公共文化服务平台

共 7 条记录，以下是 1-7

全选清除导出

排序方式：

基于高光谱成像技术的新疆冰糖心红富士苹果分级和糖度预测研究被引量：15: 2012年; 对新疆冰糖心红富士苹果采用高光谱成像技术进行分级和糖度预测研究。在糖度预测分析中,使用正交试验设计方法确定影响预测效果的主要因素是预测回归方法、光谱预处理方法和波长合并,次要因素是光谱校正处理方法、数据类型和实测值归一化处理。提取平均光谱,经过白板校正,采用一阶微分光谱预处理,10个波长的光谱合并,基于多元线性回归方法建立苹果糖度的预测模型,其验证集苹果糖度的预测模型相关系数为0.911,预测均方根误差为0.76%Brix,相对分析误差为2.44。在分级研究中,选择712nm波长图像,Gamma灰度变换增强图像,大津算法阈值确定后分割图像,基于形态学处理剔除果梗区域,提取苹果分割后区域的面积、充实度、周长、平均灰度等特征,采用二次判别分析分级苹果,验证集苹果分级准确率达到89.5%。结果表明,高光谱图像技术既能够准确预测新疆冰糖心红富士苹果糖度品质,也可以用于基于外部品质特征的分级研究。; 郭俊先饶秀勤程国首胡光辉李俊伟石砦亢银霞; 关键词：高光谱图像糖度

新疆冰糖心红富士苹果RGB图像多指标分析被引量：11: 2013年; 【目的】采用机器视觉技术对新疆冰糖心红富士苹果进行重量、糖度预测和分级。【方法】分析提取苹果RGB图像中单色、波长差、HSV转换后分量等多类型图像,对比图像分割效果确定后续处理图像。采用形态学处理剔除二值化图像果梗区域,提取目标区域几何、灰度和色调频度等特征。采用多元线性和偏最小二乘回归预测苹果重量和糖度,判别分析分类苹果,结合全组合实验方法和特征优选,获得较佳特征集合。【结果】多元线性回归方法建立苹果糖度的预测模型结果最佳,使用几何和灰度的特征集合,建模集和验证集糖度预测相关系数分别为0.623和0.570;使用面积、周长、长轴长度和短轴长度特征集和,或体积、周长、长轴长度和短轴长度四个特征时,多元线性回归预测苹果重量,验证集预测相关系数r为0.992,预测均方根误差为3.88 g,相对分析误差为8.1;采用基于特征优选方法确定41个主要特征,二次判别函数的判别分析分级苹果,验证集分级准确率达到98.7%。【结论】RGB图像能够准确预测新疆冰糖心红富士苹果重量,并能精确分级,但糖度预测效果不佳。; 郭俊先李俊伟胡光辉刘军虞飞宇; 关键词：机器视觉红富士苹果糖度

基于高光谱图像技术的新疆红富士苹果重量预测被引量：10: 2011年; 以新疆红富士苹果为研究对象,初步探讨应用高光谱图像技术预测其重量的研究方法。首先采用高光谱成像仪采集苹果侧面和赤道面投影图像,提取苹果高光谱图像中前景与背景光谱偏差最大的波长图像(733 nm),对其图像分割后获得目标区域的面积(像素数)特征。随后,采用不同的特征和建模方法,建立不同的重量预测模型,对比后确定最佳模型。结果表明,采用两个体积特征建立多元线性回归重量预测模型,苹果重量预测值与实际值间相关系数为0.9927,预测均方根误差为4.3393 g。; 程国首郭俊先石砦肉孜.阿木提亢银霞; 关键词：高光谱图像

无核白鲜葡萄机器视觉质量预测研究!被引量：2: 2014年; 以新疆无核白鲜葡萄为研究对象,采用机器视觉技术预测葡萄穗的质量。首先,提取RGB图像,做G,B双通道分量加运算R+B,采用高斯低通滤波法滤除图像中的噪音,采用Gamma变换法调整图像灰度,从而增强前景与背景的对比度。其次,采用自动阈值分割法分割图像,经数学形态学的腐蚀和开运算获得最佳二值图像,提取二值图像中目标区域的几何特征。最后,采用一元线性回归、多元线性回归和偏最小二乘回归预测葡萄穗的质量。结果表明,提取分割后的葡萄穗面积、周长、长轴及短轴长度等特征建立的偏最小二乘回归模型,其预测葡萄穗质量效果最佳,相关系数r2为96.91%。; 李俊伟郭俊先张学军胡光辉程国首; 关键词：机器视觉偏最小二乘回归

基于可见/近红外光谱的鹅鸭混合绒定量检测研究被引量：3: 2012年; 鹅绒和鸭绒的外观相似但在品质上鹅绒优于鸭绒,各国羽绒毛标准对鹅绒毛中的鸭绒毛含量都有最高限定。传统检测方法为高倍显微镜目测法,该方法劳动强度大,且不适宜大批量样本的分析及现场快速检测。利用可见/近红外光谱结合连续投影算法(SPA)特征波长选择的建模方法对鹅绒中混有鸭绒含量进行了定量检测。在450～930nm范围内,通过SPA选择的8个特征波长建立多元线性回归模型,取得了较好的预测结果,相关系数为0.983,校正均方根误差(RMSEC)为5.44%,预测均方根误差(RMSEP)为5.75%,有望用于羽绒毛品质的快速检测。; 徐惠荣宋保国万旺军周莹应义斌; 关键词：连续投影算法波长选择

基于高光谱图像的新疆红富士苹果颜色分级研究被引量：4: 2012年; 【目的】以新疆红富士苹果为研究对象,探讨应用高光谱图像技术对其着色面积进行的研究方法。【方法】对852/713双波段比图像作阈值分割,以及形态学开运算去除果梗区域,提取色调H灰度图像对应去除果梗的二值图像像素值为1的累计频度值,依据AdaBoost算法将15个BP神经网络弱分类器训练组成强分类器,对苹果的着色面积进行分类。【结果】采用AdaBoost_NN对苹果着色面积的分级与人工分级一致率达到97.7%。其中45个优等果有2个被错分为一等果,27个等外果有1个被错分为二等果。【结论】利用高光谱图像技术提取的特征波长图像能够很好的对苹果着色面积进行分级,为今后多光谱成像技术在线分析苹果品质奠定研究基础。; 程国首肉孜.阿木提郭俊先胡光辉李俊伟亢银霞石砦; 关键词：高光谱图像苹果着色面积

皮棉表面多类异性纤维的高光谱图像检测被引量：24: 2010年; 为了考察高光谱成像技术检测多类异性纤维共存时的性能,也为其今后用于商业化皮棉质量评价,或在线皮棉杂质分拣提供研究基础,试验采集丙纶丝和毛发共存的样本高光谱图像。依据单一异性纤维分割的最佳波段图像,获得灰度平均和小波变换后融合图像。通过对比小波变换融合图像,灰度平均图像,以及全波段下主成分和独立成分得分图像,获得用于目标分割的最佳图像。采用最优特征集和分类树判别方法,判别最佳图像分割后的连通区域,剔除噪声点和假阳性。依据目标判定原则,训练集和独立验证集的异性纤维识别率分别为84.09%和75.86%。结果表明,高光谱图像能够检测多类共存的异性纤维,验证集中灰色、白色丙纶丝和黑色毛发识别率为100%,白色毛发识别率为0。; 郭俊先应义斌成芳康玉国李付堂饶秀勤; 关键词：图像识别小波变换高光谱图像皮棉异性纤维

全选清除导出

共1页<1>

国家自然科学基金(61005022)