徐洁
- 作品数：5 被引量：49H指数：4
- 供职机构：石河子大学机械电气工程学院更多>>
- 发文基金：国家科技支撑计划国家自然科学基金更多>>
- 相关领域：理学自动化与计算机技术化学工程轻工技术与工程更多>>
- 高光谱技术结合特征波长筛选和支持向量机的哈密瓜成熟度判别研究被引量：26
- 2017年
- 可溶性固形物含量(SSC)和硬度是哈密瓜划分等级的重要指标,同时也是其成熟度的表征因子。因此,为满足哈密瓜自动化分级和适宜采摘,采用高光谱技术结合特征波长筛选的方法,同时对哈密瓜的可溶性固形物含量、硬度及成熟度进行了无损检测研究。对多元散射校正(MSC)处理后的光谱分别利用连续投影算法(SPA)、竞争性自适应重加权算法(CARS)和CARS-SPA方法筛选了哈密瓜可溶性固形物和硬度的特征波长,并将原始光谱、MSC预处理后的光谱和所筛选的特征波长作为输入变量分别建立哈密瓜可溶性固形物和硬度的支持向量机(SVM)预测模型及成熟度判别模型。结果显示,MSC-CARS-SPA方法所建立的可溶性固形物和硬度SVM预测模型最优,其Rpre,RMSEP和RPD分别为0.940 4,0.402 7,2.94 1和0.825 3,35.22,1.771。同时对哈密瓜成熟度进行了判别分析,并分别建立了基于全光谱、单一的可溶性固形物或硬度特征波长和主成分分析(PCA)特征融合的哈密瓜成熟度SVM判别模型。结果显示,CARS-PCASVM模型的判别结果与全光谱SNV-SVM模型相同,其校正集和预测集判别正确率分别为95%和94%。研究表明,利用高光谱技术结合特征波长筛选方法可实现同时对哈密瓜可溶性固形物和硬度的定量预测及成熟度判别。
- 孙静涛马本学董娟杨杰徐洁蒋伟高振江
- 关键词：哈密瓜可溶性固形物成熟度
- 葡萄可溶性固形物的高光谱无损检测技术被引量：3
- 2016年
- 为明确采用高光谱成像技术对葡萄可溶性固形物(SSC)检测的可行性。以高光谱成像系统为试验仪器,采集葡萄样本的漫反射光谱,对比分析不同光程校正方法、不同预处理方法对建模精度的影响,建立不同的葡萄SSC定量预测模型。研究结果表明,在波段500~1 000 nm的范围内,采用经过标准正态变化、一阶微分和Savitzky-Golay平滑相结合预处理后的偏最小二乘法建模方法预测能力最强,校正集相关系数(r_c)为0.912 6,校正集均方根误差(RMESC)为0.542,预测集相关系数(r_p)为0.854 0,预测集均方根误差(RMESP)为0.758。由结果可知,应用高光谱成像技术可以对葡萄可溶性固形物含量进行无损检测。
- 杨杰马本学王运祥王静徐洁
- 关键词：葡萄可溶性固形物无损检测
- 基于高光谱技术的哈密瓜表面农药残留判别分析被引量：6
- 2016年
- 以新疆特色水果哈密瓜为研究对象,应用高光谱技术对水果表面农药残留种类进行分析.配制0.1mg/kg20%氰戊菊酯乳油和0.03mg/kg40%辛硫磷乳油农药溶液样本,按100μL滴定量滴在哈密瓜表面,然后分别在紫外灯和卤素灯环境下,采集450～1000nm范围内的哈密瓜光谱图像数据信息,提取感兴趣区域（regionofinterest,简称ROI）的光谱数据.结果表明,在卤素灯光源条件下采用贝叶斯判别法,农残样本的准确率为100%,利用高光谱技术能够准确判别出哈密瓜表面农药残留的种类.
- 徐洁杨杰孙静涛叶晋涛蒋伟黄成伟马本学
- 关键词：哈密瓜无损检测农药残留
- 哈密瓜颜色特征提取及成熟度分级的研究被引量：10
- 2016年
- 针对新疆哈密瓜分级中自动化程度低、分级结果不稳定及效率低下等问题,本研究提出了基于SVM神经网络与哈密瓜图像特征的哈密瓜分级方法。本研究以"金皇后"哈密瓜为研究对象,通过主成分分析提取的8个颜色特征值,并提取相应的主成分构成模式识别的输入,利用SVM神经网络方法建立了哈密瓜分级模型。结果表明:在图像信息主成分因子数为4时建立的模型最佳,模型训练时的回判率为100%,预测时识别率达到了97.22%。这表明基于机器视觉技术对不同成熟度哈密瓜分级方法是可行的,可为实现哈密瓜自动分级提供理论依据。
- 叶晋涛王运祥杨杰徐洁黄成伟蒋伟马本学
- 关键词：哈密瓜神经网络图像处理机器视觉
- 基于特征波长提取的哈密大枣可溶性固形物的高光谱预测被引量：5
- 2016年
- 本文利用高光谱图像技术对干制后的哈密大枣可溶性固形物含量(SSC)进行预测研究。使用多种预处理方法对原始光谱进行处理,并对原始光谱和预处理后的光谱分别建立PLS模型,对比分析得出均值中心化(MC)处理效果最佳。对MC处理后的光谱经联合区间偏最小二乘算法(si-PLS)筛选后,再结合遗传算法(GA)和竞争性自适应重加权算法(CARS)提取哈密大枣SSC的特征波长,将提取的波长变量建立哈密大枣SSC的PLS预测模型。结果显示:利用MC-CARS-GA-si-PLS方法提取的16个关键波长变量(仅占全光谱变量的2%)所建立的PLS模型性能优于全光谱PLS模型。该模型的预测集相关系数(Rp)、预测均方根误差(RMSEP)和预测(RPD)分别为0.93、0.48和2.721。该方法提取的波长变量所建立的预测模型,不仅使模型简化,而且增强了模型的预测能力,为高光谱图像技术对水果及其干制品的定量分析研究提供了参考。
- 孙静涛马本学董娟杨杰徐洁蒋伟
- 关键词：哈密大枣可溶性固形物偏最小二乘法
