版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、目前我國(guó)所采用的煙葉分級(jí)方法是人工分級(jí),它依靠操作人員的經(jīng)驗(yàn)和感官判斷,耗時(shí)、費(fèi)力且具有很大的主觀性;分級(jí)準(zhǔn)確率依賴于收購(gòu)人員的經(jīng)驗(yàn)和環(huán)境,所以烤煙葉的智能分級(jí)勢(shì)在必行。
近年來(lái)煙葉智能分級(jí)方面的研究主要集中在基于圖像特征的分級(jí)方法。利用煙葉圖像提取與人工分級(jí)因素相關(guān)的顏色、紋理和幾何等圖像特征,采用一定分類(lèi)方法進(jìn)行烤煙葉的分組和分級(jí)識(shí)別。然而這些圖像特征很難反映與煙葉分級(jí)密切相關(guān)的厚度、成熟度、油分等因素。光譜可反映很多物質(zhì)
2、的結(jié)構(gòu)及組成成分,因而被廣泛地應(yīng)用于很多領(lǐng)域。近紅外光譜分析技術(shù)在煙葉成分診斷及含量估計(jì)、煙葉分組和產(chǎn)地的判別等方面的研究,為其應(yīng)用于烤煙葉的智能分級(jí)提供很好的依據(jù)??緹熑~的近紅外光譜能很好地反映與煙葉分級(jí)密切相關(guān)的身份、厚度、含油量、成熟度以及顏色等信息,但由于數(shù)據(jù)維度高導(dǎo)致在線實(shí)時(shí)分級(jí)所需時(shí)間長(zhǎng)的缺點(diǎn),因此本文的研究?jī)?nèi)容如下:
1.光譜類(lèi)型、范圍、間隔及預(yù)處理方法的研究。本文比較了反射、透射兩種光譜在不同范圍、采樣間隔情況
3、下的分級(jí)準(zhǔn)確率。分級(jí)結(jié)果結(jié)合光譜采集的便利性和實(shí)時(shí)性,表明用于煙葉分級(jí)的最佳光譜類(lèi)型為反射光譜、范圍為1500~2400nm、最大可采樣間隔為10nm。
2.SVM的參數(shù)優(yōu)化。烤煙葉分級(jí)過(guò)程中的近紅外光譜數(shù)據(jù)具有小樣本、高維度特性,SVM在解決上述問(wèn)題方面有許多優(yōu)勢(shì)。通過(guò)比較了RBF和線性兩種核函數(shù)以及PSO、GA和網(wǎng)格法三種參數(shù)優(yōu)化的分組、分級(jí)準(zhǔn)確率,最終選擇SVM模型的核函數(shù)為線性,懲罰因子C用網(wǎng)格法搜索最佳。
4、3.烤煙葉分級(jí)模型的研究。SVM是最優(yōu)的二分類(lèi)器,在多分類(lèi)時(shí)可構(gòu)建多個(gè)二分類(lèi)器,統(tǒng)計(jì)每個(gè)二分類(lèi)器的輸出,投票決定SVM的多分類(lèi)輸出。煙葉分級(jí)時(shí)有先分組再分級(jí)的級(jí)聯(lián)分級(jí)模型和并聯(lián)分級(jí)模型。級(jí)聯(lián)分級(jí)模型需要建立的二分類(lèi)器少,判決時(shí)間為0.114819s,但是顏色、部位分組出錯(cuò)時(shí)易造成誤差累計(jì),最優(yōu)分級(jí)準(zhǔn)確率89.8%(間隔2nm);并聯(lián)分級(jí)模型則需要建立更多的二分類(lèi)器,判決時(shí)間增加至0.396101s,但分級(jí)準(zhǔn)確率達(dá)到93.88%(間隔2n
5、m)。
4.基于聚類(lèi)的光譜特征選擇。本文提出基于聚類(lèi)的思想進(jìn)行煙葉光譜特征選擇。首先,根據(jù)類(lèi)內(nèi)參數(shù)γ1刪除類(lèi)內(nèi)差異較大的部分特征,保持光譜數(shù)據(jù)的類(lèi)內(nèi)聚集性;其次,根據(jù)類(lèi)間參數(shù)γ2刪除類(lèi)間差異較小的部分特征,保持光譜數(shù)據(jù)的類(lèi)間差異性。直接剔出對(duì)分組帶來(lái)不良影響的光譜,從而有效地減少原始光譜數(shù)據(jù)的采集。級(jí)聯(lián)分級(jí)模型中,最少特征輸入分級(jí)準(zhǔn)確率為87.78%,光譜特征從451減少到312個(gè),減少了30%。
5.基于BPSO和
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 烤煙煙葉圖像特征提取和質(zhì)量分級(jí)研究.pdf
- 煙葉分級(jí)中若干特征篩選方法的研究.pdf
- 煙葉圖像采集技術(shù)規(guī)范與烤煙收購(gòu)質(zhì)量分級(jí)特征研究.pdf
- 煙葉初級(jí)分級(jí)工題庫(kù)烤煙部分
- 煙葉特征的視覺(jué)信息表達(dá)與分級(jí)算法研究.pdf
- 遵義烤煙煙葉礦質(zhì)元素特征及與煙葉質(zhì)量關(guān)系研究.pdf
- 高光譜圖像特征學(xué)習(xí)與分類(lèi)算法研究.pdf
- 基于光譜與色度的烤煙分級(jí)方法研究.pdf
- 烤煙煙葉視覺(jué)分級(jí)中標(biāo)準(zhǔn)定量化模型的研究.pdf
- 烤煙煙葉視覺(jué)分級(jí)中標(biāo)準(zhǔn)定量化模型的研究
- 高光譜圖像特征提取與分類(lèi)算法研究.pdf
- 烤煙收購(gòu)中煙葉分級(jí)存在的問(wèn)題與對(duì)策分析
- 基于二進(jìn)制粒子群的煙葉圖像特征篩選和分級(jí)方法研究.pdf
- 烤煙煙葉成熟和烘烤過(guò)程中色素變化特征及其機(jī)理研究.pdf
- 運(yùn)用深度學(xué)習(xí)提取煙葉原料近紅外光譜特征算法的研究.pdf
- 基于輪廓特征的烤煙煙葉自動(dòng)分組技術(shù)研究.pdf
- 廢棄煙葉中有效成分提取分離與純化.pdf
- 煙葉分級(jí)
- 烤煙煙葉中淀粉的研究.pdf
- 煙葉分級(jí)系統(tǒng)中圖像處理算法的研究.pdf
評(píng)論
0/150
提交評(píng)論