国家自然科学基金(30671213)
- 作品数：56 被引量：1,069H指数：24
- 相关作者：何勇吴迪刘飞鲍一丹王莉更多>>
- 相关机构：浙江大学金华职业技术学院厦门大学更多>>
- 发文基金：国家自然科学基金国家科技支撑计划高等学校优秀青年教师教学科研奖励计划更多>>
- 相关领域：农业科学理学机械工程轻工技术与工程更多>>
- 应用光谱技术快速测定发动机润滑油的粘度值被引量：7
- 2010年
- 提出了一种应用可见近红外光谱技术快速测定发动机润滑油动力粘度值的新方法。对5种不同粘度的润滑油共150个样本进行光谱扫描,经过光谱预处理后应用偏最小二乘法(PLS)建立了润滑油动力粘度值的预测模型,并提取出前6个有效主成分作为最小二乘-支持向量机(LS-SVM)预测模型的输入变量,建立相应的最小二乘-支持向量机(LS-SVM)预测模型,采用径向基函数(RBF)作为核函数,超参数γ和RBF核函数参数σ2的最佳组合为γ=27.321 2和σ2=3.229 5。用125个样本建模,25个样本验证。实验结果表明,LS-SVM模型比PLS模型能获得更满意的预测效果。说明应用光谱技术可以实现发动机润滑油动力粘度值的快速无损检测。
- 赵芸蒋璐璐张瑜谈黎虹何勇
- 关键词：润滑油动力粘度偏最小二乘法支持向量机
- 应用光谱技术和支持向量机分析方法快速检测啤酒糖度和pH值被引量：27
- 2008年
- 为实现啤酒糖度和pH值的快速检测,采用可见/近红外光谱仪器得到360个啤酒样本的可见/近红外光谱数据.使用主成分分析(PCA)对数据进行降维处理以消除众多信息共存中相互重叠的部分,得到6个主成分值.将样本数据随机分为定标集和预测集,利用最小二乘支持向量机(LS-SVM)算法在定标集数据基础上建立啤酒糖度和pH值预测模型,并利用此模型对预测集样本进行预测.根据预测相关系数(r)和预测标准偏差(RMSEP)判断预测模型好坏,结果表明该模型对啤酒糖度预测的相关系数r为0.9829,RMSEP为0.1506;对啤酒pH值的预测相关系数r为0.9563,RMSEP为0.0494,预测精度明显高于神经网络和PLS预测,所以利用该模型能够准确的预测啤酒的糖度及pH值.
- 王莉何勇刘飞应霞芳
- 关键词：啤酒最小二乘支持向量机糖度PH
- 季节性叠加趋势-马尔柯夫预测模型及其应用被引量：5
- 2008年
- 为提高利用季节性叠加趋势模型预测有较大波动性数据序列的预测精度,提出一种季节性叠加趋势—马尔柯夫组合预测新方法,并用于油菜平均产量的预测.采用浙江省诸暨市1949年到1996年的油菜平均每公顷产量数据建立一个季节性叠加趋势—马尔柯夫组合预测模型,对1997年到2003年的油菜平均每公顷产量进行预测,预测精度分别为:97·9%、97·9%、97·9%、97·9%、98·8%、97·7%和98·4%,远远高于季节性叠加趋势模型的预测精度:76·1%、68·9%、70·9%、97·9%、82·5%、76·9%和82·2%.该方法具有计算简单、精度高的特点.说明利用季节性叠加趋势—马尔柯夫组合预测模型可以大大提高具有周期趋势性和较大波动性数据序列的预测精度.
- 范小青蒋璐璐谈黎虹何勇
- 基于LS-SVM的红外光谱技术在奶粉脂肪含量无损检测中的应用被引量：42
- 2008年
- 脂肪是奶粉中重要的组成部分,实现对奶粉中脂肪含量的快速、无损检测十分重要,为此研究了400-6666 cm^-1范围的红外光谱技术对不同品种奶粉的脂肪含量的无损检测.采用最小二乘支持向量机（LS-SVM）对光谱透射率值和脂肪含量值进行建模.模型在全红外波段范围对样本脂肪含量预测得到了较好的结果,绝对系数（R2p）达到0.9796,预测误差均方根（RMSEP）为0.8367.预测结果要优于BP人工神经网络（Back Propagation NeuralNetworks,BP-NN）.说明红外光谱技术能够实现奶粉脂肪含量的无损检测,检测过程比化学检测方法简单快速,操作性强.文章同时还研究了分别基于中红外光谱范围和近红外光谱范围的建模.模型预测结果显示分别基于中红外光谱和近红外光谱区域的模型预测效果都比全波段建模略差.本研究为今后奶粉脂肪含量快速无损检测仪器的开发奠定了理论基础.
- 吴迪何勇冯水娟鲍一丹
- 关键词：最小二乘支持向量机无损检测
- 应用近红外光谱法测定土壤的有机质和pH值被引量：50
- 2008年
- 为了满足精细农业对土壤快速实时测试的需要,对未经过粉碎、过筛等处理的土壤,采集了4000～12500cm-1范围的近红外光谱。研究了土壤的光谱特性,并采用偏最小二乘回归分析方法建立了一阶微分光谱的光谱吸光度与有机质含量和pH值之间的定量分析模型。试验分析表明:有机质的预测相关系数为0.818,预测标准偏差SEP为0.069,预测均方根误差为RMSEP为0.085;pH值的预测相关系数为0.834,SEP为0.095,RMSEP为0.114。表明采用近红外光谱仪经一阶微分处理可以很好地预测经过简单处理的土样中的有机质含量和pH值,该结论为今后田间快速土壤特性光谱测量奠定了基础。
- 朱登胜吴迪宋海燕何勇
- 关键词：近红外光谱土壤有机质PH值偏最小二乘
- 基于离散余弦变换和支持向量机的多光谱纹理图像的茶叶分类研究被引量：10
- 2009年
- 提出一种利用多光谱图像纹理特征进行茶叶分类的新方法。图像由MS3100-3CCD光谱成像仪获得,光谱成像仪提供近红外(NIR)、红色(R)和绿色(G)的3个波段的图像。首先对原图像的NIR波段图像提取均方值,然后应用离散余弦变换算法,构造出8个带通和高通滤波器对NIR通道的图像进行滤波并提取均方差值,最后应用支持向量机技术,分别对原图像的NIR提取的均方差值和用8个滤波器滤过的图像提取的均方差值进行建模。茶叶样本总共为240个,训练和预测各为120个,每种训练样本和预测样本各为20个。结果表明经过8个滤波器处理图像的识别率为100%,而没有经过滤波处理的纹理图像识别率只有73.33%,说明离散余弦变换算法设计的滤波器是一种非常有效的纹理识别技术,此实验同时也为茶叶的分类提供一种快速和无损的新方法。
- 吴迪陈孝敬何勇
- 关键词：多光谱成像仪茶叶离散余弦变换支持向量机
- 基于地面多光谱成像技术的茄子灰霉病无损检测研究被引量：31
- 2008年
- 实时、便捷、可靠的作物病害诊断方法是进行科学的作物喷药管理的基础,也是精细农作的关键技术之一。根据感染灰霉病菌的茄子叶片的光谱反射特征和相应的特征波段的图像信息,利用基于地面的包含绿、红、近红外三波段灰度图的多光谱成像技术对染病茄子叶片进行病斑的无损检测。目的是建立能准确反映植物病害状况的检测模型,实时过滤掉土壤噪声、气候条件等环境干扰,实现对植物健康状况进行快速、准确、非破坏性检测。结果显示,利用绿、红和近红外三通道图像信息算法模型,能够在有干燥的土壤和枯叶等干扰下对灰霉病斑进行较好的识别,为植物生产中病害的在线无损检测提供了新的方法。
- 吴迪朱登胜何勇张传清冯雷
- 关键词：茄子图像处理无损检测灰霉病
- 应用可见-近红外光谱技术进行白醋品牌和pH值的快速检测被引量：21
- 2008年
- 提出了一种基于可见-近红外透射光谱技术快速判别白醋品牌和测定pH值的方法。应用可见-近红外透射光谱获取不同品牌白醋的透射光谱曲线,并对获得的原始光谱数据进行平滑、变量标准化以及一阶导数等预处理,然后利用主成分分析对原始光谱数据进行聚类分析,根据主成分的累计贡献率选取主成分数,并将所选取的主成分作为三层BP神经网络的输入。通过定标集样本对BP神经网络进行训练,得到三层优化神经网络结构:5输入层节点,6隐含层节点和2输出层节点,各层传递函数均采用Sigmoid函数。利用该模型对预测集样本进行预测。实验结果表明在阈值设定为±0.1的情况下该模型对预测集样本品牌鉴别准确率达到了100%,pH预测值与实际测量值偏差小于5%,得到了理想的结果。所以利用可见-近红外光谱技术结合主成分分析和神经网络算法能够快速准确的判定白醋品牌和pH值。
- 王莉刘飞何勇
- 关键词：白醋PH主成分分析BP神经网络
- 黄酒糖度预测的可见近红外光谱方法研究被引量：25
- 2007年
- 提出了用可见近红外光谱结合不同化学计量学方法预测黄酒糖度的新方法。用240个黄酒样本建模,60个样本进行预测。通过对光谱数据进行平滑、变量标准化及一阶导数等预处理,建立并比较了偏最小二乘法,小波变换与偏最小二乘法相结合,主成分分析与人工神经网络相结合以及主成分分析与最小二乘支持向量机相结合四种不同建模方法的预测精度,以相关系数r、预测标准差、偏差等为评判标准,得到黄酒糖度预测的最优模型为最小二乘支持向量机模型。该模型对黄酒糖度预测的相关系数为0.962、预测标准差为0.021、偏差为-0.001,获得了理想的预测精度。结果表明应用可见近红外光谱对黄酒糖度进行预测是可行的,且最小二乘支持向量机模型能得到最优的预测结果。
- 刘飞何勇王莉
- 关键词：医用光学与生物技术最小二乘支持向量机人工神经网络偏最小二乘法
- 应用光谱技术无损检测油菜叶片中乙酰乳酸合成酶被引量：18
- 2009年
- 应用可见/近红外光谱技术实现了油菜叶片中乙酰乳酸合成酶(ALS)的快速无损检测。对99个油菜样本进行光谱扫描,经过平滑、变量标准化、一阶求导等预处理后,应用偏最小二乘法(PLS)建立了ALS的预测模型。同时提取有效特征变量,作为反向传输人工神经网络(BPNN)和最小二乘-支持向量机(LS-SVM)的输入值,并建立相应的模型。用66个样本建模,33个样本验证。结果表明,LS-SVM模型能够获得最优的预测结果,预测集样本的相关系数(r)、预测标准差(RMSEP)和偏差(Bias)分别为0.998、0.715和0.079,获得了满意的预测精度。结果表明,应用可见/近红外光谱技术结合LS-SVM检测油菜中乙酰乳酸合成酶是可行的,并能获得满意的预测精度,为进一步应用光谱技术进行油菜生长状况的大田监测奠定了基础。
- 刘飞方慧张帆金宗来周伟军何勇
- 关键词：油菜乙酰乳酸合成酶偏最小二乘法
