检索结果-南通市图书馆

基于可见光-近红外高光谱信息与数据融合的木质化鸡胸肉的判别模型构建

在线全文

学校读者我要写书评

暂无评论

食品工业科技 2024年第7期45卷 286-293页

作者：张娜李震兰维杰屠康武杰王兆山赵干潘磊庆南京农业大学食品科技学院江苏南京210095 蚌埠学院食品与生物工程学院安徽蚌埠233030 江苏益客食品集团股份有限公司江苏宿迁223800

木质化鸡胸肉(wooden breast,WB)制约肉鸡行业发展,传统触诊检测方法耗时且效率低,为提升高光谱成像(hyperspectral imaging,HSI)技术检测鸡胸肉木质化程度的效果,本论文以白羽鸡鸡胸肉为研究对象,将其划分4个木质化等级,采集其在400~1... 详细信息

木质化鸡胸肉(wooden breast,WB)制约肉鸡行业发展,传统触诊检测方法耗时且效率低,为提升高光谱成像(hyperspectral imaging,HSI)技术检测鸡胸肉木质化程度的效果,本论文以白羽鸡鸡胸肉为研究对象,将其划分4个木质化等级,采集其在400~1000和1000~2000 nm内的HSI信息,通过不同光谱预处理算法和特征波段筛选方法,建立基于全波段、特征波段和HSI数据融合的偏最小二乘判别分析(Partial least squares-discriminant analysis,PLS-DA)模型和支持向量机(Support vector machine,SVM)模型。结果显示,SVM模型比PLSDA模型更适于判别鸡胸肉木质化程度,基于1000~2000 nm内全波段和特征波段的最佳模型预测集总体正确率均高于400~1000 nm内的模型,基于两波段HSI数据融合的木质化判别模型优于基于单一波段(包括全波段和特征波段)的模型,最佳模型预测集总体正确率为96.7%,能较好地区分出4个木质化等级,且对4个等级的判别准确率均可达90%以上。研究结果为HSI实现木质化鸡胸肉的准确无损检测提供技术支持。

关键词：木质化鸡胸肉可见-近红外高光谱短波红外高光谱光谱数据融合判别模型

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

机载高光谱数据辐射校正与融合方法

机载高光谱数据辐射校正与融合方法

作者：李波南京理工大学

学位级别：硕士

高光谱遥感,作为一种将成像技术与细分光谱技术有机结合的成像光谱遥感,可以获取在可见光到短波红外甚至中红外和热红外波段范围内光谱分辨率为纳米(nm)级、光谱波段数多达数十个甚至百个的高光谱分辨率的连续、窄波段的图像数据,蕴含... 详细信息

高光谱遥感,作为一种将成像技术与细分光谱技术有机结合的成像光谱遥感,可以获取在可见光到短波红外甚至中红外和热红外波段范围内光谱分辨率为纳米(nm)级、光谱波段数多达数十个甚至百个的高光谱分辨率的连续、窄波段的图像数据,蕴含丰富图谱合一信息,可广泛应用于军事侦察、环境监测、地质勘探等领域。高光谱数据处理主要包括:实验室定标、辐射校正、解混、分类、目标识别等。基于辐射传输模型的大气辐射校正是将机载得到的高光谱数据转换为地面反射率数据的有效方法,然而由于机载环境大气复杂、地形复杂,高光谱图像数据处理和分析往往需要解决两个关键预处理问题。其一是大气辐射校正,其目的是消除大气辐射的影响,较高精度的反演高光谱图像中的反射率,为后续地物识别提供高质量的高光谱图像数据;其二是高光谱图像虽然具有高光谱分辨率,但是空间分辨率较低,因此迫切需要融合高空间分辨率的互补信息,提升空间分辨率,改善空-谱图像质量,从而提高高光谱图像分类和目标识别等应用精度。论文围绕辐射校正和多源光谱遥感图像融合问题进行深入研究,主要工作为:(1)通过成像机理建模、深入分析辐射畸变产生的机理,研究了基于参数反演的大气辐射校正模型。通过综合基于快速查找表的水汽含量的反演,基于暗像元的气溶胶含量反演等,给出了一个实用和快速的大气辐射校正处理模型。(2)提出了一套完整解决高光谱大气辐射校正的预处理处理流程和模块化系统研制解决方案。一是利用Modtran实时建立快速查找表以用于大气参数的反演,通过高光谱成像数据本身进行水汽含量的反演,并在局部平均水汽含量下,在寻找到的黑暗像元位置反演出对应点的气溶胶含量,并通过空间插值得到整幅场景的气溶胶含量图,交替反演水汽含量和气溶胶含量直至达到稳定状态;二是通过查找表,并行查找各个像元点所对应的水汽含量值和气溶胶含量值,并查找出用于大气辐射校正的参数,求得最终的地面反射率值,完成大气辐射校正任务。本文工作所研制的高光谱大气辐射校正系统经过典型野外飞行高光谱数据验证,对比实验表明,并行校正系统能够快速地进行大气辐射校正,且达到了较高的计算效率和校正精度。(3)通过将目前基于成分替代、基于调制方法和基于多分辨率的融合方法统一为一般的空-谱细节注入格式,同时形成高分辨率尺度的多波段图像与插值的多波段图像和全色图像之间的一个线性组合关系(称为退化尺度回归关系),最后,以退化尺度回归关系以及空-谱细节注入格式作为约束,结合多波段图像先验,建立了一个波段相关多变量回归变分模型。利用交替方向迭代法,设计了一个迭代的全色与多波段图像融合算法。通过仿真数据和真实数据进行了综合性能评测,实验结果表明,所提出的多变量回归空-谱融合算法参数少,空-谱细节保持能力强,具有较好的空-谱细节保持能力,融合图谱质量高。上述工作可以应用于机载高光谱数据预处理,为后续高光谱图像处理、分析和模式识别提供保证。

关键词：多光谱图像高光谱图像辐射校正光谱数据融合并行算法

基于高光谱和太赫兹光谱结合数据融合技术的木材识别研究

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

基于高光谱和太赫兹光谱结合数据融合技术的木材识别研究

作者：赵磊北京林业大学

学位级别：硕士

木材是重要的国家资源,在建筑材料、工艺美术等方面应用广泛。目前我国已全面禁伐天然林,并已成为世界最大木材进口国之一,在对森林木材资源的利用方面实行严格把控。因此,准确、快速、无损的鉴定木材树种在木材生产、贸易流通等方面具... 详细信息

木材是重要的国家资源,在建筑材料、工艺美术等方面应用广泛。目前我国已全面禁伐天然林,并已成为世界最大木材进口国之一,在对森林木材资源的利用方面实行严格把控。因此,准确、快速、无损的鉴定木材树种在木材生产、贸易流通等方面具有重要意义。传统的木材检测方法如解剖法、DNA分析、宏观特征识别等方法存在检测慢、木材受损、依靠人为经验等缺点。作为一种快速发展的无损检测分析技术,光谱分析技术凭借其快速、准确的优势在木材识别和特征分析等方面具有良好的发展前景。本研究共采集5种阔叶材树种和5种针叶材树种,提出利用高光谱和太赫兹光谱结合数据融合技术对木材进行识别检测的方法。本研究主要开展以下三个方面的工作:(1)木材高光谱的识别研究。采集样品的高光谱图像数据,提取出400-1000nm可见光/近红外短波段的光谱数据,利用Savitzky-Golay(Savitzky-Golay,SG)平滑、标准正态变量变换(Standard Normal Variate transformation,SNV)和多元散射校正(Multiplicative Scatter Correction,MSC)三种光谱预处理结合支持向量机(Suppor t Vector Machine,SVM)和极限学习机(Extreme Learning Machine,ELM)模型进行建模,比较分析不同波段、不同预处理方法对模型识别的影响。结果表明,对于五种针叶材,两种模型均为未得到较好的识别效果;对于五种阔叶材,经SNV预处理后的400-1000nm可见光/近红外短波段光谱数据建立的SVM识别模型效果最好,识别准确率为94%。(2)木材太赫兹光谱的识别研究。采集样品的太赫兹光谱数据,通过光学参数提取模型获得木材样品的太赫兹吸收系数数据,利用三种预处理结合SVM和ELM模型进行建模,比较分析不同预处理方法对模型识别的影响。结果表明,对于五种阔叶材,经过SNV预处理的太赫兹吸收系数所建的SVM识别正确率最高,达到92%,识别效果最好;对于五种针叶材,经过SNV预处理的太赫兹吸收系数所建的支持向量机SVM识别正确率最高,达到92.3%。(3)木材光谱数据融合的识别研究。为进一步提高模型准确率,利用光谱融合技术将两种光谱数据融合建立木材识别模型。结果表明,光谱数据融合技术对提高木材识别模型准确率具有显著效果。对于五种针叶材,较单一光谱识别效果,其中经S G预处理后建立的低层融合SVM模型识别效果最佳,识别准确率为96%,具有显著提高效果;对于五种阔叶材,较单一光谱识别效果,低层和中层融合的最优模型识别率能够达到100%,提高了模型的识别率。

关键词：高光谱 THz-TDS 阔叶材针叶材光谱数据融合

拉曼光谱与中红外光谱融合技术快速定量食用酒精的乙醇浓度

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

食品安全质量检测学报 2024年第8期15卷 208-218页

作者：孙晓荣闫思宁刘翠玲张善哲胡毅然北京工商大学计算机与人工智能学院北京100048 北京工商大学食品安全大数据技术北京市重点实验室北京100048

目的利用拉曼光谱与中红外光谱的数据融合技术实现对食用酒精乙醇浓度(酒精度)的快速定量检测。方法首先,分别采集不同浓度食用酒精水溶液的拉曼光谱与中红外光谱。其次,采用多元散射校正(multiplicative scatter correction,MSC)、卷... 详细信息

目的利用拉曼光谱与中红外光谱的数据融合技术实现对食用酒精乙醇浓度(酒精度)的快速定量检测。方法首先,分别采集不同浓度食用酒精水溶液的拉曼光谱与中红外光谱。其次,采用多元散射校正(multiplicative scatter correction,MSC)、卷积平滑(Savitzky-Golay,S-G)、一阶求导的方法对原始数据进行预处理。然后,基于自举软缩减法(bootstrapping soft shrinkage,BOSS)和无信息变量消除算法(uninformative variable elimination,UVE)分别对预处理后的光谱数据进行特征提取,并利用X-Y距离样本集划分法(sample set partitioning based on joint X-Y distance,SPXY)将光谱数据划分为校正集和预测集。最后,建立基于拉曼光谱-中红外光谱数据融合的偏最小二乘回归(partial least squares regression,PLSR)食用酒精乙醇浓度预测模型,并利用麻雀搜寻算法优化的混合核极限学习机算法(sparrow search algorithm-optimized hybrid kernel extreme learning machine,SSA-HKELM)提升预测性能,实现对不同浓度食用酒精的快速、准确定量检测。结果与拉曼光谱数据、中红外光谱数据以及中红外与拉曼光谱的数据层融合构建的预测模型相比,中红外光谱与拉曼光谱特征层融合数据构建的预测模型具有更好的预测性能。其中,最优模型的校正集均方根误差(root mean squared error of calibration set,RMSEC)为0.98314,校正集决定系数(R_(c)^(2))为0.99634,预测集均方根误差(root mean squared error of prediction set,RMSEP)为1.03256,预测集决定系数(R_(p)^(2))为0.99036。结论中红外光谱与拉曼光谱特征层融合预测模型可以实现对不同浓度食用酒精的高效定量检测,为食用酒精的质量检测提供了有效的理论支持与技术保障。

关键词：拉曼光谱中红外光谱光谱数据融合乙醇溶液

药品安全视域下安眠镇静类药物光谱模式识别研究

在线全文

学校读者我要写书评

暂无评论

激光与光电子学进展 2022年第5期59卷 344-351页

作者：侯伟王继芬张蕾萍何昕宇谢宜霖中国人民公安大学侦查学院北京100038 公安部物证鉴定中心北京100038 中国人民公安大学信息网络安全学院北京100038

为了实现对安眠药种类的快速准确区分,实验采集了苯二氮卓类、吩噻嗪类和巴比妥类3种安眠镇静类药物共计92份样本的红外光谱数据,经预处理后进行分类模型的构建。实验结果表明,采用串联融合后的数据进行建模分类的准确率优于均值融合和... 详细信息

为了实现对安眠药种类的快速准确区分,实验采集了苯二氮卓类、吩噻嗪类和巴比妥类3种安眠镇静类药物共计92份样本的红外光谱数据,经预处理后进行分类模型的构建。实验结果表明,采用串联融合后的数据进行建模分类的准确率优于均值融合和差值融合;原始光谱与一阶导数光谱的指纹区特征变量进行融合后使用随机森林模型进行建模分析,3种安眠药的分类识别率可达100%,能够实现安眠药种类的完全区分。该方法快速准确,可以在一定程度上为司法鉴定领域中安眠药类物质的检验提供一种新的方法和思路。

关键词：光谱学安眠镇静类药物光谱数据融合多元建模

基于支持向量机建模的重质矿物油光谱模式识别

在线全文

学校读者我要写书评

暂无评论

激光与光电子学进展 2021年第6期58卷 387-394页

作者：侯伟王继芬何欣龙中国人民公安大学侦查学院北京100038

重质矿物油的检验分析在交通肇事案件处理过程中具有重要作用。为了实现对重质矿物油种类的准确区分,本文采集了汽机油、柴机油、润滑脂、齿轮油和液压油5种重质矿物油共计120份样本的红外光谱和拉曼光谱数据,结合光谱融合的相关方法,... 详细信息

重质矿物油的检验分析在交通肇事案件处理过程中具有重要作用。为了实现对重质矿物油种类的准确区分,本文采集了汽机油、柴机油、润滑脂、齿轮油和液压油5种重质矿物油共计120份样本的红外光谱和拉曼光谱数据,结合光谱融合的相关方法,建立了基于支持向量机(SVM)的重质矿物油分类判别模型。实验结果表明:使用单一光谱数据进行建模分类的准确率较低;对初级光谱融合数据进行建模分析时,5种重质矿物油的分类识别准确率稍高于前者,最高可达75%;使用中级光谱融合数据结合主成分分析建模能够实现5种重质矿物油的完全区分,在26维矩阵上特征提取得最好,分类识别率为100%。使用光谱数据融合结合SVM建模分析,能够实现重质矿物油的完全区分,该方法提高了检验鉴定效率,能够满足公安机关提出的快速、准确的检验要求,为基层民警处理相关案件提供了理论支撑和方法参考。

关键词：光谱学重质矿物油光谱数据融合多元分析

在线全文

学校读者我要写书评

暂无评论

海面弱小目标高光谱融合技术研究

应用光学 2017年第1期38卷 37-41页

作者：朱院院慕巍李广良王虎刘彤高泽东西安应用光学研究所

海面目标受海水扰动影响,难以被宽波段光电传感器探测识别。高光谱传感器可以获取海面目标和水体的光谱数据,利用目标和海水的光谱特性差异可以有效抑制海面扰动影响,提高探测识别能力。针对高光谱数据降维融合容易丢失海面弱小目标问题... 详细信息

海面目标受海水扰动影响,难以被宽波段光电传感器探测识别。高光谱传感器可以获取海面目标和水体的光谱数据,利用目标和海水的光谱特性差异可以有效抑制海面扰动影响,提高探测识别能力。针对高光谱数据降维融合容易丢失海面弱小目标问题,研究了弱小目标光谱数据融合方法。通过相似性分类产生类矩阵,由类矩阵主成分变换的降维投影矩阵来投影变换原有光谱数据,获得降维数据矩阵。降维矩阵通过空间变换转换到RGB彩色空间,生成伪彩色融合图像。通过远距离弱小目标和水中鱼群高光谱数据,验证了改进方法的融合性能。实验结果表明:相似性分类融合方法不仅能将高维光谱数据融合成一幅伪彩色图像,还能有效避免弱小目标融合丢失问题,提高了目标探测识别能力。

关键词：海面侦察弱小目标光谱数据融合降维矩阵相似性分类

近红外与表面增强拉曼光谱融合技术快速检测花生油中黄曲霉毒素B_(1)

在线全文

学校读者我要写书评

暂无评论

食品安全质量检测学报 2023年第23期14卷 70-79页

作者：吴升德朱家骥钱昊姜鑫许艺焦天慧盐城市产品质量监督检验所盐城224056 盐城工学院电气工程学院盐城224051 集美大学海洋食品与生物工程学院厦门361021

目的在近红外光谱(near infrared spectroscopy,NIR)与表面增强拉曼光谱(surface-enhanced Raman spectroscopy,SERS)特征层数据融合的基础上构建偏最小二乘回归(partial least squares regression,PLSR)模型实现花生油中黄曲霉毒素B_(1)(aflatoxin B_(1),AFB_(1))含量的快速检测。方法首先,分别采集待测样本的NIR与SERS光谱。其次,将采集的NIR与SERS光谱分别进行光谱预处理。然后,采用基于希尔伯特-施密特独立准则的变量空间迭代优化算法(Hilbert-Schmidt independence criterion based variable space iterative optimization,HSIC-VSIO)分别筛选NIR与SERS光谱的特征变量。最后,将筛选的特征变量进行融合并构建PLSR模型用于定量检测花生油中AFB_(1)含量。结果与NIR光谱数据、SERS光谱数据以及NIR与SERS光谱直接融合数据构建的PLSR模型相比,NIR与SERS光谱特征层融合数据构建的PLSR模型具有最佳的预测性能:校正集均方根误差(root mean squared error of calibration set,RMSEC)为0.1569,校正集决定系数(coefficient of determination of calibration set,R_(c)^(2))为0.9908,预测集均方根误差(root mean squared error of prediction set,RMSEP)为0.1827,预测集决定系数(coefficient of determination of prediction set,R_(c)^(2))为0.9854,性能偏差比(ratio of performance to deviation,RPD)为8.2761。将本方法与标准方法分别检测真实含有AFB_(1)的花生油样本,结果表明两者的检测性能无显著性差异(P=0.84>0.05)。结论本方法可实现花生油中AFB_(1)含量的快速、高精度定量检测,也验证了NIR与SERS光谱融合的可行性与有效性。

关键词：近红外光谱表面增强拉曼光谱光谱数据融合黄曲霉毒素B_(1)

拉曼-近红外单光谱及多光谱融合物质分析算法研究

在线全文

学校读者我要写书评

暂无评论

拉曼-近红外单光谱及多光谱融合物质分析算法研究

作者：王齐重庆大学

学位级别：硕士

拉曼光谱和近红外光谱是最常用的光谱快速检测技术,是食品检测的一种有效技术手段。拉曼光谱是物质的指纹光谱,对物质定性分析过程简单且识别率高,模型传递效果好;但拉曼光谱的强度非常弱,信噪比不高,定量分析的准确性和稳定性都不够好... 详细信息

拉曼光谱和近红外光谱是最常用的光谱快速检测技术,是食品检测的一种有效技术手段。拉曼光谱是物质的指纹光谱,对物质定性分析过程简单且识别率高,模型传递效果好;但拉曼光谱的强度非常弱,信噪比不高,定量分析的准确性和稳定性都不够好。近红外光谱属于吸收光谱,强度大,光谱一致性好,采用化学计量学建模以后,定量检测效果好,但模型传递效果不理想;此外,它是形貌光谱,缺乏指纹谱线,定性(物质判别)比较困难。本文探索一种多光谱数据融合的算法,核心思路是将近红外光谱融合到的拉曼光谱中建立拉曼-近红外混合模型,以期用近红外光谱的信息提高拉曼光谱物质定量分析的准确度,用拉曼光谱的指纹特征提高模型传递能力。本文首先针对便携式光谱检测设备的信号特征,研究了光谱数据预处理的自动算法,包括:光谱去尖峰算法、光谱去噪算法、光谱去基线算法以及光谱归一化算法;本文还将研究的自动算法编写了C代码,并将这些算法成功移植到了便携式拉曼光谱仪上。本文对比研究了机器学习和神经网络等两大类方法,决策树、支持向量机、BP神经网络和LSTM神经网络等四种光谱分析算法;在光谱模型建立过程中,尽可能保留所有光谱信息,将全光谱用于模型训练;工作分为定性分析、定量分析和模型传递等三个主要部分,结果如下:(1)定性分析:本文采用决策树、支持向量机和LSTM神经网络建立了被测物拉曼光谱的二分类和多分类模型,并用这些模型对单一的被测物进行定性分析;其中(1)决策树算法的二分类正确率为98.93%,多分类的正确率为63.28%;(2)支持向量机算法二分类正确率为100%,多分类正确率91.40%;(3)深度学习LSTM网络算法的四分类定性分析准确率达到100%。(2)定量分析:(1)用决策树算法建立了葡萄糖近红外光谱定量分析模型,校正集的R=0.9960,RMSE=0.0166,MRE=0.0099;(2)用支持向量机算法分别建立了近红外光谱、拉曼光谱以及拉曼-近红外融合光谱的定量分析模型,其中近红外光谱校正集的R=0.9935,RMSE=0.0224,MRE=0.0488;拉曼光谱校正集的R=0.9246,RMSE=0.0570,MER=0.0797;拉曼-近红外融合光谱模型的R2=0.9975,RMSE=0.0141,MRE=0.0292。(3)用BP神经网络建立了近红外定量模型,校正集的R=0.9962,RMSE=0.0215,MRE=0.0439。(4)用LSTM神经网络建立了近红外光谱、拉曼光谱以及拉曼-近红外融合光谱的定量分析模型,其中拉曼光谱的定量分析模型校正集的R=0.9590,RMSE=0.0058,MRE=0.1505;近红外光谱定量分析模型校正集R=0.9883,RMSE=0.0298,MRE=0.0586;拉曼-近红外融合光谱的定量分析模型校正集的R=0.9886,RMSE=0.0243,MRE=0.0385。(3)模型传递:(1)用深度学习LSTM神经网络算法建立的四分类定性分析模型在同类型仪器的台间传递的准确率达到100%。(2)用支持向量机算法分别建立了近红外光谱、拉曼-近红外融合光谱的定量分析模型,并用四台仪器开展了模型传递实验;其中近红外光谱模型在四台仪器上传递的结果R分别为0.7951、0.8664、0.8782和0.8819,拉曼-近红外模型在四台仪器上传递的结果R分别为0.9365、0.9411、0.9303和0.9224。(3)深度学习LSTM神经网络算法分别建立了近红外光谱、拉曼-近红外融合光谱的定量分析模型,并用四台仪器开展了模型传递实验;其中近红外光谱模型在四台仪器上传递的结果R分别为0.7768、0.7996、0.8027和0.7914,拉曼-近红外模型在四台仪器上传递的结果R分别为0.5548、0.8444、0.9539和0.9353。

关键词：拉曼光谱近红外光谱光谱数据融合物质分析机器学习