检索结果-南通市图书馆

基于高光谱信息融合和相关向量机的种蛋无损检测

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2015年第15期31卷 285-292页

作者：祝志慧刘婷马美湖华中农业大学工学院武汉430070 华中农业大学食品科学技术学院国家蛋品加工技术研发分中心武汉430070

为了尽可能早的检测出无精蛋和受精蛋,该文提出采用透射高光谱成像技术,融合图像和光谱信息,对其受精信息进行检测。利用高光谱图像系统采集孵化前种蛋在400∽1 000 nm的高光谱图像,提取图像特征（长短轴之比、伸长度、圆度、蛋黄面积... 详细信息

为了尽可能早的检测出无精蛋和受精蛋,该文提出采用透射高光谱成像技术,融合图像和光谱信息,对其受精信息进行检测。利用高光谱图像系统采集孵化前种蛋在400∽1 000 nm的高光谱图像,提取图像特征（长短轴之比、伸长度、圆度、蛋黄面积与整蛋面积之比）;筛选出400∽760 nm的波段,通过Normalize预处理结合相关系数法提取155个光谱特征变量;运用主成分分析法对图像和光谱的融合信息进行降维,采用相关向量机（relevance vector machine,RVM）分别建立基于图像、光谱和图像-光谱融合信息的受精蛋和无精蛋分类判别模型,并与支持向量机（support vector machine,SVM）模型进行比较,RVM模型检测正确率分别为90%,91%,96%;测试集检测时间分别为0.6619,1.0821,0.5016 s。SVM模型检测正确率分别为84%,90%,93%;测试集检测时间分别为5.9386,5.9886,5.6672 s。结果表明,基于图像-光谱融合所建立的模型优于单一信息的模型,在分类精度上,采用RVM分类精度高于SVM的分类精度;在分类时间上,RVM的分类时间比SVM短,因此,利用高光谱融合信息和相关向量机可以提高种蛋检测精度,研究结果为孵前无精蛋和受精蛋的在线实时检测提供参考。

关键词：图像处理模型无损检测高光谱种蛋相关向量机支持向量机

基于EMD近似熵和SVM的电力线路故障类型识别

在线全文

学校读者我要写书评

暂无评论

电力自动化设备 2008年第7期28卷 81-84页

作者：祝志慧孙云莲武汉大学电气工程学院湖北武汉430072

提出了一种基于经验模式分解(EMD)的近似熵和支持向量机(SVM)的电力故障类型识别的新方法。利用EMD良好的局域化特性和近似熵来量化故障特征,再与SVM结合进行故障类型识别。首先,对故障线路的三相电压信号进行EMD分解得到若干个能反映... 详细信息

提出了一种基于经验模式分解(EMD)的近似熵和支持向量机(SVM)的电力故障类型识别的新方法。利用EMD良好的局域化特性和近似熵来量化故障特征,再与SVM结合进行故障类型识别。首先,对故障线路的三相电压信号进行EMD分解得到若干个能反映故障信息的本征模式分量(IMF);其次,选取三相电压的前4个IMF的近似熵值作为信号的特征向量,最后将构造的特征向量输入到SVM分类器进行故障类型识别。仿真表明,该方法能有效地提取故障特征,不同的故障类型,其三相近似熵变化明显不同,同一种故障类型,在不同故障位置、过渡电阻和初始相角情况下,其三相近似熵变化规律相似;与传统的BP网络相比,SVM网络具有训练样本少、训练时间短、识别率高的特点。

关键词：经验模式分解近似熵支持向量机

在线全文

学校读者我要写书评

暂无评论

量子免疫算法在电网故障诊断中的应用

电力系统保护与控制 2010年第10期38卷 22-25,30页

作者：祝志慧孙云莲华中农业大学工程技术学院湖北武汉430070 武汉大学电气工程学院湖北武汉430072

针对电网故障模型中原有故障目标函数存在多解的问题,综合考虑了重合闸、不同保护以及主后备保护之间的相互关系对目标函数的影响,建立了新的目标函数。同时,针对遗传算法所需种群多,收敛速度慢等缺点,提出了一种基于量子免疫算法的故... 详细信息

针对电网故障模型中原有故障目标函数存在多解的问题,综合考虑了重合闸、不同保护以及主后备保护之间的相互关系对目标函数的影响,建立了新的目标函数。同时,针对遗传算法所需种群多,收敛速度慢等缺点,提出了一种基于量子免疫算法的故障诊断方法。该算法采用量子比特编码染色体,利用克隆算子和量子门来引导变异,使得当前最优个体的信息能够很容易扩大到下一代,具有种群规模小,收敛速度快,全局寻优能力强的特点。实验表明,改进的模型是合理的,量子免疫算法综合性能优于传统的遗传算法,说明该算法是可行的。

关键词：电网故障诊断改进模型量子免疫算法克隆选择量子门

在线全文

学校读者我要写书评

暂无评论

基于EMD和SVM的短期负荷预测

高电压技术 2007年第5期33卷 118-122页

作者：祝志慧孙云莲季宇武汉大学电气工程学院武汉430072

为了有效预测具有一定周期性和随机性的非平稳时间序列性的电力负荷,提高预测精度,提出了结合经验模式分解(EMD)和支持向量机(SVM)的短期负荷预测法。该法运用EMD将负荷序列分解成若干个不同频率的平稳分量,分解后的分量突出了原负荷的... 详细信息

为了有效预测具有一定周期性和随机性的非平稳时间序列性的电力负荷,提高预测精度,提出了结合经验模式分解(EMD)和支持向量机(SVM)的短期负荷预测法。该法运用EMD将负荷序列分解成若干个不同频率的平稳分量,分解后的分量突出了原负荷的局部特征,能更明显的看出原负荷序列的周期项、随机项和趋势项;根据各个分量的变化规律,选择合适的SVM参数和核函数构造不同的支持向量机分别预测;由SVM对各分量的预测值组合得到最终预测值。仿真试验表明,此方法与单一的SVM预测法及BP神经网络预测法相比,具有较高的精度和较强的推广能力。

关键词：短期负荷经验模式分解本征模式分量支持向量机核函数组合预测

在线全文

学校读者我要写书评

暂无评论

基于VFW的鸡蛋品质无损检测方法的研究

基于VFW的鸡蛋品质无损检测方法的研究

作者：祝志慧华中农业大学

学位级别：硕士

鸡蛋营养丰富,是人们日常生活中重要的动物源营养食品。但是鸡蛋易变质且人工不易检测,因此研究鸡蛋品质的无损检测方法和设计相应的微型鸡蛋品质检测系统,具有实际价值和现实意义。本课题首先运用VFW(Video for Windows)技术建立... 详细信息

鸡蛋营养丰富,是人们日常生活中重要的动物源营养食品。但是鸡蛋易变质且人工不易检测,因此研究鸡蛋品质的无损检测方法和设计相应的微型鸡蛋品质检测系统,具有实际价值和现实意义。本课题首先运用VFW(Video for Windows)技术建立摄取鸡蛋图像的方法,然后获得基于数字图像处理技术的鸡蛋新鲜度、蛋重等品质的检测模型。试验装置由图像检测箱(包括USB摄像头、光源及暗室)和计算机构成,USB摄像头获取鸡蛋图像的数字信号传送到计算机内,再通过VFW软件包实现鸡蛋图像采集。VFW是不同于视频采集卡所附带的二次开发包SDK(Soft Develop Kits)的开发工具,VFW采集图像的方法与设备无关。计算机对鸡蛋图像的处理及特征参数的提取:预处理采取空间域部分平均法对鸡蛋图像进行“去污”处理。采用Robert梯度的算子实现边缘检测,以图像中像素点的R分量为依据进行运算获取鸡蛋图像边界,然后新鲜度模块搜索蛋芯区域颜色信息(H、S、I)作为新鲜度因子,测量多枚鸡蛋当天的哈夫值,并取其平均值作为当天鸡蛋的新鲜度指标,再采用逐步回归方法建立新鲜度模型并进行模型显著性分析、相关性分析和通径系数分析。试验结果表明: 白壳蛋新鲜度模型为:Haugll=-1115.05446+4.6111H+791.53511I其模型(Pr>FF=0.0019说明回归显著,模型相关系数R为0.562228;白壳蛋和褐壳蛋哈夫值均与H、I具有显著的相关性,而与S的相关性很低;鸡蛋壳色与蛋芯区域的I值有高度的相关性,判别时,可通过I值进行壳色的模糊识别。另外,鸡蛋大小处理模块先用上述同样方法确定蛋的边界,然后搜索鸡蛋图像像素和、长轴和短轴像素长度以及蛋形系数,采用逐步回归方法建立不同蛋重模型: 模型1 Weigh=2.11771+0.00205Count-0.12967Length 模型2 Weigh=-115.46211+0.57072Width+42.99928Bi 模型3 Weigh=-12.22456+0.00159Count 经比较得出最优模型Weigh=2.11771+0.00205Count-0.12967Length试验表明:蛋重(Weigh)与像素和(Count)成高度正相关,与长轴(Length)成负相关。模型相关系数R为0.9702,模型(Pr>F<0.0001说明回归极显著。为了检验新鲜度模型和蛋重模型的准确率,进行了本系统的鸡蛋品质检测试验,结果表明:白壳蛋新鲜度正确率为86.3%,褐壳蛋新鲜度正确率为83.5%,蛋重检测误差在(-0.9g,+0.9g)之间,表明模型可以接受。

关键词：鸡蛋品质无损检测 VFW 图像处理

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于APES算法的高精度间谐波检测

电力系统保护与控制 2010年第16期38卷 44-48,53页

作者：季宇孙云莲梁进祥祝志慧武汉大学电气工程学院湖北武汉430072 华中农业大学湖北武汉430072

针对电力系统中存在的间谐波问题,提出了一种基于APES(Amplitude and Phase Estimation,APES)算法的间谐波检测方法。该方法是在误差功率最小化目标下的非参数估计方法。分析了该方法在加权最小二乘解释及滤波器组解释下与其他谱估计方... 详细信息

针对电力系统中存在的间谐波问题,提出了一种基于APES(Amplitude and Phase Estimation,APES)算法的间谐波检测方法。该方法是在误差功率最小化目标下的非参数估计方法。分析了该方法在加权最小二乘解释及滤波器组解释下与其他谱估计方法的联系,说明了该方法是对信号频率的渐近无偏估计。通过实验仿真对比了在不同采样时间及信噪比条件下APES算法与其他算法的频率估计精度,证明了该方法具有较好的抗噪性及短时间窗估计特性。

关键词：间谐波误差功率最小非参数估计加权最小二乘渐进无偏估计

幸福疗法对肺癌患者术前焦虑抑郁症状群及主观幸福感的影响

在线全文

学校读者我要写书评

暂无评论

广东医学 2017年第2期38卷 325-328页

作者：许婷洪静芳祝志慧安徽医科大学护理学院安徽合肥230032 安徽医科大学第四附属医院胸外科安徽合肥230032

目的探讨幸福疗法对肺癌患者术前焦虑抑郁症状群及主观幸福感的干预效果,为降低临床肺癌手术患者术前焦虑抑郁水平,提高手术耐受力、主观幸福感及生活质量提供依据。方法选取2014年9月至2016年3月在胸外科住院行肺癌手术的患者共44例为... 详细信息

目的探讨幸福疗法对肺癌患者术前焦虑抑郁症状群及主观幸福感的干预效果,为降低临床肺癌手术患者术前焦虑抑郁水平,提高手术耐受力、主观幸福感及生活质量提供依据。方法选取2014年9月至2016年3月在胸外科住院行肺癌手术的患者共44例为研究对象,其中2014年9月至2015年6月共21例为对照组,给予常规的心理护理,2015年7月至2016年3月共23例为观察组,给予幸福疗法干预,比较两组患者在干预结束时焦虑抑郁症状群及主观幸福感上的差异。结果干预前观察组的焦虑抑郁症状群与对照组差异无统计学意义(P>0.05),主观幸福感在两组间差异也无统计学意义(P>0.05)。干预结束时观察组的焦虑抑郁症状群水平低于对照组(P<0.05),主观幸福感则高于对照组(P<0.05)。结论幸福疗法较传统的心理护理,短期内更能改善肺癌患者术前的焦虑抑郁症状群及主观幸福感,可作为住院期间患者焦虑抑郁的缓解方法,但其远期效果尚未明确,未来可进一步完善研究内容,观察其远期效果。

关键词：肺癌幸福疗法症状群术前

在线全文

学校读者我要写书评

暂无评论

基于光谱技术和多分类器融合的异物蛋检测

农业工程学报 2015年第2期31卷 312-318页

作者：祝志慧谢德君李婉清王巧华马美湖华中农业大学工学院武汉430070 华中农业大学食品科学技术学院国家蛋品加工技术研发分中心武汉430070

为了提高鸡蛋中的血斑和肉斑的检测准确率,给消费者提供高品质的鸡蛋,该文利用微型光纤光谱仪采集鸡蛋的透射光谱,在单分类器的基础上,通过多分类器的融合对异物蛋进行检测。首先根据差异性度量选取朴素贝叶斯,Ada Boost和SVM分类器作... 详细信息

为了提高鸡蛋中的血斑和肉斑的检测准确率,给消费者提供高品质的鸡蛋,该文利用微型光纤光谱仪采集鸡蛋的透射光谱,在单分类器的基础上,通过多分类器的融合对异物蛋进行检测。首先根据差异性度量选取朴素贝叶斯,Ada Boost和SVM分类器作为单分类器,然后通过特征级融合选取了5个基分类器。最后,5个基分类器以加权投票机制进行决策级融合。多分类器融合对正常蛋和异物蛋的检测准确率分别为92.86%和91.07%。试验结果表明,利用多分类器融合所建立的模型优于单一分类器的模型,提高了对异物蛋的检测准确率。

关键词：无损检测分类器光谱分析异物蛋多分类器融合

基于紫外-可见透射光谱技术和极限学习机的早期鸡胚雌雄识别

在线全文

学校读者我要写书评

暂无评论

光谱学与光谱分析 2019年第9期39卷 2780-2787页

作者：祝志慧洪琪吴林峰王巧华马美湖华中农业大学工学院湖北武汉430070 农业部长江中下游农业装备重点实验室湖北武汉430070 华中农业大学食品科学技术学院湖北武汉430070

为了对鸡种蛋胚胎进行雌雄识别,探究利用紫外-可见-近红外透射光谱进行鸡胚雌雄识别的可行性,搭建了鸡种蛋透射光谱检测系统,采用横向和竖向大头朝上2种放置方式获取210枚鸡种蛋孵化0~15d的光谱,光谱范围为360~1000nm。构建极限学习机(E... 详细信息

为了对鸡种蛋胚胎进行雌雄识别,探究利用紫外-可见-近红外透射光谱进行鸡胚雌雄识别的可行性,搭建了鸡种蛋透射光谱检测系统,采用横向和竖向大头朝上2种放置方式获取210枚鸡种蛋孵化0~15d的光谱,光谱范围为360~1000nm。构建极限学习机(ELM)鸡胚雌雄识别模型,通过比较不同放置方式和孵化天数下模型的识别准确率,发现竖向放置且孵化第7d的识别效果最好;将竖向放置孵化第7d的光谱初步分为紫外(360~380nm)、可见光(380~780nm)、近红外(780~1000nm)、紫外-可见光(360~780nm)和全波段(360~1000nm)5个不同的波段范围来分析,预测集准确率分别为82.86%,77.14%,75.71%,84.29%和81.43%,筛选出360~780nm的紫外-可见光波段为有效波段;在紫外-可见光(360~780nm)波段,采用多元散射校正(MSC)去噪,并用竞争性自适应重加权采样算法(CARS)和连续投影算法(SPA)筛选特征波长降维,建立不经筛选特征波长、CARS筛选特征波长和SPA筛选特征波长的3种ELM模型。其中不经筛选特征波长的ELM模型识别效果最好,但输入变量最多,隐含层神经元为680且激活函数为sig时,预测集准确率为84.29%。SPA筛选特征波长的ELM模型识别效果次之,输入变量有9个,隐含层神经元为840且激活函数为hardlim时,预测集准确率为81.43%。CARS筛选特征波长的ELM模型识别效果最差,输入变量有27个,隐含层神经元为100且激活函数为sig时,预测集准确率为78.57%;用遗传算法(GA)优化ELM模型的权值变量和隐含层阈值,不经筛选特征波长建立的GA-ELM模型,预测集准确率为87.14%,SPA筛选特征波长建立的GA-ELM模型,预测集准确率为87.14%,CARS筛选特征波长建立的GA-ELM模型,预测集准确率为81.43%。紫外-可见光波段不经筛选特征波长的GA-ELM模型识别效果和经SPA筛选特征波长的GA-ELM模型相同,表明SPA筛选的特征波长变量能够有效反映360~780nm波段的信息,SPA使用的变量数仅占紫外-可见光波段的2.14%,因此,雌雄识别最佳模型为紫外-可见光波段经SPA筛选特征波长的GA-ELM模型,预测集准确率为87.14%,其中,雌性识别率为88.57%,雄性识别率为85.71%,单个样本平均判别时间0.080ms。结果表明紫外-可见透射光谱技术和ELM模型为孵化早期鸡胚蛋雌雄识别提供了一种可行方法。

关键词：种蛋鸡胚雌雄识别紫外-可见-近红外光谱极限学习机