搜索结果:找到“孔汶汶”相关结果140条
排序: 按相关 按相关 按时间降序
  • 【期刊】 近红外高光谱成像技术快速鉴别国产咖啡豆品种

    刊名:光学精密工程 作者:孔汶汶 ; 鲍一丹 ; 陈纳 ; 何勇 ; 刘飞 ; 张初 关键词:近红外高光谱成像 ; 咖啡豆 ; 无损判别 ; 判别分析模型 ; 极限学习机 机构:浙江大学生物系统工程与食品科学学院 ; 浙江大学生物系统工程与食品科学学院 年份:2015
    摘要:结合近红外高光谱成像技术和不同的判别分析模型对4种国产咖啡豆品种进行了快速无损判别。通过高光谱成像仪提取874~1 734nm波段内的光谱数据,去除首尾噪声波段后,分别基于925~1 680nm波段的全谱波段和通过连续投影算法(SPA)选择的特征波长,建立了偏最小二乘判别分析(PLS-DA)、随机森林(RF)、K最邻近算法(KNN)、支持向量机(SVM)模型和极限学习机(ELM)5种判别分析模型。基于上述判别模型对咖啡豆品种进行鉴别;然后通过准确率、命中率和否定率3个参数对鉴别结果进行了评价。实验显示,基于全谱和特征波段建立的模型均取得了较好的判别效果,其中ELM模型效果均为最优,每个品种建模集和预测集的准确率、命中率和否定率均在93.5%以上。研究结果表明,基于近红外高光谱成像技术结合模型判别分析方法可以实现对国产咖啡豆品种的识别,特征波长的选择减少了变量数,但判别效果与全谱相当。
  • 【期刊】 近地高光谱成像技术对黑豆品种无损鉴别

    刊名:光谱学与光谱分析 作者:孔汶汶 ; 张初 ; 刘飞 ; 章海亮 ; 何勇 关键词:黑豆 ; 高光谱成像 ; 判别分析模型 机构:浙江大学生物系统工程与食品科学学院 ; 浙江大学生物系统工程与食品科学学院 ; 华东交通大学机电工程学院 年份:2014
    摘要:基于近地高光谱成像技术结合化学计量学方法,实现了黑豆品种的鉴别。实验以三种不同颜色豆芯的黑豆为研究对象,采用高光谱成像系统采集380~1 030nm波段范围的高光谱图像,提取高光谱图像中的样本感兴趣区域平均光谱信息作为样本的光谱进行分析,建立黑豆品种的判别分析模型。共采集180个黑豆样本的180条平均光谱曲线。剔除明显噪声部分之后以440~943nm范围光谱为黑豆样本的光谱,采用多元散射校正(multiplicative scatter correction,MSC)对光谱曲线进行预处理。分别以全部光谱数据、主成分分析(principal component analysis,PCA)提取的光谱特征信息、小波分析(wavelet transform,WT)提取的光谱特征信息建立了偏最小二乘判别分析法(partial least squares discriminant analysis,PLS-DA),簇类独立模式识别法(soft independent modeling of class analogy,SIMCA),最邻近节点算法(K-nearest neighbor algorithm,KNN),支持向量机(support vector machine,SVM),极限学习机(extreme learning machine,ELM)等判别分析模型。以全谱的判别分析模型中,ELM模型效果最优;以PCA提取的光谱特征信息建立的模型中,ELM模型也取得了最优的效果;以WT提取的光谱特征信息建立的模型中,ELM模型结识别效果最好,建模集和预测集识别正确率达到100%。在所有的判别分析模型中,WT-ELM模型取得了最优的识别效果。实验结果表明以高光谱成像技术对黑豆品种进行无损鉴别是可行的,且WT用于提取光谱特征信息以及ELM模型用于判别黑豆品种能取得较好的效果。
  • 【期刊】 汽车自动变速箱油的近红外光谱识别研究

    刊名:光谱学与光谱分析 作者:孔汶汶 ; 蒋璐璐 ; 骆美富 ; 张瑜 ; 余心杰 ; 刘飞 关键词:变速箱油 ; 近红外光谱 ; 稀疏表示 ; 流形学习 ; 识别 机构:浙江经济职业技术学院 ; 浙江经济职业技术学院 ; 浙江大学宁波理工学院 ; 浙江大学生物系统工程与食品科学学院 年份:2014
    摘要:利用自编码网络(autoencoder network,AN)流形学习和稀疏表示(sparse representation,SR)方法对汽车变速箱油进行近红外光谱品种识别研究。以壳牌、美孚、嘉实多、上海大众和上海通用五种变速箱油为对象,利用AN方法对600~1800nm近红外光谱数据进行非线性降维,获取10个特征变量。每种变速箱油选取30个样本(共150个样本)作为训练样本,每种30个样本(共150个样本)作为测试样本。所有训练样本的特征变量组成了稀疏表示方法的整体训练样本矩阵,将变速箱油品种分类识别问题转化为一个求解待识别测试样本对于整体训练样本矩阵的稀疏表示问题,通过求解L-1范数意义下的最优化问题来实现。经过主成分分析(principal component analysis,PCA)和AN降维后,分别利用线性判断分析法(linear discriminant analysis,LDA)、偏最小二乘支持向量机法(least squares-support vector machine,LS-SVM)和本文提出的稀疏表示分类算法进行分类比较。结果表明,结合自编码网络和稀疏表示方法对五种汽车变速箱油品种的平均识别准确率达97.33%,为汽车变速箱油品种近红外光谱快速准确识别提供了有效的新途径。
  • 【期刊】 基于中红外光谱分析技术的香菇产地识别研究

    刊名:光谱学与光谱分析 作者:孔汶汶 ; 朱哲燕 ; 张初 ; 刘飞 ; 何勇 关键词:中红外光谱 ; 香菇产地 ; 相关向量机 机构:浙江经济职业技术学院 ; 浙江经济职业技术学院 ; 浙江大学生工食品学院 年份:2014
    摘要:采用中红外光谱分析技术对香菇产地进行识别研究,并将相关向量机(relevance vector machine,RVM)算法应用于中红外光谱判别分析之中,取得了较好的效果。通过采集香菇粉末的中红外透射光谱,去除光谱噪声明显部分,对剩下的3 581~689cm-1透射谱线采用多元散射校正(multiplicative scatter correction,MSC)进行预处理,并基于预处理谱线建立了香菇产地识别的偏最小二乘判别分析(partial least squares-discriminant analysis,PLS-DA)、簇类独立软模式分类(soft independent modeling of class analogy,SIMCA)、K最邻近算法(K-nearest neighbor algorithm,KNN)、支持向量机(support vector machine,SVM)、RVM模型等五种判别分析模型。所有模型的识别正确率均高于80%,KNN,SVM和RVM判别分析模型取得了相近的结果,建模集和预测集识别正确率高于90%。基于全谱的PLS-DA模型的加权回归系数,利用加权回归系数法选取了6个特征波数,并基于特征波数建立了PLS-DA,KNN,SVM和RVM模型。基于特征波数的PLS-DA模型的建模集和预测集识别正确率均低于80%,而KNN,SVM和RVM模型的建模集和预测集的识别效果相近,且都高于90%。基于全谱和特征波数的模型中,RVM算法表现出较好的效果,识别正确率优于90%。结果表明,基于中红外光谱技术能用于香菇产地的识别,特征波数的选择以及RVM算法可以有效的用于中红外光谱判别分析中。本文成功将中红外光谱用于香菇产地识别研究,为香菇品质以及其他农产品品质分析提供了一种新的想法,具有实际意义。
  • 【期刊】 应用高光谱成像技术对打蜡苹果无损鉴别研究

    刊名:光谱学与光谱分析 作者:孔汶汶 ; 高俊峰 ; 章海亮 ; 何勇 关键词:蜡苹果 ; 高光谱 ; PLS ; SPA ; LS-SVM ; BP神经网络 ; 鉴别 机构:浙江大学生物系统工程与食品科学学院 ; 浙江大学生物系统工程与食品科学学院 ; 浙江大学唐仲英传感材料及应用研究中心 年份:2013
    摘要:探讨应用高光谱成像技术快速无损鉴别不同苹果蜡的可行性。通过对分别打食用果蜡、工业蜡和未打蜡的126个苹果样品,采用380~1 024nm范围的高光谱图像仪获取三类苹果的高光谱图像信息,采用ENVI软件处理平台提取高光谱图像中对象的漫反射光谱响应特性。从126个样品中随机取出84个样品建模,其余42个样品作为独立的验证集。对光谱数据分别采用偏最小二乘(PLS)、最小二乘支持向量机(LS-SVM)和BP神经网络等建立高光谱响应特征与食用蜡苹果、工业蜡苹果、未打蜡苹果的关系模型,比较不同建模方法的效果。结果表明:采用MSC-SPA-LS-SVM模型可以较好的区分食用果蜡、工业蜡和未打蜡的三类苹果,预测结果的正确率分别为100%,100%和92.86%。
  • 【期刊】 基于中红外光谱技术的香菇蛋白质含量测定

    刊名:光谱学与光谱分析 作者:孔汶汶 ; 朱哲燕 ; 刘飞 ; 张初 ; 何勇 关键词:中红外光谱 ; 香菇 ; 蛋白质含量 ; 连续投影算法 机构:浙江经济职业技术学院 ; 浙江经济职业技术学院 ; 浙江大学生物系统工程与食品科学学院 年份:2014
    摘要:研究了中红外光谱预测香菇蛋白质含量的可行性。去掉明显噪声部分后,研究香菇3 581~689cm-1中红外光谱与蛋白质含量的关系。以Savitzky-Golay(SG)5点平滑预处理光谱建立偏最小二乘法(partial least squares,PLS)的预测模型的效果不理想,模型的建模集和预测集的相关系数均高于0.85,但剩余预测偏差(residual prediction deviation,RPD)值仅为1.77。采用连续投影算法(successive projections algorithm,SPA)算法从3000个波数点中选择7个特征波数,并以七个特征波数分别建立PLS、多元线性回归(multiple linear regression,MLR)、反向传播神经网络(back-propagation neural network,BPNN)和极限学习机模型(extreme learning machine,ELM)。与全谱的PLS相比,以特征波数的PLS模型和MLR模型的预测效果相对较差,而以特征波数的BPNN和ELM模型的预测效果相对较好。其中SPA-ELM模型的预测效果最佳,预测集相关系数(correlation coefficient of prediction)Rp=0.899 5,预测集均方根误差(root mean square error of prediction)RMSEP=1.431 3,剩余预测偏差RPD=2.18。研究结果表明,中红外光谱分析技术可以用于预测香菇蛋白质含量,且SPA选取特征波数能用来代替原始光谱进行建模分析,为香菇蛋白质含量的检测提供了新的思路。
  • 【期刊】 利用近红外高光谱图像技术快速鉴别西瓜种子品种

    刊名:农业工程学报 作者:孔汶汶 ; 张初 ; 刘飞 ; 章海亮 ; 何勇 关键词:近红外光谱 ; 遗传算法 ; 图像处理 ; 西瓜种子 ; 连续投影算法 ; 极限学习机 机构:浙江大学生物系统工程与食品科学学院 ; 浙江大学生物系统工程与食品科学学院 ; 华东交通大学机电工程学院 年份:2013
    摘要:为了研究采用近红外高光谱图像技术对西瓜种子品种快速无损鉴别的可行性,该文采用近红外高光谱图像技术,通过提取西瓜种子的光谱反射率,结合Savitzky-Golay(SG)平滑算法,经验模态分解算法(empirical mode decomposition,EMD)和小波分析(wavelet transform,WT)对提取出的光谱数据进行去除噪声处理,采用连续投影算法(successive projections algorithm,SPA)和遗传-偏最小二乘法(genetic algorithm-partial least squares,GA-PLS)进行特征波长选择。基于全波段光谱建立了偏最小二乘判别分析(partial least squares–discriminant analysis,PLS-DA),基于特征波长建立了反向传播神经网络(back-propagation neural network,BP NN)判别模型和极限学习机(extreme learning machine,ELM)判别模型。试验结果表明,基于特征波长的BPNN模型和ELM模型的结果优于基于全部波长的PLS-DA模型,基于SG预处理光谱提取的特征波长建立的ELM模型取得最优的判别效果,建模集和预测集的判别正确率均为100%。结果表明应用近红外高光谱成像技术对西瓜种子品种鉴别是可行的,为西瓜种子的品种快速鉴别提供了一种新方法。
  • 【期刊】 高光谱与机器学习相结合的大白菜种子品种鉴别研究

    刊名:光谱学与光谱分析 作者:孔汶汶 ; 程术希 ; 张初 ; 刘飞 ; 何勇 关键词:高光谱 ; Ada-Boost算法 ; 极限学习机 ; 随机森林 ; 支持向量机 机构:浙江大学生物系统工程与食品科学学院 ; 浙江大学生物系统工程与食品科学学院 年份:2014
    摘要:提出了基于高光谱信息的大白菜种子品种分类识别方法。利用近红外高光谱图像采集系统采集了八种共239个大白菜种子样本;提取15pixel×15pixel感兴趣区域平均光谱反射率信息作为样本信息;采用多元散射校正预处理方法对光谱进行消噪;验证了Ada-Boost算法、极限学习机(extreme learning machine,ELM)、随机森林(random forest,RF)和支持向量机(support vector machine,SVM)四种分类算法的分类判别效果。为了简化输入变量,通过载荷系数分析选取了10个大白菜种子品种分类判别的特征波长。实验结果表明,四种分类算法基于全波段的分类识别对81个预测样本的正确区分率均超过90%,最优的分类判别模型为ELM和RF,识别正确率达到了100%;以10个特征波长的分类判别精度略有下降,但输入变量大幅减少,提高了信息处理效率,其中最优分类判别模型为EW-ELM模型,判别正确率为100%,因此以载荷系数选取的特征波长是有效的。利用高光谱结合机器学习对大白菜种子品种进行快速、无损分类识别是可行的,为大白菜种子批量化在线检测提供了一种新的方法。
  • 【期刊】 基于高光谱成像技术的番茄茎秆灰霉病早期诊断研究

    刊名:光谱学与光谱分析 作者:孔汶汶 ; 虞佳佳 ; 刘飞 ; 何勇 ; 鲍一丹 关键词:高光谱 ; 最小二乘支持向量机 ; 番茄 ; 灰霉病 机构:浙江大学生物系统工程与食品科学学院 ; 浙江大学生物系统工程与食品科学学院 ; 浙江职业技术学院电气电子工程学院 年份:2013
    摘要:共采集了112个番茄茎秆高光谱数据(光谱范围400~1 030nm),结合图像处理和化学计量学方法建立了番茄茎秆灰霉病早期诊断模型。应用偏最小二乘法(PLS)模型的隐含变量载荷分布选取了七个特征波长(EW),并建立了番茄茎秆灰霉病早期诊断的最小二乘支持向量机(LS-SVM)模型。结果表明,经过变量标准化(SNV)及多元散射校正(MSC)预处理所建立的EW-LS-SVM模型获得了满意的判别效果,且优于全波段的PLS模型。说明高光谱成像技术进行番茄茎秆灰霉病的早期诊断是可行的,为番茄病害早期诊断和预警提供了新的方法。
  • 【期刊】 除草剂胁迫下大麦叶片丙二醛含量的光谱快速检测方法

    刊名:农业工程学报 作者:孔汶汶 ; 刘飞 ; 方慧 ; 何勇 关键词:近红外光谱 ; 偏最小二乘法 ; 支持向量机 ; 丙二醛 ; 大麦 机构:浙江大学生物系统工程与食品科学学院 ; 浙江大学生物系统工程与食品科学学院 年份:2012
    摘要:丙二醛(MDA)是植物衰老和抗性生理研究中的一个重要指标,传统检测方法程序复杂,检测费时。该研究应用近红外光谱技术实现了除草剂胁迫下大麦叶片丙二醛(MDA)含量的简便、无损、快速检测。采集75个大麦叶片样本的近红外光谱数据,比较了Savitzky-Golay平滑(SG)、变量标准化(SNV)、多元散射校正(MSC)等7种预处理方法,建立了大麦叶片丙二醛含量预测的最优偏最小二乘法(PLS)模型,将PLS提取的特征向量(LV)作为最小二乘-支持向量机(LS-SVM)模型的输入变量,建立了LV-LS-SVM模型。选用回归系数(RC)方法提取原始光谱的特征波长,将其分别作为PLS、MLR和LS-SVM的输入变量建立相应模型。将相关系数(r)和预测集均方根误差(RMSEP)作为模型的主要评价指标。结果表明,LV-LS-SVM模型效果优于PLS模型,LV-LS-SVM模型在SNV及MSC预处理后预测效果相同,其预测的r和RMSEP分别为0.9383和10.4598,获得了满意的预测效果。说明应用光谱技术检测大麦叶片中MDA含量是可行的,且预测精度较高,为大麦生长状况的大田监测及除草剂胁迫对大麦抗性等生理信息的快速检测提供了新的途径。
  • 【期刊】 近红外光谱技术用于豆浆粉品牌与假冒豆浆粉的鉴别

    刊名:光谱学与光谱分析 作者:孔汶汶 ; 张初 ; 刘飞 ; 何勇 关键词:近红外光谱 ; 豆浆粉 ; x-loading weights ; 误差反向传播神经网络 机构:浙江大学生物系统工程与食品科学学院 ; 浙江大学生物系统工程与食品科学学院 年份:2014
    摘要:采用近红外光谱分析技术结合化学计量学方法研究对不同品牌的豆浆粉以及假冒的豆浆粉鉴别的可行性。采集不同品牌豆浆粉以及假冒豆浆粉在12 500~4 000cm-1范围内光谱,并进行不同的预处理。采用偏最小二乘-判别分析(partial least squares-discriminant analysis,PLS-DA)对不同预处理的光谱进行建模比较,去趋势算法(De-trending)预处理光谱与多元散射校正(multiplicative scatter correction,MSC)结合De-trending(MSC+De-trending)预处理光谱的PLS-DA模型预测集判别正确率最高,均为100%。采用xloading weights方法分别基于De-trending和MSC-De-trending预处理光谱选择了6个和7个特征波数,并以特征波数分别建立了线性判别分析(linear discriminant analysis,LDA)和误差反向传播神经网络(backpropagation neural network,BPNN)的判别分析模型。结果表明,以所选出的不同的特征波数建立的BPNN判别分析模型取得了最佳的判别效果,建模集和预测集的判别正确率均为100%。采用近红外光谱分析技术可以准确的判别豆浆粉品牌以及假冒豆浆粉产品。
  • 【期刊】 基于光谱和成像技术的作物养分生理信息快速检测研究进展

    刊名:农业工程学报 作者:孔汶汶 ; 何勇 ; 彭继宇 ; 刘飞 ; 张初 关键词:作物 ; 成像技术 ; 光谱分析 ; 精准农业 ; 养分信息 ; 生理信息 ; 检测 机构:浙江大学生物系统工程与食品科学学院 ; 浙江大学生物系统工程与食品科学学院 年份:2015
    摘要:该文阐述了应用光谱和成像技术进行作物养分生理信息快速检测的主要研究进展和发展趋势。介绍了光谱和成像技术的基本原理、常用数据处理方法、建模方法和模型评价指标,重点总结了光谱和成像技术在5种常见农作物(水稻、小麦、油菜、玉米、大豆)的养分生理信息检测中的应用成果和研究进展(主要包括叶绿素类和氮素检测,病虫害、水分、杂草、重金属、农药胁迫诊断及产量预测等方面),分析了光谱和成像技术在作物生长信息检测的发展趋势。结果表明,光谱和成像技术能够快速无损获取作物养分生理信息,并能有效地对作物长势和逆境胁迫响应进行动态监测,对实现农业的精准化、数字化、信息化及智能化管理和作业具有重要意义。