络的输入变量,建立了三层BP神经网络,实现类别预测的同时也完成了数学建模与优化分析工作。3个品种的杨梅汁样本数均为20,共计60个样本。在神经网络学习中,将其分成训练集样本51个和预测集样本9个。对9个未知样本进行预测,准确率为100%。说明本文提出的基于光谱技术和模式识别的方法具有很好的分类和鉴别能力。 相似文献
3.
竞争性自适应重加权算法和相关系数法提取特征波长检测番茄叶片真菌病害 总被引:1,自引:0,他引:1
基于竞争性自适应重加权算法(CARS)和相关系数法(CA)特征波长选择方法,提出了利用可见-近红外高光谱成像技术检测番茄叶片灰霉病的方法。首先获取380~1 023 nm波段范围内80个染病和80个健康番茄叶片的高光谱图像,然后提取染病和健康叶片感兴趣区域(ROI)的光谱反射率值,作为番茄叶片灰霉病鉴别模型的输入来建立支持向量机(SVM)鉴别模型,训练集和验证集的鉴别率都是100%。研究进一步通过CARS和CA提取特征波长,分别得到5个(554, 694, 696, 738和880 nm)和4个(527, 555, 571和633 nm)特征波长,然后分别建立CARS-SVM和CA-SVM鉴别模型。结果显示,CARS-SVM模型中训练集和验证集的鉴别率都是100%,CA-SVM模型中训练集和验证集的鉴别率分别是91.59%和92.45%。以上结果说明了从可见-近红外高光谱图像中提取的光谱反射率值用于检测番茄叶片的灰霉病是可行的。 相似文献
4.
基于高光谱成像技术的番茄茎秆灰霉病早期诊断研究 总被引:3,自引:0,他引:3
共采集了112个番茄茎秆高光谱数据(光谱范围400~1 030 nm),结合图像处理和化学计量学方法建立了番茄茎秆灰霉病早期诊断模型。应用偏最小二乘法(PLS)模型的隐含变量载荷分布选取了七个特征波长(EW),并建立了番茄茎秆灰霉病早期诊断的最小二乘支持向量机(LS-SVM)模型。结果表明,经过变量标准化(SNV)及多元散射校正(MSC)预处理所建立的EW-LS-SVM模型获得了满意的判别效果,且优于全波段的PLS模型。说明高光谱成像技术进行番茄茎秆灰霉病的早期诊断是可行的,为番茄病害早期诊断和预警提供了新的方法。 相似文献
5.
为了实现快速检测果珍中的二氧化钛含量,提出了应用近红外光谱技术结合化学计量学的快速检测方法。研究采用了320份果珍样本进行光谱特性的检测,其中200个样本用来建模,120个样本进行预测。首先比较了标准正态变量校正(SNV)、变量标准化(Normalize)、多元散射校正(MSC)等6种不同的数据预处理方法对偏最小二乘法(PLS)建模预测效果的影响。然后将PLS模型与应用主成分(PC)建立的主成分-神经网络校正(PC-ANN)模型进行比较。结果表明,MSC预处理的效果最好,PLS模型的最佳主成分数为7,预测值与标准值的相关系数R2达0.900 8,预测标准误差RMSEP为0.05。PC-ANN模型预测值与标准值的R2为0.868 4,RMSEP为0.04。说明PLS模型比PC-ANN模型的预测效果好。同时本研究也说明能够应用可见/近红外技术对二氧化钛进行快速定量测定。 相似文献
6.
高光谱成像技术的油菜叶片氮含量及分布快速检测 总被引:4,自引:0,他引:4
应用高光谱成像技术实现了油菜苗-花-角果整个生命期叶片氮含量的快速检测和氮素水平分布的可视化。采集三个生长时期共计420个叶片样本的高光谱图像信息(380~1 030 nm),提取图像中感兴趣区域的平均光谱数据,经过不同光谱预处理后,利用连续投影算法(SPA)选择特征波长,将提取的12个特征波长(467,557,665,686,706,752,874,879,886,900,978和995 nm)作为自变量,叶片氮含量作为因变量,分别建立偏最小二乘法(PLS)和最小二乘-支持向量机(LS-SVM)模型。SPA-PLS和SPA-LS-SVM模型对叶片氮含量的预测相关系数RP分别为0.807和0.836,预测均方根误差RMSEP分别为0.387和0.358。高光谱图像中的每一个像素点都有对应的光谱反射值,利用结构简单、更易提取回归系数的SPA-PLS模型,快速计算出12个特征波长下高光谱图像中每个像素点对应的氮含量预测值,结合像素点的空间位置生成氮素浓度的叶面分布图。可视化分布图详细且直观的反应出同一叶片内部或不同叶片之间氮含量的差异。结果表明,应用高光谱成像技术分析整个油菜生长期的叶片氮含量及其可视化分布是可行的。 相似文献
7.
土壤的光谱特征及氮含量的预测研究 总被引:13,自引:9,他引:13
应用近红外光谱分析技术(NIR)测定土壤参数具有快速、方便的特点.文章分析了不同含水率、不同颗粒大小的土壤样本在不同测试角、不同测试高度对土壤光谱的影响,并得到了不同含水率和不同粒径土壤的含氮量预测模型.研究了这些因素对含氮率测量的影响,分析了NIR技术在田间实地应用预测的可能性.研究表明,光谱仪在距土壤高度为100 mm,测试角为45°时,具有最大的吸光度.土壤粒径和含水率这2个参数明显影响,当粒径在0.5~5 mm变化时,含氮量预测相关系数r为0.81左右,当土壤粒径在<0.25和>5 mm模型的预测能力变差.当土壤样品呈天然潮湿状态时,氮的预测结果较差.而样品干燥以后,预测相关系数较高.为土壤原位光谱测试提供了依据. 相似文献
8.
基于波谱技术的茶树生长与茶叶品质信息快速检测研究进展 总被引:1,自引:0,他引:1
波谱技术快速获取茶树生长和茶叶品质信息对提高茶叶生产信息化、产业化水平,保障茶叶品质和安全具有重要意义。阐述了波谱技术在茶树生长和茶叶品质信息快速检测的研究进展和发展趋势。重点介绍了红外光谱,荧光光谱、拉曼光谱、质谱等在茶树生长信息获取(氮、叶绿素、病虫害信息等)、茶叶品种分类、茶叶分级、茶叶内部品质检测(茶多酚、儿茶素、咖啡碱、氨基酸、农药残留等)、茶饮料和加工品的品质检测以及相关检测设备等方面的研究进展和应用情况,简述了茶树生长信息获取方法、传感仪器和产业化应用的研究和发展趋势。选择合适的预处理和化学计量学方法能有效增加模型效果,减少冗余数据,为基于波谱技术便携式仪器的开发提供可能。基于波谱技术便携式仪器和在线检测仪器开发仍是今后实现该技术应用和推广的重点。首次介绍了波谱技术在茶叶生产加工领域的应用成果和研究进展,涵盖茶树生长、茶叶加工、茶叶和茶加工品品质安全等多方面内容,并论述波谱技术在茶叶产业应用存在问题和将来发展趋势。 相似文献
9.
转基因技术对于实现粮食增产,保护生物多样性,减少化学农药使用量等方面有着重大意义,但也可能存在一定的安全隐患。因此,转基因作物检测鉴别技术的研究愈发受到重视。本文采用中红外光谱分析技术,研究对不同品种的转基因大豆及其亲本进行鉴别的可行性。实验采集了三种不同的非转基因大豆亲本(HC6, JACK和W82)及其转基因大豆品种在3 818~734 cm-1范围内的光谱信息。采用偏最小二乘-判别分析(partial least squares-discriminant analysis, PLS-DA)进行判别分析,三种大豆的建模集的判别正确率分别为96.67%, 96.67%和83.33%,预测集的判别正确率分别为83.33%, 85%和85%。研究中采用X-loading weights、变量投影重要性(variable importance in the projection,VIP)和二阶导数(second derivative,2-Der)三种特征波数选择方法对光谱数据进行处理,并根据得到的特征波数分别建立PLS-DA模型进行判别分析,三种大豆的建模集和预测集的判别正确率均超过76.67%和75%。采用主成分分析(principal component analysis,PCA)和独立组分分析(independent component analysis,ICA)两种特征信息提取方法对光谱数据进行处理,分别建立PCA-PLS-DA和ICA-PLS-DA模型进行判别分析,三种大豆的建模集和预测集的判别正确率均超过80%和75%。研究表明中红外光谱分析技术可以较为准确地鉴别非转基因亲本与转基因品种,为转基因大豆的无损鉴别提供新的思路。同时结合特征波数选择方法与特征信息提取方法可以有效地降低模型复杂度,减少程序运算量。 相似文献
10.
市场上陈皮以次充好现象时有发生,而年份是衡量陈皮品质的重要指标。研究用高光谱技术结合化学计量学算法,在380~1 023及874~1 734nm两波段对不同放置方式的陈皮进行年份鉴别。为了寻找更合适的波段和模拟实际生产检测中陈皮放置的随机性,采集了四个年份共180个样本在380~1 023及874~1 734nm的正、反面高光谱图像(720幅)。用主成分分析法(principal component analysis,PCA)对陈皮光谱信息进行定性分析,发现不同年份陈皮基于正反面光谱有明显的聚类;而后以回归系数法(regression coefficient,RC)选取陈皮年份相关的特征波段以减少变量;用偏最小二乘判别分析(partial least squares discriminant analysis,PLS-DA)基于全波段、特征波段对三种放置方式(正、反、正反混合)的样本建立模型,最后对特征波段建立线性PLS-DA模型和非线性ELM模型并进行比较分析。研究表明:在380~1 023nm的预测效果大多高于874~1 734nm,基于非线性ELM的判别结果均高于线性PLS-DA模型,准确率最高可达到建模集100.00%,预测集98.33%,陈皮正、反、正反混合三种放置方式预测准确率多数可高于85%,故采用高光谱技术可实现对不同放置方式的陈皮年份进行无损鉴别,为进一步开发便携仪器或在线生产设备提供方法和理论依据。 相似文献