【摘 要】
:
粮食质量安全关系国家粮食安全。粮食的重金属污染给粮食质量安全带来严重危害,提升粮食中重金属污染检测水平至关重要。传统小麦重金属污染物检测方法费时、费力、专业性强,难以满足快速检测的需求。因此,研究和发展快速、高效的检测方法是关键。本文提出使用THz光谱技术对小麦重金属污染物进行检测,在SVM方法的基础上,建立基于DSVM的分类识别模型,实现小麦重金属污染物的快速有效鉴别。本文主要研究内容如下:(1
论文部分内容阅读
粮食质量安全关系国家粮食安全。粮食的重金属污染给粮食质量安全带来严重危害,提升粮食中重金属污染检测水平至关重要。传统小麦重金属污染物检测方法费时、费力、专业性强,难以满足快速检测的需求。因此,研究和发展快速、高效的检测方法是关键。本文提出使用THz光谱技术对小麦重金属污染物进行检测,在SVM方法的基础上,建立基于DSVM的分类识别模型,实现小麦重金属污染物的快速有效鉴别。本文主要研究内容如下:(1)以砷、铅、汞、铬、镉五种小麦重金属污染物及正常小麦为研究对象,制备并获取样品THz时域光谱数据,计算得到频域、吸收系数和折射率光谱。分析不同类型样品的THz光学特性,针对THz时域光谱中噪声比较严重的问题,引入复合评价指标(T)筛选最优的小波参数组合对THz光谱进行去噪处理。通过去噪后THz光谱分析验证了 T值越小,去噪效果越好。根据最小T值筛选出采用sym8小波基4层分解时最优,在去除噪声的同时能够保留有效的光谱信息。(2)不同类型样品的光谱存在一定的差异性,结合SVM算法构建小麦重金属污染物的分类识别模型。通过网格搜索算法对核函数及相应的参数进行寻优,采用线性核函数且惩罚参数为4时,所构建的模型结果最优,准确率达到了 78.9%,优于LDA和kNN的分类结果。验证了 SVM对小麦重金属污染物分类的有效性,且折射率光谱比吸收系数光谱更适合用于小麦重金属污染物的分类识别。(3)为进一步提高分类精度,将深度学习网络结构引入到SVM中构建DSVM模型。根据1-4层隐藏层的准确率和训练时间的关系,隐藏层网络为三层时模型性能最优,并且使用反向传播算法对DSVM的整个网络进行优化,能够进一步提高模型的性能。相较于DNN和SVM等模型,DSVM优化后的模型分类准确率最高,为90.3%。实现了小样本光谱数据深层特征的挖掘和增强,提高了小麦重金属污染物分类准确率。
其他文献
气胸属于肺科急症,需要及时的诊断和治疗。X线胸片检查是诊断气胸的首选方法。深度学习是当下计算机辅助诊断的前沿技术;高精度诊断率是当前气胸辅助诊断急需解决的问题。本文提出了基于深度学习的气胸识别与定位可以实现较高的诊断精度,提高气胸诊断效率。针对气胸的识别(分类),本文提出了一种基于深度学习的正侧向X线胸片融合诊断模型。该模型利用了正侧向胸片的优势,对不同视角下的气胸进行特征提取。避免了使用单一的正
小麦不完善粒是指受到损伤但尚有使用价值的小麦籽粒,通常包括病斑粒、生霉粒、出芽粒、虫蚀粒、破损粒。小麦作为世界上重要的粮食作物,在粮食的生产、流通和消费等环节均具有重要的地位。小麦不完善粒检测是小麦质量检验检工作中最常见的问题之一,不完善粒是衡量小麦质量优劣的关键指标。实现对小麦不完善粒识别技术的深入研究对正确评定小麦质量有着重大的意义。本课题对小麦不完善粒识别问题进行研究,旨在寻找一种优秀的方法
智能驾驶辅助技术是人工智能时代具有重大意义的产物之一。驾驶员在驾驶车辆的过程中,可通过智能辅助驾驶系统以提前预警的方式接收即将到来的危险信号并采取必要措施,很大程度上可避免因驾驶员注意力不集中导致的交通事故。道路上的车道线是保障车辆安全行驶的重要指示标志,为推动智能驾驶辅助技术的发展,开展对车道线检测技术的研究具有十分重要的意义。现有的车道线检测方法应用于简单的道路场景下展现了显著的优越性。然而,
在双碳目标下,当前和今后相当一段时间内间歇性新能源将持续大规模并网,新型高比例新能源电力系统对储能提出了前所未有的需求。抽水蓄能是当前最具规模化的储能方式和清洁能源,是解决新能源大规模消纳的最有效调能方式。抽水蓄能机组是抽水蓄能电站的核心设备,为应对间歇性新能源运行,需要频繁启停和正逆向交替运行,其结构疲劳和劣化问题十分突出。为保障其安全稳定运行,对抽水蓄能机组开展健康状态评估与性能退化趋势预测具
碳纤维作为新型的复合材料,具有质量轻、强度高以及良好的导电性,在军工、航天、船舶等领域应用广泛。随着交通运输、智能系统以及无人驾驶等现代交通的不断发展,对传统电池的轻量化、安全性、有效负载和循环寿命都提出了新的挑战,同时“十四五规划”也要大力发展循环经济,推动实现碳达峰、碳中和的目标。因此,以碳纤维为基础的“结构电池”、“结构功能一体化”、“结构储能”等研究方向应运而生,并迅速成为一个新的研究热点
条纹投影轮廓术具有高分辨率、非接触、低成本、高精度等三维测量优点,成为结构光三维测量领域中最具代表性的测量方法,在工业制造、医学生物、文物保护等领域都有着广泛的应用。随着科学技术的不断发展,对条纹投影三维测量的精度要求越来越高,光栅条纹投影测量系统中的测量精度不仅与测量设备有关,在三维测量过程中产生的误差同样也不可忽视。在条纹投影测量系统中,由于数字投影仪和CCD相机的固有性质,会导致相机采集的光
迁移学习是指利用数据、任务或模型之间的相似性,将在旧领域学习过的模型,应用于新领域的一种学习过程。域自适应作为迁移学习中的重要手段,目的是缩减源域和目标域样本特征之间的分布差异性,让目标域更好的适应源域分类器。实际场景中由于各个域中所包含的信息均不全面,需要同时应用多个视角的信息,故多域迁移研究已成为迁移学习发展的前沿方向和热点。由于多域迁移中多源域间、各目标域间以及源域和目标域间的样本分布差异性
智能化视频监控是公共安全风险防控的重要技术手段,异常人员人脸识别技术是智能化视频监控中的关键技术之一。基于深度学习的异常人员人脸识别技术已经成为国内外人脸识别领域的主要研究方向,目前由于自然场景下人脸图像采集的低分辨率、人脸表情、多姿态、跨年龄、遮挡、化妆、整容等因素所导致的不变型特征分析与提取问题,是该领域的研究焦点。针对这些问题,本文着重研究不变型身份特征提取方法以及基于不变型身份特征的人脸识
当前,共享短租平台如雨后春笋拔地而起,不断蚕食酒店行业的市场份额。但是,相对于酒店行业系统化和成熟化的定价系统,共享短租房的价格主要由非专业的商家自主定价,存在一定的盲目性和失准性,因此,对共享短租房价格进行预测是非常重要的。然而,目前对短租房价格预测主要考虑静态因素和季节性因素,而非季节性的人群流动行为因素对共享短租价格的影响也不可忽视,基于此在价格预测模型中引入该因素,可以使预测结果更准确合理
多尺度Retinex图像增强技术是基于视网膜、大脑皮层构造出亮度和颜色的人类感知模型,核心是设法估算图像照度分量的最优值,进而得到物体反射分量作为增强后图像。本文基于多尺度Retinex图像增强技术理论,在尺度参数方面展开研究,提出改进方法,针对光照不均的图像提出加入图像分割改进其增强效果,本文的主要工作和创新如下:(1)分析已有基于分解的Retinex算法中存在的问题,提出一种基于多目标评价函数