|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 可见/近红外高光谱成像技术对长枣中葡萄糖含量的无损检测显示文摘利用可见/近红外高光谱成像技术结合化学计量学方法建立长枣中葡萄糖含量的预测模型,为灵武长枣中的葡萄糖含量快速无损检测提供了一种科学方法。采用可见/近红外(400~1000nm)高光谱采集灵武长枣的光谱数据,利用HPLC测量长枣中的葡萄糖含量;样本经过剔除异常值、样本集划分后对原始光谱采用6种预处理;对优选出的最佳预处理方法使用7种方法降维处理,建立全波段和特征波长的PLSR、MLR预测模型。结果表明,SG(7)为最佳预处理方法,Rc=0.8265,Rp=0.7910;利用CARS、IRF、SPA、BiPLS、UVE、IRF+CARS、BiPLS+CARS分别选出18,61,7,51,15,33,27个特征波长;PLSR-IRF+CARS模型最优,Rc=0.8353,Rp=0.8322。实验结果证明高光谱成像技术对长枣中的葡萄糖含量的快速无损检测是可行的。 | 程丽娟 刘贵珊 万国玲 何建国 | 2019 | 发光学报2019，40，8： | 19 |
| 2 | 基于高光谱技术与机器学习的新疆红枣品种鉴别显示文摘为实现对红枣品种的判别,利用高光谱技术并结合机器学习算法对金丝大枣、骏枣和滩枣这三个品种的新疆红枣进行研究。首先,分别利用多元散射校正(MSC)、标准正态变量变换(SNV)、一阶导(1-Der)和Savitzky-Golay(SG)平滑等数据预处理方法对原始光谱进行预处理,研究了预处理方法对建模的影响;然后,利用光谱-理化值共生距离法(SPXY)将样本集划分为校正集和预测集,基于线性判别分析(LDA)、K-最近邻分类(KNN)和支持向量机(SVM)算法对预处理后的全波段光谱建立红枣品种鉴别模型,结果显示,在多种预处理方法中,1-Der的处理效果最好;然后,结合主成分分析(PCA)、连续投影算法(SPA)和竞争性自适应重加权采样(CARS)等特征提取方法对全波段光谱进行特征波段的提取,再基于特征波段建立红枣品种鉴别模型,结果发现,在几种特征提取方法中,基于CARS所提特征波段建立的模型可以获得最高的鉴别准确率;最后,以SVM模型为例对模型运行时间进行了比较,结果发现,基于特征波段所建模型的运行时间远短于基于全波段所建模型的运行时间。 | 刘立新 何迪 李梦珠 刘星 屈军乐 | 2020 | 中国激光2020，47，11： | 18 |
| 3 | 人工智能和工业4.0视域下高光谱成像技术融合深度学习方法在中药领域中的应用与展望显示文摘21世纪,人工智能的崛起标志着世界进入工业4.0时代。随着计算机、电子信息科学等应用领域迅猛发展,机器学习作为人工智能的核心智慧,为中药现代化提供了方法学上的新思路。将支持向量机(support vector machines, SVM)、极限学习机(extreme learning machine, ELM)、卷积神经网络(convolutional neural networks, CNN)、循环神经网络(recurrent neural network, RNN)等机器学习方法与高光谱成像技术融合,用于中药真伪鉴定、硫熏鉴别、产地区分、含量测定、霉菌检测等,可以很大程度上解决中药质量难以严格把控的问题。该文总结了近年高光谱成像技术(hyperspectral imaging, HSI)结合机器学习方法在中药领域中的应用,重点介绍了高光谱成像技术的原理、图像预处理方法和深度学习算法,并对未来高光谱成像技术在中药领域的发展前景进行展望。 | 陶益 陈林 江恩赐 颜继忠 | 2020 | 中国中药杂志2020，45，22： | 17 |
| 4 | 近红外光谱法结合模式识别技术快速无损鉴别天然牛黄、体外培育牛黄和人工牛黄显示文摘目的:采用近红外光谱技术建立天然牛黄、体外培育牛黄和人工牛黄的快速无损鉴别方法。方法:采集天然牛黄、体外培育牛黄和人工牛黄的近红外漫反射光谱,比较其光谱差异,利用主成分分析法观察不同样品主成分空间分布,进一步优化光谱预处理方式,采用判别分析法建立定性鉴别模型。结果:3类牛黄原始光谱存在差异;其主成分空间分布明显不同,天然牛黄、体外培育牛黄和人工牛黄各自单独聚为一类;判别分析模型预测准确率为100%。结论:近红外光谱结合模式识别技术可有效区别不同种类牛黄,为天然牛黄、体外培育牛黄和人工牛黄的鉴别提供一种新的参考方法。 | 聂黎行 张烨 胡晓茹 刘燕 戴忠 马双成 | 2017 | 药物分析杂志2017，37，10： | 13 |
| 5 | 可见/近红外光谱技术无损识别苹果品种的研究显示文摘为了能快速无损鉴别苹果的品种,基于高光谱成像技术结合模式识别算法,分别建立了判别苹果品种K最近邻(KNN)识别模型与偏最小二乘判别分析(PLS-DA)识别模型。综合比较了不同光谱预处理方法(二阶微分(SD)、标准正态变换(SNV)和多元散射校正(MSC))对各模型识别效果的影响,并利用主成分分析方法对预处理后的光谱数据进行降维,以提取能反映苹果品种的特征光谱。结果表明:采用主成分分析法选择了累计贡献率超过99.9%的前10个主成分作为样本集特征光谱数据,很好地实现了光谱数据的降维;MSC预处理方法对光谱反射率预处理的效果最好;2种判别模型均能基本满足实际要求,且MSC+KNN识别模型的识别性能最优,对预测集样本的正确识别率高达100%。 | 尚静 张艳 孟庆龙 | 2019 | 保鲜与加工2019，19，3： | 11 |
| 6 | 基于BP和Adaboost-BP神经网络的羊肉新鲜度高光谱定性分析显示文摘【目的】实现对羊肉新鲜度的快速准确鉴别。【方法】研究通过对460~1 000 nm的羊肉高光谱图像纯肌肉部分提取光谱数据,以挥发性盐基氮(TVB-N)值对新鲜度等级进行划分,对预处理后的光谱数据分别采用连续投影算法(SPA)、主成分分析(PCA)两种压缩降维方法和反向传播(BP)神经网络、自适应提升BP(Adaboost-BP)神经网络两种建模方法开展羊肉新鲜度的分类比较。【结果】其中采用SPA、PCA建立的BP模型校正集与预测集准确率均为100%、83.33%,建立的Adaboost-BP模型校正集与预测集准确率均为100%、94.44%,两种压缩降维方法下Adaboost-BP模型效果均优于BP模型。【结论】利用高光谱图像技术结合Adaboost-BP方法对羊肉新鲜度等级进行分类判别是可行的。 | 范中建 朱荣光 张凡凡 姚雪东 邱园园 阎聪 | 2018 | 新疆农业科学2018，55，1： | 8 |
| 7 | 基于SPASSABP的小麦秸秆含水率检测模型显示文摘为提高基于电容法的小麦秸秆含水率检测模型的检测精度,扩大含水率检测范围,提高模型适应性,本文以小麦秸秆为研究对象,使用LCR数字电桥,测量含水率为10.43%~25.89%的秸秆在频率0.05~100 kHz、容积密度90.03~179.42 kg/m^(3)和温度25~40℃内的电容,利用连续投影法(Successive projections algorithm,SPA)和主成分分析法(Principal component analysis,PCA)对原始数据进行预处理,提取特征频率,选用反向传播神经网络(Back propagation neural network,BPNN)在全频率及2个特征频率下分别建立秸秆含水率、容积密度、温度的定量分析模型,引入麻雀搜索算法(Sparrow search algorithm,SSA)优化反向传播神经网络模型。试验结果表明,基于全频率构建的模型较基于SPA算法构建的模型预测效果略好,综合考虑模型复杂度和预测性能,本研究选用基于SPA算法结合SSA算法优化后的BP神经网络模型(SPASSABP)作为小麦秸秆含水率的检测模型,其预测集R^(2)_(P)、RMSEP和RPDP分别为0.9832、0.00550和7.715。利用该模型对13个含水率为10.62%~25.59%的秸秆样本进行预测,含水率预测结果的相对误差为-5.27%~5.52%,其中96.8%的预测误差在±5%以内。由此说明,模型具有较高的准确性和较好的鲁棒性。 | 孟志军 刘淮玉 安晓飞 尹彦鑫 金诚谦 张安琪 | 2022 | 农业机械学报2022，53，2： | 8 |
| 8 | 基于高光谱成像技术鉴别大米品种显示文摘大米品质与品种密切相关,因此品种鉴别对实施“优质粮食工程”具有重要意义。采集外观相似的6个品种共600粒大米的高光谱反射率数据,经过多元散射校正(MSC)、二阶导数(2ND)和标准正态变换(SNV)对光谱数据进行预处理。利用连续投影算法(SPA)和主成分分析(PCA)对光谱数据降维。以灰度共生矩阵(GLCM)提取特征波长对应灰度图像的纹理特征。应用全波段、特征波段、纹理特征以及光谱-纹理特征融合数据分别建立基于支持向量机算法(SVM)的品种鉴别模型。结果表明,光谱-纹理融合特征的分类准确率最高,达到94.12%。利用乌鸦搜索算法(CSA)对模型参数进行优化后,准确率达96.57%。因此,光谱-纹理特征组合下的支持向量机结合乌鸦搜索算法能充分利用高光谱图像的光谱和纹理信息,实现对大米品种的快速无损鉴别。 | 王靖会 程娇娇 刘洋 常佳乐 王朝辉 | 2021 | 中国农业科技导报2021，23，9： | 7 |
| 9 | 基于主成分分析的红枣有机酸含量差异性分析显示文摘文章利用氨基酸自动分析测试仪对红枣进行氨基酸测定,获取不同品种和产地的红枣中氨基酸种类和含量的差异性,通过主成分分析法将红枣中氨基酸种类划分为3个不同等级的主成分,并采用聚类分析和综合评价函数计算的方式进行红枣氨基酸综合评价。通过对红枣发酵和再加工过程中有机酸的变化过程进行监测,并对红枣发酵前后的氨基酸变化数据进行对比。试验测定及综合评价结果表明,不同产地和品种红枣的氨基酸种类和含量具有明显的差异性,通过氨基酸综合评价可有效地进行红枣品质评价;红枣发酵前后的氨基酸种类和含量对红枣深加工产物的风味品质具有明显的改善作用。 | 段宝娜 冯三营 | 2021 | 中国调味品2021，46，5： | 6 |
| 10 | 光谱技术结合化学计量学识别苹果品种显示文摘以“冰糖心”“嘎啦”和“山东富士”苹果为试材,采用紫外/可见光谱技术结合化学计量学,分别建立了判别3种苹果品种的K最近邻(KNN)识别模型和偏最小二乘判别分析(PLS-DA)识别模型,分析了不同的光谱预处理方法(二阶微分(SD)、标准正态变换(SNV)和多元散射校正(MSC))对各模型识别效果的影响,并采用主成分分析方法对预处理后的光谱数据进行降维,以提取能反映苹果品种的特征光谱。结果表明:采用主成分分析法选择了累计贡献率超过99%的前6个主成分作为样本集特征光谱数据,很好地实现了光谱数据的降维;二阶微分预处理方法对光谱的预处理效果最好。综上所述,建立的识别模型均能基本满足实际要求,且SD+KNN模型的建模效果最好,MSC+KNN模型的预测性能最好,SD+PLS-DA模型的总识别效果最好。 | 尚静 张艳 孟庆龙 | 2019 | 北方园艺2019，，16： | 6 |
| 11 | 基于GA优化SVM的干制红枣品种分类方法显示文摘基于遗传算法(GA)优化支持向量机(SVM)分类模型能够显著改善传统SVM的分类精度。以山东大枣、新疆灰枣、新郑大枣以及稷山板枣4类品种的干制红枣为研究对象,首先采用简单线性迭代聚类算法(SLIC)对预处理后的红枣图像进行分割处理;接着针对每类红枣,提取了其6个颜色特征和20个不同角度的纹理特征等26个参数;最后将以上参数输入基于GA优化的SVM分类模型(GA-SVM)。实验结果表明:与传统SVM算法相比,GA-SVM算法对红枣的分类准确率提升了20. 00%。 | 苏军 饶元 张敬尧 李绍稳 | 2018 | 洛阳理工学院学报(自然科学版)2018，28，4： | 5 |
| 12 | 基于高光谱成像技术检测干制红枣VC和总糖含量显示文摘为实现对不同干燥时间红枣VC和总糖含量的无损检测,提出了基于高光谱成像技术的无损检测方法。在本研究中,采集不同干燥时间红枣的光谱数据,依次通过光谱预处理、特征波长筛选(连续投影算法)后获取特征波长,通过灰度共生矩阵提取特征波长下的灰度图像纹理数据;分别建立基于特征波长、图像特征以及两者融合特征的偏最小二乘(partial least squares,PLS)预测模型。结果表明,VC和总糖含量预测模型中,分别优选出无预处理和标准化(Autoscale)预处理为最佳方法;最优预测模型分别为基于特征波长建立的和基于数据融合建立的PLS预测模型,对应的预测集决定系数R^(2)_(P)分别为0.930和0.883,预测集均方根误差(root mean square error of prediction,RMSEP)分别为30.439 mg/100 g和0.0400 g/g,模型剩余预测残差均大于2.5,具有较好的预测效果。研究结果表明高光谱成像技术可以用于红枣干燥过程中VC和总糖含量的无损检测。 | 龙家美 费倩雯 曾艳 屠羽婕 陈继昆 潘磊庆 屠康 | 2021 | 食品工业科技2021，42，15： | 5 |
| 13 | 基于高光谱成像技术的红景天品种神经网络模式识别方法显示文摘采用高光谱成像技术采集大花红景天和狭叶红景天的近红外高光谱图像(935~1720 nm),并从中提取出感兴趣区域的平均光谱作为大花红景天和狭叶红景天的原始光谱.在采用多元散射校正(MSC)进行光谱预处理后,运用载荷系数法(X-LW)、连续投影算法(SPA)和竞争自适应重加权算法(CARS)分别提取了红景天近红外高光谱9、20和33个特征波长,最后基于全波长和特征波长建立偏最小二乘判别分析(PLS-DA)、概率神经网络(PNN)和广义回归神经网络(GRNN)分类判别模型.结果表明,基于CARS提取的特征波长建立的PLS-DA、PNN和GRNN模式识别模型优于基于X-LW、SPA提取特征波长建立的识别模型.而且,基于全波长和CARS提取的特征波长建立的PLS-DA、PNN和GRNN判别模型均能很好地区分大花红景天和狭叶红景天,对训练集和测试集样本分类的正确率全部达到100%.因此,高光谱成像技术结合PLS-DA与神经网络模式识别分析方法,能够实现大花红景天和狭叶红景天的无损、快速和准确的分类与鉴别,为红景天药材的质量控制、品种鉴别和临床应用奠定基础. | 李涛 钟玉琴 曲明亮 | 2021 | 四川师范大学学报(自然科学版)2021，44，4： | 4 |
| 14 | 谷物联合收割机收获小麦含杂率高光谱反演研究显示文摘为了实现机械化收获小麦含杂率的快速检测,以金大丰4LS-7型自走式稻麦联合收割机收获的小麦样本为研究对象,利用ASD FieldSpec 4 Wide-Res型地物光谱仪获取小麦样本的原始光谱,经数学变换获得光谱原始反射率(raw spectral reflectance,REF)和光谱反射率倒数的对数(inverse-log reflectance,LR)2种光谱指标。通过主成分分析法(principal component analysis,PCA),利用贡献率高的成分的权值系数,优选出不同指标的小麦样本光谱的特征波长,并采用最小二乘支持向量机(least squares support vector machine,LS-SVM)构建了基于不同指标的小麦样本含杂率的反演模型,在此基础上对反演结果进行精度验证和比较。试验结果表明:建立的含杂率反演模型的建模决定系数均大于0.9,验证决定系数均大于0.85,均方根误差均小于0.29,相对分析误差均大于2,模型具有较强的拟合效果和预测能力;利用REF光谱数据指标建立的反演模型的反演效果优于LR光谱数据指标。该文建立的机械化收获小麦样本含杂率光谱反演模型能够实现含杂率的精准识别,可为后续构建便携式含杂率光谱检测仪提供参考,有助于客观、定量地表征机械化收获的小麦含杂率,为机械化收获的小麦的快速检测提供新途径。 | 陈满 倪有亮 金诚谦 徐金山 袁文胜 | 2019 | 农业工程学报2019，35，14： | 3 |
| 15 | 盐池滩羊肉脂肪含量的高光谱预测模型构建显示文摘本文利用可见-近红外高光谱成像技术预测冷鲜滩羊肉脂肪含量,优选最佳预测模型。测定90个滩羊背最长肌的脂肪含量并采集其光谱图像,对原始光谱进行不同种预处理后,构建了全波段下的偏最小二乘回归(PLSR)和主成分回归(PCR)的光谱预测模型。为减少模型运算次数,在预处理效果最优的全波段模型上采用连续投影算法(SPA)、应用竞争性自适应重加权(CARS)、变量组合集群分析(VCPA)和波长空间迭代收缩(IVISSA)方法提取特征波长,构建脂肪含量的光谱预测模型。结果表明:采用归一化(Normlize)预处理后光谱构建的PLSR全波段模型效果最好,校正集模型相关系数(Rc)达到0.921;采用多元散射校正(MSC)预处理后光谱构建的PCR全波段模型效果最好,其校正集模型相关系数(Rc)达到0.850;在4种提取特征波长过程中,IVISSA算法所提取特征波长的交互验证均方根误差(RMSECV)最低,为0.0072;Normlize-IVISSA-PLSR模型较其他3种算法所构建的PLSR模型效果最优,其校正集相关系数(Rc)和预测集相关系数(Rp)值分别为0.931和0.754,表明利用高光谱技术对盐池滩羊肉脂肪含量进行预测是可行的。研究成果为冷鲜滩羊肉品质在线光谱快速无损检测系统开发提供理论依据。 | 张翀 刘贵珊 何建国 程丽娟 万国玲 | 2019 | 食品工业科技2019，40，20： | 3 |
| 16 | 氢核磁共振结合支持向量机鉴别蜂蜜植物源显示文摘目的建立基于氢核磁共振(1H nuclear magnetic resonance,1H NMR)结合支持向量机分类模型鉴别蜂蜜植物源的方法。方法采集荆条蜜、油菜蜜、洋槐蜜、葵花蜜4种不同植物源的蜂蜜共计122例样品的谱图信息,分全谱(δ0.10~δ9.50)、脂肪区(δ0.10~δ3.00)、糖类化合物区(δ3.00~δ6.00)、芳香区(δ6.00~δ9.50)4个不同积分区间建立分类模型,结合主成分权值系数筛选特征变量,进一步优化判别模型。结果基于主成分权值系数筛选变量范围δ3.40~δ3.90和δ4.60~δ4.70内共计267个积分变量,以该区域积分变量为输入变量建立的支持向量机分类模型,对训练集的判别正确率为97.53%,对测试集的判别正确率为100%。结论通过主成分权值系数能有效筛选特征变量,减少输入变量的同时提高模型稳健性与准确性,基于氢核磁共振结合支持向量机分类模型能有效鉴别不同植物源蜂蜜。 | 周密 王小花 朱芊 江丰 王会霞 | 2021 | 食品安全质量检测学报2021，12，1： | 3 |
| 17 | 基于高光谱的大豆含杂率反演模型显示文摘针对大豆联合收割机械作业含杂率在线检测手段缺乏的问题,以亚丰4YZL-5S联合收获机机械化收获的大豆样本为研究对象,在室内测定大豆样本的含杂率;利用ASD FieldSpec 4 Wide-Res型地物光谱仪测量大豆样本的光谱数据,经数据预处理和数学变换后获得2种光谱指标,即原始光谱数据(REF)和原始光谱经倒数之对数预处理后的数据(LR),应用波段间自相关分析筛选出不同指标的大豆样本光谱的特征波长,并采用支持向量机回归分析构建基于不同指标的大豆样本含杂率的反演模型,在此基础上对反演结果进行精度验证和比较。试验结果表明:各预处理条件下的大豆含杂率敏感波段不同,其中REF的特征波段为512,738,851,1 104,2 003,2 179 nm;LR的特征波段为519,637,820,924,1 121,1 933,2 050,2 138 nm。本研究建立的含杂率反演模型的建模决定系数>0.86,验证决定系数>0.79,均方根误差<0.32,相对分析误差>1.7,表明模型具有较强的拟合效果和预测能力。相比较而言,利用REF建立的反演模型的反演效果略优于LR。本研究建立的大豆样本含杂率光谱反演模型能够实现含杂率的在线预测,为大豆机械化作业中含杂率的在线快速监测提供了新途径。 | 陈满 徐金山 金诚谦 张光跃 倪有亮 | 2019 | 中国农业大学学报2019，24，9： | 2 |
| 18 | 基于近红外光谱的农产品质量安全检测研究进展显示文摘农产品质量安全检验技术是我国调整农业结构、升级农产品品质、确保农产品质量安全的重要技术保障。近红外光谱技术通过识别物质中含氢基团的特征信息,对物质的组成与性质进行分析,是分析化学领域发展迅猛的高新无损检测技术。除具有检测成本低、重现性高、结果呈现快、无需使用化学试剂等优点,近红外光谱技术用于农产品质量快速、有效和非破坏性检测。从农产品的质量评估与分级、掺假鉴别与产地溯源、安全检测与生长监控等方面总结了近红外光谱技术在农产品质量检测中的研究进展,为近红外光谱技术在农产品质量检测的拓展和应用提供参考。 | 杜智旭 李佳芮 李兴 宋大刚 潘科 李悦 贺莉 | 2022 | 中国沼气2022，40，6： | 2 |
| 19 | 基于机器学习和深度学习的玉米种子活力光谱检测显示文摘为解决传统的种子活力检测方法存在耗时长、损伤种子等问题,实现种子活力的快速无损检测,分别利用机器学习和深度学习算法结合高光谱成像技术构建玉米种子3个活力梯度分类模型,通过人工老化方式将1 012粒玉米种子分为3个活力梯度样本,采集其高光谱数据后通过卷积平滑(SG)和多元散射校正(MSC)去除高光谱噪声,分别采用主成分分析(PCA)、连续投影算法(SPA)进行光谱特征降维,再从降维后的波段中抽取1 156、1 191和1 463 nm 3个波段合成假彩色图像,用局部二值模式(LBP)提取感兴趣区域的纹理特征,并与纯光谱特征融合。分别基于纯光谱特征构建决策树(DT)和支持向量机(SVM)模型和融合特征建立随机森林(RF)、SVM和极端梯度提升树(XGBoost)模型等机器学习模型。将假彩色图像输入ResNet18、MobileNetV2、DenseNet121、Efficientb0、Efficientb2等5个深度学习模型中进行玉米种子活力预测。结果显示,就机器学习方法而言,针对纯光谱特征表现最好的是PCA-SVM模型,其测试集准确率为92.5%;针对融合特征表现最好的是SVM模型,其测试集的分类准确率为93.1%;就深度学习方法而言,轻量化的MobileNet取得最高的测试集分类准确率99.5%;基于可解释的梯度定位类别激活映射方法表明,分类网络会重点关注玉米种子的中部或基部区域。 | 丁子予 岳学军 曾凡国 时浩文 彭文 肖佳仪 | 2023 | 华中农业大学学报2023，42，3： | 2 |
| 20 | 基于高光谱与在线序列极限学习机确证大米产地方法显示文摘为满足快速无损的大米产地确证需求,采集吉林省梅河口市水稻主产区及松原、大安、辉南等其他水稻产区共990个大米样本的高光谱图像(400~1000 nm)作为研究对象,利用多元散射校正(MSC)处理方法对光谱进行预处理。采用多层感知机(MLP)、极限学习机(ELM)与在线序列极限学习机(OS-ELM)算法,分别基于全波段高光谱数据以及经多维尺度分析(MDS)方法降维后的数据建立产地确证模型。结果表明,基于全波段高光谱数据的OS-ELM模型分类性能最好,准确率达到98.3%。经MDS处理后,输入的数据变量减少了96.6%,MDS-OS-ELM模型准确率稳定在97.4%。对三种模型的训练时间进行对比分析,OS-ELM训练时间明显优于MLP,在分批次获取数据时训练时间优于ELM。为大米产地确证提供了一种高效、准确、稳定的方法。 | 王靖会 曹崴 冷全阳 程娇娇 王艳辉 沈海鸥 陈雷 王朝辉 | 2020 | 中国农业科技导报2020，22，9： | 1 |
您所在的机构暂未开通此部分的功能，请联系管理员