基于高光谱成像技术的大米产地鉴别研究
发布时间：2021-11-05 07:27
为了探讨基于高光谱图像技术快速、准确、稳定的大米产地确证方法,在吉林省不同水稻产区采集990个大米样本作为研究对象,利用高光谱成像系统获取4001000nm波段范围的高光谱图像,提取10pixel×10pixel感兴趣区域内平均光谱反射信息作为样本数据。为了减少噪声等干扰信息的影响,采用标准正态变换（standard normal Z transformation,SNV）、卷积平滑（Savitzky-Golay,S-G）及多元散射校正（multiplicative scatter correction,MSC）三种光谱曲线预处理方法。利用多层感知机（Multi-Layer Perceptron,MLP）、在线序列极限学习机（Online Sequential Extreme Learning Machine,OS-ELM）、极限学习机（Extreme Learning Machine,ELM）三种非线性机器学习算法和偏最小二乘（Partial Least Squares Regression,PLS）算法,在对全波段的光谱数据进行自适应重加权（Competiti...
【文章来源】：吉林农业大学吉林省
【文章页数】：46 页
【学位级别】：硕士
【部分图文】：
cars流程图
图 2.2 ELM 结构图Fig 2.2 ELM structure diagram习机算法的隐含层个数为 l，激活函数 g。输入权重 ，和输入偏置 , = 1, ,输出矩阵 ，如式（2.23 所示）=( , , ) ,, , , , ,×权重( )= ，其中 = ( ) ， 习机习机(Online Sequential Extreme Learning Machi。不仅保留了 ELM 的优点与特点，且能有效地灵活的分批处理，避免了数据重复训练所带来问率[60]。种批量学习算法，由输入层、隐含层和输出层组
砻谷机 JLGJ4.5 河南郑州南北仪器碾米机 HNMJ3 河南郑州南北仪器采集统像采集系统（图 3.1）采集大米原始高光谱数据，该采用 2×2 binning 压缩方式的成像光谱仪（Imspector，Finland）、P/N 9130 线光源及 2900ER 控制器（Illumin 相机（Hamamatsu Photonics，Japan）、V23-f/2.4 030司的 GZ02DS20 可升降样品台，和卓立汉光公司的 Philips 公司的 9589（EKE-ER）全光谱卤素灯为光源摄接圈以保证获取清晰地样品图像。为了有效获取能试验对比后，将大米样本按照 3×5 网格分布（图 3.，物距为 13.5 cm，曝光时间为 15 ms，位移台移动速
【参考文献】：
期刊论文
[1]高光谱图像与卷积神经网络相结合的油桃轻微损伤检测[J]. 武锦龙,苗荣慧,黄锋华,杨华. 山西农业大学学报(自然科学版). 2019(02)
[2]基于边缘映射抽样与多维尺度压缩的紧凑图像哈希算法[J]. 戴歆,杨成,陈栎. 计算机应用与软件. 2019(03)
[3]基于RELIEF算法和极限学习机的苹果轻微损伤高光谱检测方法[J]. 张萌,李光辉. 浙江大学学报(农业与生命科学版). 2019(01)
[4]基于改进自适应加权融合算法的土壤湿度监测研究[J]. 王浩,董振振,赵景波,唐勇伟,段杰. 中国农机化学报. 2019(01)
[5]基于高光谱技术的金银花硫含量快速检测模型建立（英文）[J]. 冯洁,刘云宏,石晓微,王庆庆,许倩. 食品科学. 2018(24)
[6]基于多层感知机网络的手写数字识别算法[J]. 张行文,董元和. 电脑知识与技术. 2018(32)
[7]不同高光谱特征参数区分马铃薯品种的优劣势分析[J]. 段丁丁,何英彬,罗善军,王卓卓. 光谱学与光谱分析. 2018(10)
[8]基于机器学习方法的吉林大米产地确证模型研究[J]. 王靖会,臧妍宇,曹崴,崔浩,郑晖,陈美文,于合龙. 中国粮油学报. 2018(09)
[9]基于高光谱技术检测全蛋粉掺假的研究[J]. 刘平,马美湖. 光谱学与光谱分析. 2018(01)
[10]基于近红外高光谱成像技术的干制红枣品种鉴别[J]. 樊阳阳,裘正军,陈俭,吴翔,何勇. 光谱学与光谱分析. 2017(03)
博士论文
[1]基于光谱与光谱成像技术的油菜病害检测机理与方法研究[D]. 张初.浙江大学 2016
[2]大米品质检测系统研究[D]. 万鹏.吉林大学 2009
硕士论文
[1]基于深度学习的水果糖度可见/近红外光谱无损检测方法研究[D]. 温馨.北京交通大学 2018
[2]电饭煲烹饪籼米饭品质变化及加工参数影响[D]. 刘巧真.江南大学 2018
[3]基于自适应加权系数的相干平面波复合成像算法研究[D]. 张路南.合肥工业大学 2018
[4]基于近红外光谱的单籽粒水稻种子品质检测的方法研究[D]. 王纯阳.中国科学技术大学 2017
[5]基于高光谱成像技术对李果实成熟度判别研究[D]. 张学豪.山西农业大学 2016
[6]基于高光谱成像技术的大米快速无损检测研究[D]. 王璐.华南理工大学 2016
[7]基于高光谱图像技术无损检测猕猴桃的内部品质[D]. 赵凡.西北农林科技大学 2016
[8]基于高光谱成像技术的灵武长枣品质无损检测研究[D]. 李丹.宁夏大学 2015
[9]基于稀疏偏最小二乘算法的生物组学数据融合算法研究[D]. 王锋.吉林大学 2012
本文编号：3477350
【文章来源】：吉林农业大学吉林省
【文章页数】：46 页
【学位级别】：硕士
【部分图文】：
cars流程图
图 2.2 ELM 结构图Fig 2.2 ELM structure diagram习机算法的隐含层个数为 l，激活函数 g。输入权重 ，和输入偏置 , = 1, ,输出矩阵 ，如式（2.23 所示）=( , , ) ,, , , , ,×权重( )= ，其中 = ( ) ， 习机习机(Online Sequential Extreme Learning Machi。不仅保留了 ELM 的优点与特点，且能有效地灵活的分批处理，避免了数据重复训练所带来问率[60]。种批量学习算法，由输入层、隐含层和输出层组
砻谷机 JLGJ4.5 河南郑州南北仪器碾米机 HNMJ3 河南郑州南北仪器采集统像采集系统（图 3.1）采集大米原始高光谱数据，该采用 2×2 binning 压缩方式的成像光谱仪（Imspector，Finland）、P/N 9130 线光源及 2900ER 控制器（Illumin 相机（Hamamatsu Photonics，Japan）、V23-f/2.4 030司的 GZ02DS20 可升降样品台，和卓立汉光公司的 Philips 公司的 9589（EKE-ER）全光谱卤素灯为光源摄接圈以保证获取清晰地样品图像。为了有效获取能试验对比后，将大米样本按照 3×5 网格分布（图 3.，物距为 13.5 cm，曝光时间为 15 ms，位移台移动速
【参考文献】：
期刊论文
[1]高光谱图像与卷积神经网络相结合的油桃轻微损伤检测[J]. 武锦龙,苗荣慧,黄锋华,杨华. 山西农业大学学报(自然科学版). 2019(02)
[2]基于边缘映射抽样与多维尺度压缩的紧凑图像哈希算法[J]. 戴歆,杨成,陈栎. 计算机应用与软件. 2019(03)
[3]基于RELIEF算法和极限学习机的苹果轻微损伤高光谱检测方法[J]. 张萌,李光辉. 浙江大学学报(农业与生命科学版). 2019(01)
[4]基于改进自适应加权融合算法的土壤湿度监测研究[J]. 王浩,董振振,赵景波,唐勇伟,段杰. 中国农机化学报. 2019(01)
[5]基于高光谱技术的金银花硫含量快速检测模型建立（英文）[J]. 冯洁,刘云宏,石晓微,王庆庆,许倩. 食品科学. 2018(24)
[6]基于多层感知机网络的手写数字识别算法[J]. 张行文,董元和. 电脑知识与技术. 2018(32)
[7]不同高光谱特征参数区分马铃薯品种的优劣势分析[J]. 段丁丁,何英彬,罗善军,王卓卓. 光谱学与光谱分析. 2018(10)
[8]基于机器学习方法的吉林大米产地确证模型研究[J]. 王靖会,臧妍宇,曹崴,崔浩,郑晖,陈美文,于合龙. 中国粮油学报. 2018(09)
[9]基于高光谱技术检测全蛋粉掺假的研究[J]. 刘平,马美湖. 光谱学与光谱分析. 2018(01)
[10]基于近红外高光谱成像技术的干制红枣品种鉴别[J]. 樊阳阳,裘正军,陈俭,吴翔,何勇. 光谱学与光谱分析. 2017(03)
博士论文
[1]基于光谱与光谱成像技术的油菜病害检测机理与方法研究[D]. 张初.浙江大学 2016
[2]大米品质检测系统研究[D]. 万鹏.吉林大学 2009
硕士论文
[1]基于深度学习的水果糖度可见/近红外光谱无损检测方法研究[D]. 温馨.北京交通大学 2018
[2]电饭煲烹饪籼米饭品质变化及加工参数影响[D]. 刘巧真.江南大学 2018
[3]基于自适应加权系数的相干平面波复合成像算法研究[D]. 张路南.合肥工业大学 2018
[4]基于近红外光谱的单籽粒水稻种子品质检测的方法研究[D]. 王纯阳.中国科学技术大学 2017
[5]基于高光谱成像技术对李果实成熟度判别研究[D]. 张学豪.山西农业大学 2016
[6]基于高光谱成像技术的大米快速无损检测研究[D]. 王璐.华南理工大学 2016
[7]基于高光谱图像技术无损检测猕猴桃的内部品质[D]. 赵凡.西北农林科技大学 2016
[8]基于高光谱成像技术的灵武长枣品质无损检测研究[D]. 李丹.宁夏大学 2015
[9]基于稀疏偏最小二乘算法的生物组学数据融合算法研究[D]. 王锋.吉林大学 2012
本文编号：3477350
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3477350.html
