2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩65頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

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(jiǎn)介

1、高光譜成像技術(shù)具有分辨率高、波段范圍廣的特點(diǎn),能夠提供被測(cè)樣本豐富的全波段光譜特征,但其龐大的信息量也制約農(nóng)產(chǎn)品的實(shí)際在線檢測(cè)。我國是世界上最大的馬鈴薯種植國,為了促進(jìn)馬鈴薯深加工產(chǎn)業(yè)的發(fā)展,增加馬鈴薯附加值,達(dá)到良好的經(jīng)濟(jì)效益,亟需對(duì)馬鈴薯品質(zhì)的快速檢測(cè)方法進(jìn)行研究。因此,在保留被測(cè)樣本有效特征信息的同時(shí),實(shí)現(xiàn)馬鈴薯品質(zhì)的快速、無損綜合檢測(cè)具有十分重要的科學(xué)意義與應(yīng)用價(jià)值。
  以4類內(nèi)外部品質(zhì)(合格、瘡痂、機(jī)械損傷、黑心)的4

2、30個(gè)馬鈴薯試驗(yàn)樣本為研究對(duì)象,從3種不同放置方向(正對(duì)高光譜采集探頭的馬鈴薯長徑方向、短徑方向和高度方向)采集光譜圖像,進(jìn)行了反射與透射高光譜成像技術(shù)的不同檢測(cè)方法比較研究,采用了多種預(yù)處理方法、流行學(xué)習(xí)算法及多分類建模方法對(duì)數(shù)據(jù)進(jìn)行去冗余、降維、優(yōu)化建模處理,建立基于高光譜光譜信息判別的馬鈴薯內(nèi)外部品質(zhì)多分類識(shí)別模型。
  主要研究結(jié)果如下:
  1)確定最優(yōu)反射高光譜成像技術(shù)的馬鈴薯內(nèi)外部品質(zhì)多分類檢測(cè)方法。分別選取多

3、元散射校正(MSC)、平滑處理(Smoothing)、標(biāo)準(zhǔn)化(Autoscale)、去趨勢(shì)變換結(jié)合標(biāo)準(zhǔn)正態(tài)變量變換(Detrend+SNV)等6種光譜預(yù)處理方法,對(duì)K最近鄰法(KNN)、支持向量機(jī)判別分析(SVMDA)和極限學(xué)習(xí)機(jī)(ELM)3種多分類方法所建的馬鈴薯內(nèi)外部品質(zhì)檢測(cè)模型結(jié)果進(jìn)行了比較,確定了Detrend+SNV預(yù)處理方法結(jié)合ELM多分類方法所建模型效果最優(yōu)。分別應(yīng)用隨機(jī)鄰域嵌入(SNE)、局部切空間排列(LTSA)、拉普

4、拉斯特征映射(Lapiacian eigenmaps)、t-分布鄰域嵌入(t-SNE)4種流形學(xué)習(xí)算法進(jìn)一步優(yōu)化模型。研究結(jié)果表明,選取的t-SNE-ELM方法識(shí)別結(jié)果最優(yōu),所建模型對(duì)合格、瘡痂、機(jī)械損傷和黑心4類試驗(yàn)樣本的單一識(shí)別率分別為94.12%,89.87%,92.73%和82.81%,整體混合識(shí)別率為90.70%。
  2)自行設(shè)計(jì)了馬鈴薯透射高光譜的圖像信息采集裝置,該裝置由透射采集箱、排熱扇、變壓調(diào)節(jié)器、隔板底座、鹵

5、素?zé)襞?、燈架可拆卸底托、遙控器、塑膠隔墊等部件組成,并以此搭建透射高光譜成像系統(tǒng)對(duì)馬鈴薯內(nèi)外部缺陷指標(biāo)進(jìn)行檢測(cè),驗(yàn)證其對(duì)馬鈴薯品質(zhì)多分類檢測(cè)的可行性。
  3)確定最優(yōu)透射高光譜成像技術(shù)的馬鈴薯內(nèi)外部品質(zhì)多分類檢測(cè)方法。分別選取KNN、SVMDA和ELM3種多分類方法對(duì)經(jīng)過預(yù)處理后的馬鈴薯光譜數(shù)據(jù)建立檢測(cè)模型,確定經(jīng)過Detrend+SNV方法預(yù)處理的ELM模型識(shí)別結(jié)果最優(yōu);分別應(yīng)用SNE、LTSA、Lapiacian eigen

6、maps、t-SNE4種流形學(xué)習(xí)算法對(duì)光譜進(jìn)行降維處理,研究結(jié)果表明, t-SNE降維方法對(duì)所建透射馬鈴薯品質(zhì)多分類檢測(cè)模型識(shí)別結(jié)果最優(yōu),所建模型對(duì)合格、瘡痂、機(jī)械損傷和黑心4類試驗(yàn)樣本的單一識(shí)別率分別為94.12%、92.41%、94.55%和92.19%,整體混合識(shí)別率為93.26%。
  4)針對(duì)反射成像與透射成像方法進(jìn)行了馬鈴薯內(nèi)外部品質(zhì)多分類檢測(cè)方法的比較分析。結(jié)果表明:基于反射高光譜成像技術(shù)和透射高光譜成像技術(shù)均可以實(shí)

7、現(xiàn)對(duì)任意方向放置的馬鈴薯內(nèi)外部品質(zhì)進(jìn)行多分類識(shí)別,并且透射高光譜成像技術(shù)結(jié)合Detrend+SNV、t-SNE流形學(xué)習(xí)算法所建立的ELM識(shí)別模型的檢測(cè)精度要高于反射高光譜成像技術(shù)結(jié)合Detrend+SNV、t-SNE流形學(xué)習(xí)算法所建立的ELM識(shí)別模型的精度。
  5)確定透射高光譜成像技術(shù)的馬鈴薯內(nèi)外部品質(zhì)多分類模型優(yōu)化方法。以t-SNE降維所得低維光譜數(shù)據(jù)作為輸入,提出分別以差分進(jìn)化極限學(xué)習(xí)機(jī)(DE-ELM)和蝙蝠極限學(xué)習(xí)機(jī)(B

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

評(píng)論

0/150

提交評(píng)論