中国博士后科学基金(2011M500851)
- 作品数：8 被引量：88H指数：6
- 相关作者：黄敏朱启兵朱晓冯朝丽张慜更多>>
- 相关机构：江南大学中国农业大学无锡出入境检验检疫局更多>>
- 发文基金：中国博士后科学基金江苏省自然科学基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术农业科学轻工技术与工程更多>>
- 基于核映射稀疏表示分类的轴承故障诊断被引量：9
- 2013年
- 针对传统稀疏表示分类算法在低维空间分类精度难以保证问题,提出基于核映射的稀疏表示分类算法,并获得低维样本在高维空间坐标,样本间线性可分度得以改善;在此基础上,利用稀疏表示分类算法获得样本在高维空间的稀疏解。经滚动轴承故障分类实验验证,新算法对核参数具有较高的鲁棒性;可明显提高分类精度。
- 朱启兵杨宝黄敏
- 关键词：核映射轴承故障诊断
- 基于高光谱图像技术的菜用大豆厚度检测被引量：5
- 2012年
- 菜用大豆厚度是划分菜用大豆等级的重要衡量指标之一。采用高光谱图像技术对菜用大豆的厚度进行预测。实验中选取200个菜用大豆作为测试样本,获取其高光谱反射图像,同时用数字式游标卡尺测量厚度值。选取400～1 000 nm范围的光谱信息,采用多元散射校正、标准归一化和导数计算对光谱数据预处理,结合偏最小二乘和多元线性回归两种分析方法建立厚度校正模型和预测模型。研究发现基于多元散射校正的偏最小二乘方法的模型精度较优,校正模型和预测模型的相关系数分别为0.956和0.933,均方根误差分别为0.59 mm和0.70 mm。研究结果表明可以利用高光谱图像技术预测菜用大豆厚度。
- 黄敏万相梅朱启兵张慜
- 关键词：菜用大豆高光谱图像厚度检测
- 基于主动轮廓模型的玉米种子高光谱图像分类被引量：7
- 2013年
- 提出将主动轮廓模型(Active contour model,ACM)应用于玉米种子的高光谱图像分割中。首先,通过高光谱成像系统获取9个品种共432粒玉米种子的高光谱反射图像,利用基于主动轮廓模型的图像分割法对玉米种子高光谱图像提取目标区域轮廓,得到单波段下每粒玉米种子12个形状特征参数,然后通过主成分分析法(Principal component analysis,PCA)对特征数据降维,结合波段间的相关性选出12个最优波段,最后利用误差反向传播(Back propagation,BP)神经网络模型进行建模分类,与传统的阈值分割法相比,取得了更好的分类效果。研究结果为高光谱图像目标轮廓提取提供了一种新方法。
- 黄敏朱晓朱启兵冯朝丽
- 关键词：高光谱图像玉米种子图像分割主动轮廓模型
- 基于非负矩阵分解一稀疏表示分类的玻璃缺陷图像识别
- 基于机器视觉的玻璃缺陷识别对于高效的生产优质玻璃具有重要意义论文提出了一种将非负矩阵分解与稀疏表示分类相结合的玻璃缺陷图像识别方法针对玻璃缺陷图像的高维特点,采用非负矩阵分解算法将高维缺陷图像分解为基图像和加权系数矩阵,...
- 杨宝朱启兵黄敏
- 关键词：特征提取非负矩阵分解
- 文献传递
- 基于高光谱图像的玉米种子特征提取与识别被引量：29
- 2012年
- 玉米种子的形态特征是玉米品种识别的重要因素之一.采用高光谱成像系统获取9个品种共432粒玉米种子的高光谱反射图像,对图像进行校正和预处理,提取每个样本在563.6～911.4nm共55个波段范围内的形状特征.分别利用单波段、多波段和全波段下的玉米种子形状特征结合偏最小二乘判别法进行模型分类.结果显示,全波段范围内训练集和测试集的平均正确识别率达到98.31%和93.98%,均优于多波段和单波段的正确识别率.研究表明,该方法能充分利用高光谱图像中可见光和近红外区域的有效特征信息,较准确地鉴别玉米品种,为玉米品种的自动识别领域提供了一种新方法.
- 黄敏朱晓朱启兵冯朝丽
- 关键词：高光谱图像玉米种子
- 基于高光谱图像的玉米种子产地与年份鉴别被引量：13
- 2014年
- 提出了一种利用高光谱图像技术对玉米种子产地和年份的鉴别方法.首先采用高光谱成像系统采集不同产地和年份的玉米种子高光谱图像,利用主动轮廓模型对玉米种子高光谱图像进行轮廓提取,得到每粒玉米在400～1 000 nm共233个波段范围内的4个光谱特征,利用不同的特征及预处理方式结合偏最小二乘判别分析建立玉米种子的产地和年份鉴别模型.结果显示,利用最佳特征及预处理方式建立的玉米种子产地和年份鉴别模型中,训练集和测试集精度分别为99.11％和98.39％.研究结果表明,利用高光谱图像技术对玉米种子的产地和年份进行无损鉴别是可行的.
- 王庆国黄敏朱启兵孙群
- 关键词：高光谱图像玉米种子
- 基于图像熵信息的玉米种子纯度高光谱图像识别被引量：26
- 2012年
- 种子纯度是种子质量的一个重要标志,为寻求快速有效的种子纯度识别方法,该文利用高光谱图像技术研究了玉米种子的分类识别问题。首先对17类玉米品种共1632粒种子的高光谱图像提取400～1000nm波长范围内233个波段的熵信息作为分类特征;然后利用偏最小二乘(PLS)投影算法对玉米高光谱图像进行最优波段选择,共获得65个最优波段特征;最后结合偏最小二乘判别分析法(PLSDA)实现了玉米种子的准确识别分类。分类结果表明,在最优波段数仅为全波段27.90%的情况下,其训练精度可以达到99.19%、测试精度为98.90%,可实现多类别样本条件下的玉米种子纯度识别。
- 朱启兵冯朝丽黄敏朱晓
- 关键词：机器视觉光谱分析种子玉米图像熵
- 基于能量信息的毛豆豆荚螟高光谱图像检测被引量：5
- 2014年
- 为了寻求快速有效的毛豆内部豆荚螟的检测方法,将高光谱图像技术应用于毛豆内部的豆荚螟无损检测。以225个样本为研究对象,首先采用平均灰度值的方法自动获取毛豆感兴趣区域,然后提取400-1000nm波长范围内共94个波段的能量信息作为特征参数,最后结合支持向量数据描述分类器建立豆荚螟的分类检测模型。研究结果显示,在自动提取的感兴趣区域验证集中,正常样本的分类精度为100%,有虫样本分类精度为75%,验证集的总体分类精度为95.6%,可有效识别出含豆荚螟的毛豆样本。
- 马亚楠黄敏李艳华张慜步培银
- 关键词：毛豆感兴趣区域支持向量数据描述
- 基于高光谱图像技术和SVDD的玉米种子识别被引量：9
- 2013年
- 特征提取的充分性和分类器设计的合理性是影响玉米种子识别精度的两个关键问题。采集了玉米种子的高光谱图像,并提取每粒玉米种子在不同波段下的图像熵作为分类特征;在此基础上,利用支持向量数据描述方法构建每类玉米的分类器模型,对待识别样本的测试精度达到了94.14%,对新类别样本的识别精度达到92.28%。仿真结果表明:新方法可实现玉米种子的准确识别,同时解决了传统分类器对新类别样本的错误分类问题。
- 朱启兵冯朝丽黄敏朱晓
- 关键词：玉米种子支持向量数据描述
- 基于小波变换的高光谱散射图像苹果内部品质预测
- 高光谱散射技术可以对水果的内部品质进行无损检测,但高光谱散射图像包含了大量的数据,需对其进行有效的数据降维对600个''''Golden Delicious''''苹果样本的图像分析,采用Danbechies小波系的Db...
- 赵鑫黄敏朱启兵
- 关键词：小波变换数据降维
- 文献传递
