【摘 要】
:
玉米是世界三大粮食作物之一,是我国十分重要的粮食作物,但玉米在储存及运输时容易发生霉变,影响粮食的质量安全。目前对玉米霉变的检测还停留在在抽样基础上的人工感官检测以及理化检测,存在成本高,操作复杂,可重复性差,周期长,容易对样品造成损伤等缺点。近年来高光谱图像技术的迅速普及,通过高光谱图像技术检测玉米霉变,相对传统检测方法,不仅能提高效率,减少成本,提高结果准确性,还能保证无损、无接触,避免在检测
论文部分内容阅读
玉米是世界三大粮食作物之一,是我国十分重要的粮食作物,但玉米在储存及运输时容易发生霉变,影响粮食的质量安全。目前对玉米霉变的检测还停留在在抽样基础上的人工感官检测以及理化检测,存在成本高,操作复杂,可重复性差,周期长,容易对样品造成损伤等缺点。近年来高光谱图像技术的迅速普及,通过高光谱图像技术检测玉米霉变,相对传统检测方法,不仅能提高效率,减少成本,提高结果准确性,还能保证无损、无接触,避免在检测中造成二次污染影响结果。因此利用高光谱图像技术检测玉米霉变有着十分重要的意义。本文的主要的研究内容和成果如下:(1)本文对玉米种子的霉变部分进行像素级的检测,并结合了霉变玉米的光谱特征和纹理特征,由于数据维度高且分布为非团状,直接采用基于欧式距离的传统聚类算法时结果不理想,故提出一种基于模糊C均值聚类与谱聚类的多聚类中心算法,以第一次模糊C均值聚类结果中的聚类中心作为第二次谱聚类的数据,减少进行谱聚类的数据量,充分利用谱聚类优秀的聚类性能。同时,对于数据中的噪声问题,由于本算法中谱聚类是对第一次聚类的聚类中心进行聚类,孤立的噪声点很难成为聚类中心,故能减少噪声对谱聚类的干扰。本文利用该算法分别对人造数据集和霉变玉米种子的高光谱数据集进行分类,并与多种算法比较,结果表明,模糊C均值-谱聚类(FCM-SC)分类效果优于其他算法。(2)高光谱图像数据除了拥有众多波段下的光谱信息,相较于近红外光谱,还保留了图像的空间信息,但目前针对高光谱图像分类的研究,许多是将高光谱立方体数据展开成二维的矩阵,这样会导致数据的空间信息丢失,从而影响分类效果。而本文基于高阶偏最小二乘算法对玉米种子霉变部分进行像素级的检测,在算法中可将高光谱立方体作为输入数据,保留数据的空间信息,并与将立方体数据展开成二维后进行分类的其他算法进行比较,结果表明,高阶偏最小二乘分类效果优于其他算法。
其他文献
社会经济的发展,推动城市化进程的不断加快,使得城市建设成为当前和今后一段时期的重要工作。在城市规划及建设过程中,复杂区域条件下的地下管线建设成为辅助城市基本生活的必要设施。为了满足城市居民的基本生活需求,需要重点对地下管线建设加以梳理,其中地下管线探测技术决定着后续的管线建设是否能够顺利进行。针对这一技术层面的有效推进,确保城市复杂区域内的地下管线建设能更为有效。本文针对城市复杂区域内的地下管线探
本文主要是以原料指标含量预测精度尽可能高为目的,提出了一个汤圆原料指标含量的深度混合预测模型,为食品加工企业在原料的优选以及制品品质检测上提供帮助。研究内容分为以下三个部分:(1)数据预处理。首先将获取的汤圆制品指标和原料指标数据进行预处理,然后对汤圆制品指标和原料指标进行初步特征提取,最后对汤圆原料指标数据进行因素分析,得出了口感成分、外观成分、营养成分这三个维度下的各项原料指标体系。(2)二级
食品是高校学生的日常必需品,其质量与学生的身体健康密切相关,也是高校开展好教育工作的重要保障。如何从根本上解决学校食堂食品安全问题,是高校长期健康发展的必然选择。本文通过对目前我国高校校园食品安全现状的分析,提出了一些可供参考的对策,以期对我国高校食品安全管理工作有所启示。
目的 构建重症监护室(ICU)重症患者发生脓毒症的风险预测模型,为临床医生早期识别脓毒症患者提供工具。方法 选择2021年5月至2022年10月在山西白求恩医院ICU入住的患者为研究对象,将符合纳入标准的患者随机分为训练集和验证集。收集临床常用指标,采用Logistic回归模型,根据赤池信息准则,筛选脓毒症的独立危险因素,建立预测模型。采用受试者工作特征曲线(ROC)、校准曲线、决策曲线(DCA)
我国作为人口大国,一直把农业生产放在重要位置。农业是第一产业,在国家经济体制中占据着重要一环。大米的口感受到多方影响,其中受到品种和产地等因素的影响非常大,且不同品种大米的差价较大,这给了不法分子机会,能够分辨出大米品种成了迫切的需求。加深了大米品种检测的重要性。加之计算机科学与技术的蓬勃发展,无论是计算机在硬件的突破还是软件上面的更新都给予了计算机更加强大的图像处理能力。计算机的数据处理能力急速
<正>功崇惟志,业广为勤。党的二十大是在全面建设社会主义现代化国家新征程、向第二个百年奋斗目标进军的关键时刻召开的一次十分重要的大会,在党和国家发展进程中具有极其重大的历史意义。习近平总书记回顾总结了过去五年的工作和新时代十年的伟大变革,阐述了开辟马克思主义中国化时代化新境界、中国式现代化的中国特色和本质要求等重大问题,
油菜在我国食用油生产加工中占有重要地位,是我国主要的油料作物之一。油菜育种研究的方向之一是提高油菜的出油率。在这类研究中,油菜籽产油量的确定是其各项研究数据的前提,直接决定千粒重作为基本研究参数的可靠性。传统的计数方法主要通过人工计数来完成,既费时费力又重复枯燥。对此提出一种可以计算油菜籽图像中种子数量的应用方案。该方案基于数字图像处理原理和FPGA技术。通过采集油菜图像、处理加速度和图像算法识别
油菜根肿病病害会影响油菜根系的质量,能够在这种病害对植物造成严重损害之前就可以预测出尤为重要。因此,为克服以人工方式来检测识别的甘蓝型油菜根肿病病害偏差过大、完全依靠个人的主观意识判断,导致准确性不够的困难,本文提出了一个通过图像处理分析,应用机器学习的技术,采用了一个高效表达特征的稀疏性结构(Inception)模型来分类根肿病的方法。首先,通过对采集到的原始甘蓝型油菜图片进行预处理,依次对油菜
油菜具有经济价值高和发展潜力大的特点,是我国重要的油料作物。考种是油菜育种过程中的重要手段,而千粒重是油菜估产的重要参数,对油菜的增产和高产有重要的意义。千粒重一般分为数粒和称重两个环节。传统的千粒重测量环节中数粒和称重都由人工完成,这个过程效率低、耗时长和准确度不高,利用基于机器视觉的图像处理方法可以代替人工处理的过程,并且有效的解决上面的问题。传统的基于图像处理的系统由于硬件成本高和搭建复杂的