京津冀暖季短时强降水环境特征对比分析

利用2013—2021年暖季(6—9月)京津冀地区逐时降水资料和ERA5再分析资料,根据天气形势对短时强降水进行天气学分型,统计短时强降水发生的时空特征,对比动力、水汽和热力不稳定条件等环境要素特征。结果表明:短时强降水以冷涡型和副高型为主,占到55%,且主要发生在7月中下旬到8月上中旬,强降水主要集中在下午到前半夜。对比发现,不同类型短时强降水空间分布特征区别明显,分型合理;各类型大多表现为低层辐合和高层辐散,西南涡型动力强度表现最强,且随降水临近是增加的,弱天气强迫型在降水前各个时段动力表现最弱;副高型、台风型和西南涡型水汽最为充沛,副高型925 hPa比湿中位数达到19.14 g·kg~(-1),西南涡型在高低层相对湿度均较大,低层平均相对湿度中位数达到87%,弱天气强迫型相对较差,为74%,各类型整层大气可降水量在降水前随时间基本是增加的;弱天气强迫型的热力不稳定性最为突出,850 hPa和500 hPa温度差中位数最大为25.74℃,西南涡型最小,除弱天气强迫型外,各类型热力条件随时间是减弱的。

基于全透射可见-近红外光谱的西瓜糖度在线检测研究

糖度是评价西瓜品质的重要指标之一,影响着西瓜的受欢迎程度和销售价格。但体积大、皮厚的自然生物特征为西瓜糖度的快速、无损评估带来了挑战。为探索西瓜糖度快速无损检测,选择230个西瓜作为试验样本,使用自行研制的全透射可见-近红外光谱系统在线采集西瓜光谱数据,在线检测过程中保持光谱连续检测点在西瓜的赤道部位,并分别测量西瓜整果糖度和中心糖度作为理化糖度参考值。首先对样本在线检测过程中产生的多条光谱数据进行均值化处理,并选取波长范围690~1100 nm的光谱数据,使用蒙特卡洛方法剔除其中的异常样本,使用多种预处理方法(SNV、SG平滑等)对光谱数据优化,并采用SPXY算法划分样本校正集和预测集以减小因西瓜内部糖度分布差异造成的影响;基于优化的光谱数据构建了线性PLSR模型和非线性LS-SVM模型预测西瓜中心糖度和整果糖度。结果表明,基于SNV和SG组合法预处理光谱构建的LS-SVM模型预测西瓜整果糖度效果最好,其校正集相关系数R C=0.92,建模均方根误差RMSEC=0.37°Brix;预测集相关系数R P=0.88,预测均方根误差RMSEP=0.40°Brix。进一步使用特征波段挑选算法(CARS、UVE、SPA等)对光谱数据优化,结果显示构建的模型效果更好,其中使用CARS和UVE组合算法选取的特征波长构建LS-SVM模型预测西瓜整果糖度时效果最好,其校正集相关系数R C=0.94,校正均方根误差RMSEC=0.31°Brix;预测集相关系数R P=0.91,预测均方根误差RMSEP=0.37°Brix,且建模变量从1524个特征变量缩减到39个特征变量。该研究为实际生产中西瓜糖度快速无损检测应用提供了参考。

基于高光谱成像技术检测脐橙溃疡

为了研究从带有不同缺陷的柑橘类水果中快速识别出溃疡果的有效方法,基于高光谱成像技术,该文提出特征波段主成分分析法及波段比算法。以脐橙为研究对象,选取包括溃疡在内常见的10类脐橙果皮缺陷果及正常果。首先,提取并分析11类果皮感兴趣区域(ROI)光谱曲线并结合主成分分析法确定5个最佳波段(630、685、720、810和875nm);然后基于特征波段做主成分分析,选取第5主成分(PC-5)作为分类识别图像,识别率达到80%。为了进一步提高溃疡识别率,该文又提出采用特征波段主成分分析法与波段比算法相结合的方法,基于此算法溃疡正确识别率提高到95.4%。试验结果表明,基于高光谱成像技术可以有效地对带有溃疡病斑的脐橙分类识别。

应用CARS和SPA算法对草莓SSC含量NIR光谱预测模型中变量及样本筛选

采用光谱技术对水果进行定量或定性分析,如何获得一个简单、有效的校正模型对后续模型的应用和维护都非常关键。以草莓内部品质近红外光谱预测为例,从关键变量和特征样本优选两方面进行研究。采用竞争性自适应重加权CARS算法对光谱变量进行初次选择,随后采用连续投影算法SPA对校正集样本进行优选,获得98个特征样本,针对优选后的变量/样本子集利用SPA算法作二次关键变量提取,获得25个关键变量。为了验证CARS算法的性能,蒙特卡罗无信息变量消除MC-UVE和连续投影算法SPA用于比较研究。CARS算法在消除无信息变量的同时可以对共线性信息进行去除。同样,为了评估SPA算法在特征样本选择中的性能,经典的Kennard-Stone算法也用于比较分析。SPA算法能够用于校正集特征样本的优选。针对最终优选后的变量/样本(25/98)子集建立PLS和MLR模型对草莓内部可溶性固形物含量SSC含量进行定量预测。结果表明,两个模型利用原始变量/样本的0.59%/65.33%的信息均能够获得比基于原始变量/样本所建模型更好的性能,且MLR模型比PLS模型性能略优,r2pre,RMSEP和RPD分别为0.909 7,0.348 4和3.327 8。

基于掩模及边缘灰度补偿算法的脐橙背景及表面缺陷分割

缺陷检测一直是利用计算机视觉技术进行水果自动分级的难点。为了解决带有缺陷的水果在图像分割时部分缺陷容易被误分割为背景这一问题,以脐橙为研究对象,首先提取B分量,利用B分量构建掩模图像,然后对R分量图像进行掩模,从而在不损伤缺陷的情况下实现了水果与背景100%分割。考虑到水果呈球状,检测时边缘灰度较低,在缺陷分割时容易出现误分割,提出快速水果图像边缘灰度补偿算法,利用此算法,对6种常见脐橙缺陷,共计220幅图像,设定分割阈值为165,使不同灰度等级的缺陷一次性分割成功,分割率最高为100%,最低为79.5%。试验结果表明由于单阈值的使用,提高了缺陷分割效率。

近红外高光谱图像结合CARS算法对鸭梨SSC含量定量测定

高光谱数据量大、维数高且原始光谱噪声明显、散射严重等特征导致光谱建模时关键波长变量提取困难。基于此,提出采用竞争性自适应重加权算法(CARS)对近红外高光谱数据进行关键变量选择。鸭梨作为研究对象。采用决定系数r2、预测均方根误差RMSEP和验证集标准偏差和预测集标准偏差的比值RPD值进行模型性能评估。基于选择的关键变量建立PLS模型(CARS-PLS)与全光谱变量建立的PLS模型进行比较发现CARS-PLS模型仅仅使用原始变量中15.6%的信息获得了比全变量PLS模型更好的鸭梨SSC含量预测结果,r2pre,RMSEP和RPD分别为0.908 2,0.312 0和3.300 5。进一步与基于蒙特卡罗无信息变量MC-UVE和遗传算法(GA)获得的特征变量建立的PLS模型比较发现,CARS不仅可以去除原始光谱数据中的无信息变量,同时也能够对共线性的变量进行压缩去除,该方法能够有效地用于高光谱数据变量的选择。结果表明,近红外高光谱技术结合CARS-PLS模型能够用于鸭梨可溶性固形物SSC含量的定量预测。从而为基于近红外高光谱技术预测水果内部品质的研究提供了参考。

农产品外部品质无损检测中高光谱成像技术的应用研究进展

高光谱成像技术是一种传统图像及光谱的融合技术,可以同时获取研究对象的空间及光谱信息。由于图像数据能反映农产品的外部特征、表面缺陷及污斑情况,而光谱数据又可以对物体内部物理结构及化学成分进行分析。因此,近几年在农产品品质无损检测中引起越来越多的关注,成为一个研究热点。为了跟踪国内外的最新研究成果,对高光谱反射及荧光成像技术应用于农产品(水果、蔬菜、肉类、谷物等)的外部品质检测进行了分类综述,以期为高光谱技术在农业方面更广阔的应用提供参考。

高光谱荧光成像技术在识别早期腐烂脐橙中的应用研究

腐烂是发生在柑橘类水果中最普遍、最严重的病害,早期腐烂果的自动化检测有助于提高水果加工业的市场竞争力。然而,目前没有有效的自动化检测技术。以脐橙为研究对象,利用荧光高光谱成像检测早期腐烂果。最佳指数OIF理论用于识别腐烂果的最优波段组合(498.6和591.4nm)。基于最优波长的比图像及双阈值分割算法,识别率达到100%。研究表明,该方法能有效克服梗伤果及果梗在紫外线诱导下所产生的荧光效应对腐烂果识别的影响。该研究为基于多光谱成像技术对早期腐烂果的在线检测系统的开发奠定了基础。

基于照度-反射模型的脐橙表面缺陷检测

水果表面缺陷是影响水果价格最主要的因素之一,目前大部分研究基于静态图像采用较复杂的算法分割水果表面缺陷。该文介绍了一种基于在线水果图像的表面亮度均一化校正及单阈值缺陷分割方法。首先,通过RGB颜色空间转换获取HIS空间图像的色调(H)分量,基于H分量建立掩模对RGB图像的R分量执行掩模去背景;然后,基于照度-反射模型,利用低通滤波获取R分量图像的亮度分量,利用此亮度分量对去背景后的R分量图像进行亮度校正;最后,利用一个简单的阈值对亮度校正后的图像进行缺陷分割。利用此算法,对416幅图像的检测结果表明总体检测正确率超过99%。该方法简单、有效,在在线水果缺陷检测中具有较大的应用潜力。

类球形水果表皮颜色变化校正方法研究

针对类球形水果表面较大的曲率变化会引起表面亮度不均,从而导致水果颜色分级评价中存在误差大、准确率低等问题,提出了二维B样条水果表面亮度不均校正算法。利用该算法分别对原始RGB图像各单通道图像进行亮度校正,然后将校正后的RGB图像转换成HIS颜色空间图像,提取色调H和亮度I分量,通过对比校正前后H和I分量图像像素灰度标准差评价校正效果。对160幅橙图像处理结果表明,校正后的图像在色调和亮度上比原始图像更加均匀,色调H分量和亮度I分量的平均标准差分别仅为原始图像标准差的21.57%和33.94%,色调和亮度均匀性得到了明显的改善。

基于可见/近红外光谱谱区有效波长的梨品种鉴别

基于最小二乘支持向量机(LS-SVM)建模方法,提出应用梨在可见/近红外光谱谱区的有效波长(EW)进行其品种鉴别的新方法。用210个样本作为建模定标集,30个样本进行预测。根据偏最小二乘法分析载荷图和回归系数图选择鉴别梨品种的有效波长,并建立EW与最小二乘支持向量机相结合的EW-LS-SVM模型,同时与应用逆反馈人工神经网络(BP-ANN)建立的EW-BP-ANN模型进行判别准确率的比较。结果表明,应用LS-SVM和BP-ANN建立的模型对建模样本和预测集样本的判别准确率分别为100%和93.3%。研究表明,应用EW-LS-SVM模型进行梨品种鉴别是可行的。

桃子表面缺陷分水岭分割方法研究

水果表皮缺陷的有效检测是水果自动化无损检测重要的部分,并且表皮缺陷的准确分割是对缺陷果准确分级的前提,也有助于缺陷果的分类识别。然而,通常水果表面具有较大的曲率变化,这种变化的曲率导致水果表面对同一入射光源照度反射的不均,进而影响缺陷区域的准确分割。本研究以平谷大桃为例,提出采用基于形态学梯度重构和内外标记的分水岭算法对水果表面缺陷进行分割。首先,提取R通道图像,采用NIR图像构建掩模模板并对R通道图像去背景;随后,去除背景后的图像进行形态学梯度变化获取梯度图像,并对梯度变化后的图像进行梯度重建以去除水果表面的细小噪声;接着,对重建后的梯度图像进行形态学标记运算获取标记图像;然后,采用标准分水岭算法实现缺陷的准确分割。对正常果、刺伤果、裂果、黑斑果、虫咬伤果、腐烂果和疤伤果7种表皮类型样本共计525幅图像检测结果表明,能够获得96.8%识别率。实验证明,基于形态学梯度重构和标记提取的分水岭算法能够有效用于桃子表面缺陷的分割,并不会受到桃子表面光照不均的影响。

夹具材质和摩擦对放射性圆柱样品变形及应力的影响

对放射性样品开展几何测量时,夹具与样品间的相互作用会导致样品变形不均匀,从而影响测试精度。采用有限元方法(FEM)研究了夹具材质及夹具-样品间摩擦因数对样品受力及变形的影响,研究表明:夹具材料与样品的弹性模量差异会导致样品的不均匀变形,较软样品的测试夹具应采用弹性模量较低的材料;应考虑样品的表面粗糙度对摩擦因数的影响,当摩擦因数大于0.4时,摩擦因数变化对样品的变形影响可以忽略。研究结果可为放射性圆柱样品测试夹具的优化及实验开展提供借鉴。

水果表面亮度不均校正及单阈值缺陷提取研究

提出了一种水果表面亮度不均校正算法。以脐橙为研究对象,首先提取R分量图像并除去背景后获得原始图像;然后根据照度-反射模型,利用低通滤波获得该图像的入射分量图,将此入射分量图作为该图像的亮度图像;最后,原始图像与亮度图像相除后即为亮度校正后的图像。基于亮度校正后的图像,利用单阈值对水果表面缺陷一次性成功分割。利用开发的算法对正常样本和带有10类不同缺陷的样本共计788幅图像进行处理,总体识别正确率达到97%。

汉语词典的快速查询算法研究

汉语词典查询是中文信息处理系统的重要基础部分,对系统效率有重要的影响。本文对汉语词典查询算法研究作了简要回顾,设计实现了基于双数组TR IE机制的汉语词典查询算法,并提出了基于双编码机制的词典查询算法。最后以逐字二分法查询性能为基准,使用这两种词典询机制进行了词语直接查询和分词查询两种应用的性能测试。经过实验分析,双数组TR IE机制的词典查询算法在查询速度上提高明显,查询速度约是逐字二分法的5倍。双编码机制的的词典查询算法查询速度有一定提高,而且调整机制更加灵活。

马尔可夫决策过程下的智能电网实时电价模型

实时电价策略是节约用电、提高用户用电效用值的有效手段。提出基于马尔可夫决策过程的一个实时电价优化模型。该模型应用有限阶段方法,以供应侧和需求侧的期望效用最大化为目标,依据递减风险理论,采用对数形式对现有效用函数进行改进,从而更加准确地刻画用户用电效用。通过粒子群算法对模型求解,并与固定电价情况进行结果比较。数值模拟结果表明该模型在控制用电量和提高用电效用方面具有良好的效果,同时所得到的实时电价处于固定电价最大和最小值之间,上下波动性小。

基于高光谱成像及神经网络技术检测玉米含水率

基于高光谱成像及人工神经网络技术对玉米含水率进行了检测。检测波长为450～900nm,由玉米粒反射光谱图像获取反映其含水率的光谱特征波长。利用人工神经网络建立了玉米粒含水率的预测模型,模型相关系数达到0.98。对含水率预测结果的误差最大绝对值为2.1182,最小绝对值为0.0024。相对误差绝对值的平均值为0.3090,结果表明利用高光谱图像技术对玉米含水率进行无损检测是可行的。

华北平原一次大雾天气过程的数值模拟

应用非静力平衡中尺度模式MM5V3,模拟分析了2005年11月19—21日发生在华北平原的一次大雾天气过程。结果表明,本次大雾是发生在相对稳定的大气环流背景下的辐射雾。模拟的天气形势与实况基本一致,模拟雾在范围、强度、生消时间等方面基本反映了实际大雾的生消变化规律。近地层逆温的维持和充沛的水汽条件对雾层长时间维持起着重要作用。诊断分析表明,大雾维持期间,雾区近地面层处在弱的水汽辐合区;900 hPa以上为辐散区和负涡度区,整层大气中下沉运动占主导,大规模的下沉辐散运动有利于中低层大气增温,与近地层的辐射降温相配合,有助于边界层内形成逆温;冷暖平流的作用也有助于逆温形成;地面和大气的长波辐射冷却,是最主要的降温因子;太阳短波辐射是导致大雾减轻及日变化的主要原因。

社会福利均衡的实时电价多层互动模型

为提升智能电网需求侧管理的实时电价所提升的社会福利普及到电力系统每位参与者,给出了一种更为关注收益均衡的建模方法。根据现有的电力系统运行机制,将发电厂、电网公司和用户纳入其中,以电网公司收益提升为目标,建立实时电价多层互动模型,并与现有的社会总福利最大化模型进行了比较分析。仿真结果表明,互动模型较之社会总福利最大化模型,更好地平衡了各参与者间的收益,并且电网公司的收益具有显著提升,各时段用电负荷也呈现减少趋势,进一步说明了互动模型的有效性。

基于计算机视觉的香菇缺陷检测

传统人工检测鲜香菇表面缺陷方法通常效率较低,且易造成视觉疲劳,不能满足现代化工业需求。本研究尝试采用计算机视觉技术检测鲜香菇表面缺陷。首先,香菇样本RGB图像被获取,抽取B分量图像构建掩模用于G分量图像去背景。然后,去背景后的G分量图像进行边缘亮度补偿及缺陷提取。随后,对缺陷标记、提取特征参数及参数选择。为了避开成像系统及环境光的干扰,试验选用缺陷区域总面积与香菇图像总面积的比值作为识别正常香菇与缺陷菇的衡量指标。最后,一个全局阈值0.0035被用于所有被研究样本。结果表明,该识别算法识别正常菇和缺陷菇准确率分别为94%和97.3%,所有样本分类精度达到96.5%。