版權(quán)說明: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)
文檔簡介
1、在中國眾多農(nóng)產(chǎn)品中,大豆地位舉足輕重。大豆及大豆制品是百姓日常攝入植物蛋白、植物油的主要提供源。進(jìn)入二十一世紀(jì),大豆需求量逐年增加,大豆進(jìn)口量更是不斷增長,做到科學(xué)快速精準(zhǔn)地檢測(cè)大豆品質(zhì)越發(fā)重要。不同品種大豆品質(zhì)良莠不齊,油量、蛋白等營養(yǎng)成分各異,大豆種類鑒別不容忽視。實(shí)驗(yàn)以東農(nóng)大豆研究所培育的東農(nóng)系列大豆十個(gè)品種為研究對(duì)象,實(shí)現(xiàn)基于高光譜圖像技術(shù)的大豆品種無損鑒別。實(shí)驗(yàn)表明了依托高光譜數(shù)據(jù)實(shí)現(xiàn)大豆種類鑒別的可行性,也證明了實(shí)驗(yàn)所選定特
2、征向量表征大豆種類特性的能力。這將對(duì)實(shí)現(xiàn)動(dòng)態(tài)實(shí)時(shí)無損鑒別大豆品種在理論依據(jù)和技術(shù)支持方面有所助益。
本文主要研究內(nèi)容:
本研究采集10個(gè)品種大豆各100粒400.92-999.53 nm波段內(nèi)高光譜反射信息,分別以高光譜反射圖像的光譜信息(平均光譜和標(biāo)準(zhǔn)差光譜)、高光譜反射圖像中的圖像提取特征信息表征樣本特性。光譜信息表征樣本特性時(shí)對(duì)比探討平均光譜或標(biāo)準(zhǔn)差光譜以及兩者配合共同使用表征樣本信息的鑒別能力。光譜圖像表征樣
3、本特性時(shí),在三個(gè)包含最多品種特性的特征波長提取特征。經(jīng)過分析衡量多種特征,優(yōu)選灰度共生矩陣?yán)锏募y理特征:相關(guān)性、熵、慣性矩和能量。
對(duì)高光譜反射圖像中值濾波、多元散射校正和數(shù)據(jù)標(biāo)準(zhǔn)歸一化預(yù)處理去噪。在以光譜信息為樣本表征量時(shí),對(duì)比同種鑒別模型中采用不同預(yù)處理的鑒別結(jié)果。光譜圖像信息作樣本表征量時(shí),去噪方式三者中中值濾波平滑最優(yōu)。
在3個(gè)特征波段下提取代表圖像的四個(gè)紋理特征,均值和標(biāo)準(zhǔn)差共24維數(shù)據(jù),對(duì)其進(jìn)行主成分降維
4、到3維。前3個(gè)主成分得分及上述3個(gè)特征波長下代表圖像的慣性矩均值、標(biāo)準(zhǔn)差一起組成9維數(shù)據(jù)作為樣本輸入,實(shí)現(xiàn)以光譜圖像信息為樣本表征量對(duì)大豆種類進(jìn)行無損實(shí)時(shí)鑒別。
分別搭建基于簇類獨(dú)立模式識(shí)別、偏最小二乘判別、遺傳算法優(yōu)化的BP網(wǎng)絡(luò)、T-S模糊網(wǎng)絡(luò)和隨機(jī)森林組合分類思想的鑒別模型。分析比較各預(yù)處理、各類樣本信息結(jié)合各種模型的鑒別能力。
本文主要研究結(jié)果:
(1)證明以高光譜數(shù)據(jù)表征樣本特性能夠?qū)崿F(xiàn)對(duì)大豆品種的
5、鑒別,結(jié)合不同預(yù)處理方法和鑒別模型調(diào)整鑒別精度。以光譜平均值、光譜標(biāo)準(zhǔn)差值還是兩者結(jié)合,代入到T-S模糊神經(jīng)網(wǎng)絡(luò)模型或是基于隨機(jī)森林思想的組合分類模型中都能取得較為理想的識(shí)別效果。兩模型訓(xùn)練集識(shí)別率均高于94%,測(cè)試集識(shí)別率最低達(dá)到84%。本研究提取的特征輸入結(jié)合選定的四種判別模型對(duì)選定的10種大豆鑒別效果比較理想。四種模型訓(xùn)練集鑒別率均達(dá)到93%,平均鑒別率最低達(dá)96%。
(2)光譜信息為樣本表征量時(shí),比較同種鑒別模型中采用
6、不同預(yù)處理的鑒別結(jié)果,討論分析研究所選三種預(yù)處理去噪能力,其中,在分別以樣本平均光譜、標(biāo)準(zhǔn)差光譜及兩者結(jié)合作為T-S模糊神經(jīng)網(wǎng)絡(luò)模型和森林思想組合分類模型輸入量的不同預(yù)處理不同模型搭配中,中值濾波去噪效果均最佳。
(3)在以相關(guān)性、熵、慣性矩和能量均值和方差作為圖像特征信息表征樣本時(shí),比較第一主成分得分系數(shù)大小,發(fā)現(xiàn)三個(gè)特征波段下的慣性矩均值和標(biāo)準(zhǔn)差在這24個(gè)特征中系數(shù)最大且表現(xiàn)穩(wěn)定。表明慣性矩均值和標(biāo)準(zhǔn)差不僅表征樣本特性能力
7、最強(qiáng)而且在所選的特征參量中性能最穩(wěn)定,比其它特征更能增強(qiáng)鑒別結(jié)果的可信度,使鑒別性能更加穩(wěn)定。
(4)高光譜信息表征樣本時(shí):同預(yù)處理方法獲得的同種光譜反射數(shù)據(jù)作模型輸入,森林思想組合分類模型鑒別能力整體高于T-S模糊神經(jīng)網(wǎng)絡(luò)模型,存在少數(shù)持平情況。圖像特征信息表征樣本時(shí):四種模型中,遺傳算法優(yōu)化反向傳播神經(jīng)網(wǎng)絡(luò)(Genetic Algorithms BackPropagation,GA-BP)模型鑒別能力最強(qiáng),訓(xùn)練、測(cè)試識(shí)別率
溫馨提示
- 1. 本站所有資源如無特殊說明,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)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 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
- 基于三維熒光譜的油類鑒別方法研究.pdf
- 中國名酒的光譜鑒別方法初探.pdf
- 基于光譜和光譜成像技術(shù)的轉(zhuǎn)基因大豆品種鑒別與品質(zhì)檢測(cè)研究.pdf
- 基于圖像識(shí)別的油畫真?zhèn)舞b別方法研究.pdf
- 基于機(jī)器視覺技術(shù)的檳榔飲片鑒別方法研究.pdf
- 鑒別方法
- 基于高光譜圖像和機(jī)器視覺技術(shù)的大豆品質(zhì)檢測(cè)研究.pdf
- 基于SEM圖像處理的羊毛羊絨纖維鑒別方法的研究.pdf
- 基于光譜特性的高光譜圖像壓縮方法研究.pdf
- 基于多種光譜技術(shù)的蜂蜜和蜂膠品種鑒別研究.pdf
- 筆跡鑒別方法研究.pdf
- 基于Raman光譜和支持向量機(jī)回歸的白酒年份鑒別方法研究.pdf
- 基于紋理分析的筆跡鑒別方法研究.pdf
- 鉆石的鑒別方法
- 基于圖像識(shí)別的中國畫真?zhèn)舞b別方法研究.pdf
- 基于圖像識(shí)別的中國書法真?zhèn)舞b別方法研究.pdf
- 基于圖像識(shí)別的油畫真?zhèn)舞b別方法研究_10129.pdf
- 基于NITS液態(tài)乳制品主成分含量檢測(cè)及品種鑒別方法研究.pdf
- 基于干涉成像光譜技術(shù)的高光譜圖像重構(gòu)研究.pdf
- 基于現(xiàn)代核分析技術(shù)的古鈞瓷鑒別方法研究.pdf
評(píng)論
0/150
提交評(píng)論