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76頁未讀 繼續(xù)免費閱讀

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),請進行舉報或認領(lǐng)

文檔簡介

1、雞蛋內(nèi)部含有豐富的營養(yǎng),是全世界最為廣泛的食品,也是很多食品的加工原料,因此,雞蛋內(nèi)部品質(zhì)關(guān)系著國家民生和人民的健康。血斑是雞蛋內(nèi)部品質(zhì)的主要檢測指標,血斑的檢測是保證雞蛋內(nèi)部品質(zhì)的基礎(chǔ)。因此,為了保證雞蛋進入流通領(lǐng)域的品質(zhì)和質(zhì)量,對于血斑蛋檢測的研究具有直接的現(xiàn)實意義和研究價值。本課題以雞蛋為研究對象,通過光學技術(shù)和模式識別方法對血斑蛋的在線判別模型進行研究,從而對雞蛋內(nèi)部的血斑進行判別。本文主要的研究內(nèi)容和結(jié)論如下:
  (1

2、)在血斑蛋文獻的研究基礎(chǔ)上,對500nm-599nm范圍的血斑蛋和正常蛋的透過率進行分析,發(fā)現(xiàn)在這一范圍內(nèi)兩種蛋具有諸多差異性,將兩種蛋的平均透過率進行分析,本文最終選擇500nm-599nm為本課題的全波段,為后續(xù)波段特征提取與建模提供理論基礎(chǔ)。
  (2)采用三種算法進行異常樣本的剔除,分別是聚類、相似系數(shù)和以及箱形圖異常值檢測,若三種方法中兩種及兩種以上共同判別為異常樣本,則該樣本為異常樣本,通過打破驗證分析異常樣本特征。<

3、br>  (3)利用多種算法進行數(shù)據(jù)的預處理,包括數(shù)據(jù)增強變換、平滑、求導、多元散射校正、標準正態(tài)變換,通過建模效果確定最佳的預處理方法為標準正態(tài)變換。經(jīng)過后期對于三種速度模式的光譜差異分析,采用一階導數(shù)和標準正態(tài)變換相結(jié)合的預處理方法,有效減小由于光譜縱向偏移產(chǎn)生的誤差。
  (4)為了簡化全波段光譜特征,利用三種方法篩選特征波長,基于特征波段的篩選是利用iPLS算法,基于特征波長變量的篩選是采用CARS和SPA算法,將三種方法

4、篩選出的特征波長建立校正模型后得到CARS篩選的特征變量建模效果最佳,可代替全波段進行分析。
  (5)考慮在線檢測的特殊要求,選擇5種方法建立線性模型,分別是偏最小二乘判別分析(PLSDA),支持向量機(SVM),逐步貝葉斯判別分析(SBDA),二項Logistic回歸(BLR),線性判別分析(LDA),通過模型的判別準確率和模型的運行時間,綜合考慮適合在線檢測的諸多因素,SBDA效果最佳,植入在線檢測程序中可以快速實現(xiàn)判別,更

5、加適用流水線的檢測模式。因此,本文最終選擇SBDA作為的血斑蛋在線判別模型。
  (6)通過統(tǒng)一條件下模型的更新,尋找最佳的參數(shù)匹配設(shè)置,通過將速度條件下的樣本驗證更新后的模型,得出該參數(shù)組合更加適合2500枚/小時的檢測模式。通過更換新樣本代入模型,驗證模型的適用性,分析2500枚/小時的血斑蛋和正常蛋的判錯的樣本圖譜和打破后的雞蛋內(nèi)部情況,并將判錯的樣本加入模型的訓練過程,對模型進行有針對性,指導性的優(yōu)化,得到判別模型:其中Y

6、1代表血斑蛋,Y2代表正常蛋。Y1=0.242*X512+0.659*X531+3.482*X558+1.187*X566-2.030*X568-0.402*X580+2.359*X586+4.972*X598-6.327Y2=-1.212*X512-0.961*X531+4.888*X558+3.949*X566+1.298*X568-3.335*X580-0.239*X586+2.598*X598-9.964
  判別結(jié)果為:

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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 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空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論