您的位置： 专家智库 > >

贵阳学院农产品无损检测工程研究中心

作品数：29 被引量：141H指数：7
相关机构：贵州大学大数据与信息工程学院更多>>
发文基金：国家自然科学基金贵州省科技计划项目贵阳市科学技术计划项目更多>>
相关领域：理学农业科学自动化与计算机技术轻工技术与工程更多>>

合作机构

文献类型

  • 29篇中文期刊文章

领域

  • 12篇理学
  • 11篇农业科学
  • 8篇自动化与计算...
  • 7篇轻工技术与工...
  • 2篇机械工程
  • 2篇文化科学
  • 1篇电子电信
  • 1篇环境科学与工...
  • 1篇医药卫生
  • 1篇一般工业技术

主题

  • 16篇无损检测
  • 10篇光谱
  • 10篇高光谱成像
  • 8篇苹果
  • 7篇光谱技术
  • 5篇图像
  • 5篇模式识别
  • 5篇病害
  • 4篇作物
  • 4篇猕猴桃
  • 4篇网络
  • 4篇可溶性固形物
  • 4篇可溶性固形物...
  • 4篇固形物含量
  • 4篇红外
  • 3篇糖度
  • 3篇图像识别
  • 3篇农作物病害
  • 3篇热成像
  • 3篇作物病害

机构

  • 29篇贵阳学院
  • 6篇贵州大学

传媒

  • 3篇食品与发酵工...
  • 3篇江苏农业科学
  • 3篇食品研究与开...
  • 2篇光谱学与光谱...
  • 2篇浙江农业学报
  • 2篇保鲜与加工
  • 1篇光电子．激光
  • 1篇光学精密工程
  • 1篇北方园艺
  • 1篇食品工业科技
  • 1篇激光与光电子...
  • 1篇食品工业
  • 1篇激光技术
  • 1篇贵州农业科学
  • 1篇包装工程
  • 1篇激光杂志
  • 1篇激光与红外
  • 1篇内江科技
  • 1篇中国农机化学...
  • 1篇中国科技期刊...

年份

  • 1篇2024
  • 3篇2023
  • 7篇2022
  • 2篇2021
  • 6篇2020
  • 9篇2019
  • 1篇2017
共 29 条 记 录，以下是 1-10
全选 清除 导出
排序方式：
基于高光谱成像技术的苹果表面缺陷无损检测被引量：7
2019年
以"红富士"苹果为研究对象,提出基于高光谱成像技术结合图像分割技术的苹果表面缺陷的无损检测方法。采用高光谱图像采集系统(400 nm～1 000 nm)采集完好无损和表面有缺陷苹果的高光谱图像;对采集到的高光谱图像进行最小噪声分离变换,提取感兴趣区域的平均光谱反射率;采用图像分割技术提出苹果表面缺陷的无损检测方法。结果表明:采用最小噪声分离变换可有效地消除苹果高光谱图像中的噪声;在700 nm～800 nm以及900 nm～1 000 nm波段范围内完好无损和表面有缺陷的苹果的光谱反射率值具有明显的差异,同时选取特征波长717.98 nm处的光谱反射率值小于0.6以及982.59 nm处的光谱反射率值大于0.52作为区分苹果正常区域和表面缺陷区域的阈值条件,进一步利用阈值分割方法对80个完好无损苹果和40个表面有缺陷苹果的正确识别率分别为97.5%和95%。表明高光谱成像技术结合图像分割技术可实现苹果表面缺陷的无损检测。
孟庆龙张艳尚静
关键词：高光谱成像苹果图像分割无损检测
基于注意力机制与改进残差模块的豆叶病害识别
2023年
豆类作物病害的有效识别对于病害的科学防控具有指导意义。针对传统作物病害识别方法效率低、准确率差的不足,利用深度学习方法设计了一种高效的轻量级豆叶病害识别模型,模型由卷积模块与改进的残差模块构成。卷积模块提取图像中的病害特征,在卷积模型中引入注意力机制增强了模型对病害区域的关注,同时降低非病变区域与背景对识别结果的干扰;在原始残差模块中添加更多的卷积层、激活函数与批归一化层得到了改进的残差模块,使得残差模块具有非线性表征和特征提取能力,从而提高模型对于高级病害特征的信息融合能力。结果表明,提出的模型对实际田间拍摄的豆叶病害图像的识别性能均达到99%以上。模型参数量仅为7.4×10^(5),分别为MobileNetV2、ResNet50、VGG16、VGG19以及DenseNet121模型参数量的32.74%、3.14%、5.03%、3.69%、10.51%;模型占用内存仅为8.75 MB,分别为MobileNetV2、ResNet50、VGG16、VGG19以及DenseNet121模型占用内存的33.14%、3.24%、5.21%、3.82%、10.68%。因此,本研究提出的模型具有参数量少、占用内存小以及性能好的优势,为田间环境下的豆叶病害智能识别系统的研发提供了理论基础。
鲍浩张艳
关键词：卷积神经网络
基于高光谱成像和模式识别的无损检测苹果表面损伤被引量：5
2019年
为了实现苹果表面损伤的快速无损检测,基于高光谱成像技术结合模式识别算法建立了苹果表面损伤检测模型。首先,利用高光谱图像采集系统采集完好无损和表面损伤苹果样本的高光谱图像,提取正常区域和损伤区域的平均光谱反射率曲线;然后,采用标准正态变换(SNV)和多元散射校正(MSC)分别对原始光谱数据进行预处理;最后,利用偏最小二乘判别分析(PLS-DA)方法,建立了苹果表面损伤SNV+PLS-DA和MSC+PLS-DA检测模型。结果表明:采用SNV和MSC光谱预处理方法可有效地消除高光谱图像中的噪声;利用SNV+PLS-DA检测模型对校正集和检验集样本的正确识别率分别为70.8%和77.5%,而采用MSC+PLS-DA检测模型对校正集和检验集样本的正确识别率分别为71.7%和77.5%。因此,基于高光谱成像技术结合模式识别方法,可实现苹果表面损伤的无损检测。
孟庆龙张艳尚静
关键词：高光谱成像模式识别无损检测
高光谱成像结合BP网络无损检测李子的硬度被引量：8
2019年
以“红”李子和“青”李子为研究对象,提出了基于高光谱成像技术结合误差反向传播(error Back Propagation,BP)网络无损检测李子硬度的方法。采用高光谱图像采集系统获取了李子样本的高光谱图像,并提取了感兴趣区域的平均光谱反射率;综合比较了不同光谱预处理方法(一阶导数(derivative)、标准正态变换(SNV)和多元散射校正(MSC))对BP网络模型检测效果的影响;并利用主成分分析方法对预处理后的光谱数据进行降维,以提取能反映李子硬度的特征光谱。研究结果表明:derivative预处理后的光谱具有较好的李子硬度校正能力(R C=0.939,RMSEC=0.153),而SNV预处理后的光谱具有较好的李子硬度预测能力(R P=0.723,RMSEP=0.580);采用主成分分析法选择了累计贡献率超过99.99%的主成分作为样本集特征光谱数据,很好地实现了光谱数据的降维,提升了BP网络模型的运行效率。这表明高光谱成像技术结合BP网络可实现李子硬度的无损检测。
孟庆龙张艳尚静
关键词：遥感无损检测高光谱成像BP网络
基于光纤光谱技术无损检测猕猴桃硬度被引量：4
2020年
猕猴桃硬度是判别其成熟度的关键指标,为了建立预测不同成熟期猕猴桃硬度的最优模型,采用光纤光谱(200~1000 nm)采集系统获取不同成熟期"贵长"猕猴桃的反射光谱;基于全光谱数据分别构建了预测猕猴桃硬度的主成分回归(principal component regression PCR)和偏最小二乘回归(partial least square regression PLSR)模型;利用连续投影算法(successive projection algorithm,SPA)和竞争性自适应重加权算法(competitive adaptive reweighted sampling,CARS)提取特征波长进而基于特征光谱构建了预测硬度的多元线性回归(multiple linear regression,MLR)模型。结果表明采用CARS从1024个全波段中提取了42个特征波长不仅提升了预测模型的检测效率而且建立的CARS-MLR模型具有最佳的校正性能和预测性能,其校正集决定系数RC^2及其均方根误差(root mean square error of calibration,RMSEC)分别为0.91和1.27 kg/cm^2,预测集决定系数RP^2及其均方根误差(root mean square error of prediction,RMSEP)分别为0.85和1.57 kg/cm^2,剩余预测偏差(residual predictive deviation,RPD)为2.64。结果表明这说明基于光纤光谱技术预测猕猴桃硬度是可行的,CARS-MLR模型最佳。
孟庆龙尚静黄人帅张艳
关键词：光纤光谱猕猴桃无损检测
基于深度学习的农作物病害图像识别技术进展被引量：38
2019年
农作物病害的无损检测和早期识别是精准农业和生态农业发展的关键。随着图像采集和图像处理技术的进步,高光谱成像等先进成像探测技术和基于深度学习的图像分析技术越来越多地应用于农作物病虫害的无损检测中。本文首先简单介绍了以深度学习为代表的图像识别技术的基本原理,然后系统地阐述了基于深度学习的先进成像技术和先进图像识别分析技术在农作物病害检测识别中的国内外研究现状,分析了其在农作物病害检测识别上存在的优缺点,如具有快速、准确率高等优点以及数据量过大处理不便等缺点,并进一步指出,利用高光谱成像和热红外成像与深度学习相结合,将成为今后研究农作物病虫害早期检测的主要发展方向。
王彦翔张艳杨成娅孟庆龙尚静
关键词：图像识别
基于可见/近红外光谱预测枇杷糖度及模型优化被引量：1
2022年
为实现枇杷糖度的快速无损检测,并探究开阳枇杷糖度最优预测模型。首先利用光纤光谱仪获取开阳枇杷的反射光谱,分析比较标准正态变换和多元散射校正方法对原始光谱数据的预处理效果;然后基于原始全光谱和预处理后的全光谱数据分别构建预测开阳枇杷糖度的偏最小二乘回归和主成分回归模型;最后,采用连续投影算法和竞争性自适应重加权算法(competitive adaptive reweighted sampling,CARS)筛选特征光谱,并基于特征光谱构建预测开阳枇杷糖度的多元线性回归(multi linear regression,MLR)模型。结果表明,采用CARS算法从785个全光谱中筛选了23个特征波长,不仅提升了预测模型的运算效率,而且建立的CARS-MLR模型具有最佳的校正性能(R_(C)=0.89,RMSEC=0.62)和预测性能(R_(P)=0.89,RMSEP=0.65,RPD=2.29)。这表明利用可见/近红外光谱技术结合化学计量学预测开阳枇杷糖度是可行的,且CARS-MLR模型相对最优,为枇杷品质的无损快检和分选提供了理论依据与技术基础。
孟庆龙冯树南尚静黄人帅张艳曹森
关键词：糖度无损检测
基于改进哈里斯鹰优化算法的光谱特征波段选择模型研究
2024年
特征波段选择是近红外光谱分析的关键步骤之一,有效的特征波段选择能提高建模效率与模型性能。传统的特征波段选择算法存在运行时间长、选择特征冗余的缺陷,在实际工程应用中难以达到期望的效果。哈里斯鹰优化(HHO)算法具有原理简单、参数少的优点,但同时也存在收敛精度低且易陷入局部最优的不足。在HHO算法的基础上提出了一种基于改进哈里斯鹰优化(IHHO)算法的近红外光谱特征波段选择模型。针对HHO算法只能用于求解连续空间的优化问题,采用离散化策略对HHO算法进行修正,使其能求解离散形式的特征波段选择问题;考虑到HHO算法初始种群的质量差,使用混沌映射、反向学习提高初始种群的质量,以增强算法的全局探索能力;由于HHO算法在局部搜索时的收敛精度低,提出了新的猎物能量衰减模型与跳跃策略,以进一步增强算法在局部搜索时的寻优能力;为避免算法在寻优过程中落入局部最优,借鉴了遗传算法的变异方式对HHO算法进行扰动。使用竞争性自适应重加权采样法(CARS)、连续投影算法(SPA)、粒子群优化(PSO)算法、遗传算法(GA)、 HHO算法与IHHO算法进行比较,并以4个定性分析近红外光谱数据集与2个定量分析近红外光谱数据集分别建立了支持向量机(SVM)识别模型和偏最小二乘回归(PLSR)模型。在定性分析实验中,IHHO算法得到的平均准确率相对于全波段时分别提高了0.83%、 9.55%、 17.65%以及0%,平均特征波段数仅占全波段的9.97%、 2.59%、 1.36%以及0.59%。在定量分析实验中,IHHO算法得到的平均决定系数分别较全波段提高了10.57%、 1.47%、 4.41%、 3.66%以及3.06%,平均均方根误差分别较全波段较低了0.162、 1.266 3、 1.868、 1.869 4以及0.408 4,平均特征波段数仅占全波段的9.24%、 10.53%、 6.54%、 6.91%以及7.14%。实验结果表明,IHHO算法在选择特征波段时能够去冗余,针�
鲍浩张艳
关键词：近红外光谱分析支持向量机偏最小二乘回归
基于红外热成像的早期疾病检测技术的研究进展被引量：5
2021年
通过疾病的早期筛查,制定针对性治疗方案的精准医疗已成为医学发展的重要趋势。医学影像学检测是实现精准医疗的重要基础。疾病初期无明显表征,采用常规检测方法进行诊断具有一定的局限性,但机体会表现出异常的温度分布,红外热成像技术可以灵敏地检测出温度的变化,因此将其应用于早期疾病检测成为国内外的研究热点。本文首先介绍了当前医学影像学检测手段(如X线检查、超声、磁共振成像)的优缺点,重点介绍了红外热成像技术用于疾病检测的原理;然后对红外热成像技术和先进图像识别技术在早期疾病检测识别领域的国内外现状进行阐述,对比分析了红外热成像技术在早期疾病检测中的优缺点,其优点是无损、快速、准确率高,缺点是所需数据量大、图像处理算法性能差。将红外热成像技术与深度学习相结合对早期疾病进行无损检测,将成为今后的主要研究方向。
赵明珠张艳朱应燕
关键词：成像系统红外热成像技术医学图像识别
降维降噪处理对番茄早疫病潜育期高光谱识别效果的影响
2023年
番茄早疫病感染性强、破坏性大,潜育期症前特征的检测识别是番茄早疫病监测预警和科学防治的关键。在实验室以离体番茄叶片作为研究对象,利用高光谱图像监测番茄叶片早疫病的病程演变情况,结合可见光图像和光谱特征进行数据分析。实验发现,番茄叶片感染早疫病后其近红外光谱平均值和红边反射率随着时间不断降低,且在接种36 h时已出现潜育期病症信息。选择接种36 h的光谱数据作为番茄早疫病潜育期的建模数据,分别利用了主成分(PCA)变换、多元散射校正(MSC)对建模数据进行光谱降维或降噪处理,进而建立梯度提升决策树(GBDT)和支持向量机(SVM)识别模型,并导入数据进行训练识别。讨论了PCA和MSC的预处理方法对梯度提升决策树(GBDT)和支持向量机(SVM)模型识别效果的影响;进一步讨论常见核函数对SVM识别模型的影响,优选出预处理方法和识别模型的组合算法。结果发现,PCA-GBDT、PCA-SVM(高斯核)、PCA-SVM(线性核)、MSC-GBDT、MSC-SVM(多项式核)这几类组合算法准确率均为95%以上,能很好的实现番茄早疫病潜育期的光谱识别;其中MSC-GBDT的识别召回率和准确率最好,而PCA-SVM(高斯核)识别效率最高。研究表明,通过降噪处理后的番茄早疫病潜育期高光谱数据减少了噪声、更加符合真实的分布、具有较大的可信数据量,配合简单的识别模型会导致识别能力不足,而配合复杂的识别模型可达到一个较可靠的测试结果;通过降维算法能使番茄早疫病潜育期高光谱数据的维度降低、数据量减少;降维后的特征能够表达出病变信息,配合简单识别模型时识别效果好,而配合过于复杂的识别模型会导致识别模型的过拟合。
胡政张艳
关键词：番茄早疫病潜育期高光谱成像支持向量
全选 清除 导出
共3页<123>
聚类工具0