【摘 要】
：
激光诱导击穿光谱技术（Laser-induced Breakdown Spectroscopy,LIBS）是一种基于原子发射光谱的多元素分析技术,具有样品预处理简单、快速分析、实时在线等特性。将模式识别算法应用于LIBS光谱数据分析中,以提高其分析性能,推动LIBS技术的应用进程。针对丹参产地识别问题,基于LIBS技术得到丹参的光谱信息,利用支持向量机（Support Vector Machine
论文部分内容阅读
激光诱导击穿光谱技术（Laser-induced Breakdown Spectroscopy,LIBS）是一种基于原子发射光谱的多元素分析技术,具有样品预处理简单、快速分析、实时在线等特性。将模式识别算法应用于LIBS光谱数据分析中,以提高其分析性能,推动LIBS技术的应用进程。针对丹参产地识别问题,基于LIBS技术得到丹参的光谱信息,利用支持向量机（Support Vector Machine,SVM）算法对丹参LIBS光谱数据进行分类。为了得到最优SVM参数,使用不同群智能算法进行了SVM最优参数的估计,从而建立了群智能与SVM结合的分类模型。主要完成了如下几个方面的工作:（1）建立了一种基于SVM的丹参产地识别模型。为了有效提取丹参全谱数据的特征,使用主成分分析算法（Principal Component Analysis,PCA）对数据进行降维,分别建立了PCA-SVM、PCA-BP的丹参产地识别模型,实现了快速区分丹参产地的目的。数值实验结果表明:PCA-SVM模型在丹参产地识别中获得了较高的识别准确率,为丹参产地溯源提供了一种可行的方法,具有一定的应用价值。（2）在SVM算法中,算法性能严重依赖于算法中的重要参数。为了估计不同参数值,将不同的群智能算法如遗传（GA）、粒子群（PSO）、灰狼（GWO）、鲸鱼（WOA）、麻雀（SSA）算法引入,分别建立了GA-SVM、PSO-SVM、GWO-SVM、WOA-SVM和SSA-SVM模型,并对丹参产地进行识别实验。数值实验结果表明:相比于经典SVM模型,此类模型性能更好,其中PSO-SVM模型平均用时最长,WOA-SVM模型平均用时最短,平均分类准确率中SSA-SVM模型最高,PSO-SVM模型最低。综上所述,群智能算法与SVM相结合的丹参产地分类模型,不仅分类准确率较高,而且分类时间少,是一种更具良好性能的丹参产地溯源方法,为进一步的应用奠定了基础。
其他文献
随着工艺尺寸的不断缩小,单粒子瞬态成为研究的重点。当器件尺寸在亚微米甚至深亚微米工艺下时,即使粒子入射到漏区周围单粒子瞬态脉冲也会出现。这使得只把漏区作为敏感区域进行分析将存在较大的偏差,因此有必要对器件的敏感区域进行更细致的分析。本文针对65nm工艺标准单元的单粒子瞬态敏感性进行了研究。主要研究内容和成果如下:1.基于Congenda的仿真工具构建三维器件模型,采用混合仿真的方法,针对反相器的单
随着复杂压裂工艺在油气开发中的应用,非均匀外挤成为套管损坏的主要原因,大量非API高抗挤套管被应用到非常规油气资源开采中。由于制造缺陷因素对高抗挤套管有着较强的敏感性,API公式在指导高抗挤套管的强度计算时存在较大误差。对此,提出一种基于数据驱动的石油套管非均匀抗挤强度预测方法,从套管自身非均匀制造缺陷与非均匀外挤作用两个角度出发构建数据驱动模型,实现对非API/高抗挤套管的抗挤强度预测。结合套管
工业仪表在石油钻井现场中被广泛应用,为了实现石油钻井现场的数字化转型以及智能化发展,需要对仪表的数据进行实时的采集,但由于环境条件的限制当前现场仍存在大量的指针式仪表难以自动传输数据,因此提出了基于深度学习的方案对指针式仪表图像进行自动识别,获取仪表数据,实现井场的数字化管理、控制。本论文的主要工作内容如下:（1）提出了基于MobileNet+SSD的三步式仪表图识别方案。首先提出了MobileN
随着深度学习领域的发展以及人们安全意识的提高,深度学习在安防领域的应用越来越广泛,应用于门禁系统的人脸识别算法在数字化时代成为研究热潮。但由于目前人脸识别算法大多为面部无遮挡物的识别,在新冠疫情流行期间,对佩戴口罩人脸的识别效果不佳,造成了门禁系统工作的不便。为了实现戴口罩人脸的识别,加强门禁系统对戴口罩人脸识别的鲁棒性,提出一套应用于门禁系统的深度学习人脸识别模型。模型训练阶段,本文模型采用基于
目前我国大多数陆上油田已经进入高含水阶段,采出液具有“低产油、高含水”的特点,而精确的含水率测量对实时调整油井开采参数和开采策略,提高采收率、减低成本、延长油田寿命都有着重要意义。由于油井采出液电特性与含水率有着对应关系,通过测量油水两相流的电特性参数以获取含水率成为当前研究的热点。本文借鉴生物医学领域电导率测量技术,提出基于磁声耦合效应的油水两相流电导率测量方法,并开展激励方式的研究工作。文中首
非常规油气资源逐步成为我国油气勘探开发的重点,其开发难度大,导致对钻具姿态测量的要求较高。为了提高姿态测量算法的精准度,需要在开发过程中对算法进行深入的验证。但是,真实传感器测量存在环境电磁干扰和实验室无法模拟井下环境等问题,导致姿态测量开发过程算法验证困难。因此,本课题提出虚拟随钻姿态测量传感器的设计来解决以上问题。本课题通过对姿态测量传感器在钻井过程中受到的干扰及噪声影响进行建模,结合数据输出
在现代信息社会,由于国民经济的健康发展与科学技术的提高,人们的经济活动也变得更加频繁,发票成为了记录经济活动的重要载体。然而,在传统的发票录入流程中,大多数录入工作都需要人工完成,这种录入方式效率低下且浪费人力资源。随着光学字符识别（Optical Character Recognition,OCR）技术与深度学习技术的兴起,给人们自动化的信息提取提供了极大的便利,因此,利用深度学习技术来解决发票
热压固化罐是复合材料固化的关键设备,热压罐系统的高效性和可靠性影响着整个固化流程的生产和经济效益,同时热压罐属于高温高压容器,较易引发事故,因此,设计一个集安全和自动化为一体的热压固化罐监控系统是非常重要的。本文以热压固化罐系统作为研究对象,根据现场工艺流程特点及厂家的需求确定了整体设计方案,设计了以西门子S7-300PLC控制器为核心,并结合PROFINET和PROFIBUS-DP总线的计算机在
为从根本上提升水利泵站运行期间的经济效益与生态效益,需要在原有水利泵站单体节能基础上采用目标电耗理念,对各能耗单元进行不断优化。注重分析水利泵站节能优化方式,评估不同节能方法的运行效果。基于此,文章分析了水利泵站改造前的耗能情况,提出现有目标电耗控制技术,确保实际研究结果能够为类似水利泵站节能改造工作提供重要意义。
佩戴安全帽是防止施工作业人员头部损伤的有效方法之一,利用目标检测技术识别工人安全帽的佩戴情况,能够协助完善施工现场安全措施、有效预防安全事故发生。然而,现有安全帽佩戴检测算法多存在小目标识别准确率低、密集遮挡场景检测难度大、复杂场景适应性差的问题。因此,本文立足于深度学习目标检测技术对安全帽佩戴检测相关算法进行研究与改进,提出了一种基于改进YOLOv5s的安全帽佩戴检测模型,以解决实际安全帽佩戴检