中药材品质无损检测技术研究进展

该文综述了X射线技术、计算机视觉技术、核磁共振技术、近红外光谱技术、高光谱成像技术、太赫兹光谱技术等无损检测技术在中药材品质检测领域中的应用进展,分析各种无损检测技术优势和劣势,并对无损检测技术在中药材品质检测领域的发展趋势进行展望,为中药材品质无损检测技术标准研究提供参考。

“新工科”背景下民族院校《通信原理》弹性教改初探

着眼于新工科背景下对民族院校培养专业人才的迫切要求,如何对民族院校现有教学模式进行改革,从而培养出不仅可以适应"新工科"人才,还可以肩负产业振兴的发展人才.以《通信原理》课程为例,根据民族院校的复杂情况,分析了传统教学内容、教学模式以及考核标准的弊端,提出因材施教制定教学内容,尊重差异制定教学方法,多样化考核标准适合民族院校的教学改革主要措施,形成了"互联网+教学""区块链+教学""翻转课堂""分层次教学"的弹性教改方案,以期能为其他民族院校以及其他电子信息类课程改革创新提供参考.

基于DIQA的腐烂蓝莓高光谱特征波长图像选取方法

目前高光谱成像技术已成为蓝莓品质自动检测的重要手段,其中提取特征波长是一个重要步骤。为获得最佳的腐烂蓝莓高光谱特征波长图像,提出一种基于深度学习的高光谱图像特征波长图像选取方法。首先提取腐烂蓝莓高光谱各波长图像的高频分量图像,然后提出利用深度学习图像质量评价网络(DIQA)选取腐烂蓝莓高光谱图像中的最佳图像。在DIQA第一阶段对腐烂蓝莓高光谱图像的高频图学习误差图。在DIQA第二阶段将第一阶段能够预测误差图的网络作为对腐烂蓝莓高光谱图像质量评价的骨干网络,并对网络做全局平均池化,最后引入两个特征以弥补信息量损失,通过评分评价图像质量。结果表明:通过对400~1000nm的472个波长下蓝莓高光谱图像进行质量评价,得到最佳图像质量的5个波长(664,721,836,854,884nm)。与PCA提取的特征波长(454,607,699,913,967nm)图像相比较得知,所提取的腐烂蓝莓特征波长图像具有较多优势。另外采用卷积神经网络ResNet50对DIQA与PCA构建的蓝莓特征波长图像数据集进行学习,得出DIQA选取的腐烂蓝莓特征波长图像构建的数据集,损失能较快的收敛,并且在验证集中能保持稳定的准确率,识别效果最好,最终识别率为99.4%。说明基于DIQA的腐烂蓝莓高光谱特征波长图像选取方法是可行的,可为高光谱图像选取特征波长图像提供一种新的参考方法。

基于TRIZ的蓝莓病害检测方法

为克服蓝莓采后人工分拣的弊端,提升蓝莓自动分拣的水平,提出利用TRIZ理论中发明原理,构建物质—场模型,结合高光谱成像技术应用物理效应和现象研究一种蓝莓病害的无损检测方法。首先应用TRIZ理论中机械系统替代原理利用高光谱成像系统获取蓝莓高光谱图像、物理参数改变原理提出了基于光谱数据分割蓝莓图像的光谱信息分割法SIS。通过与传统的阈值分割方法对比分析可知,SIS分割法更能准确分割出蓝莓及其病害区域。通过分析蓝莓病害区域与正常区域的光谱曲线的差异,将全波段光谱分成可见光第一区域波段(500~760nm)和近红外第二区域波段(760~1000nm),应用TRIZ理论中组合原理将特征波段提取IRIV法与CARS法结合为CARS-IRIV法提取出第一区域与第二区域组合的7个特征波长(500,522,701,828,857,893,969nm)。最后将不同区域的特征波长对应的光谱反射率以及两个区域特征波长结合对应的光谱反射率作为径向基神经网络RBF模型的输入矢量建立蓝莓病害检测模型。试验结果表明第一区域与第二区域组合提取的特征波长对应的光谱反射率作为RBF模型的输入矢量检测蓝莓病害结果最好,正确检测率达到87%以上。试验结果说明基于TRIZ理论提出的SIS-CARS-IRIV-RBF模型能够更有效地检测蓝莓腐烂病害,可为蓝莓在线实时分拣、提高蓝莓行业自动化水平和生产效益提供一定的理论基础和技术支撑。