基于低场核磁弛豫特性的油茶籽油支持向量机掺伪鉴别模型的建立与评价

油茶籽油商业价值高,有必要开发快速准确的油茶籽油掺伪鉴别方法。本实验研究低场核磁共振(low-field nuclear magnetic resonance,LF-NMR)弛豫特性结合支持向量机(support vector machine,SVM)鉴别油茶籽油掺伪的可行性。在比较了油茶籽油、3种其他种类的正常/氧化的食用油及多种二元掺兑油样的LF-NMR弛豫特性的基础上进行主成分分析,设计了具有二叉树结构的SVM多分类器,采用ReliefF算法进行特征筛选,建立并验证了油茶籽油掺伪的SVM鉴别模型。研究表明,油脂种类、氧化程度及掺兑比例均会影响油样的LF-NMR弛豫特性。当特征数为9时,SVM多分类模型性能最佳,准确率可达90.77%,对油茶籽油、掺兑类型及比例的平均召回率为90.87%、精确率为90.83%、F1分数为0.90。这表明基于LF-NMR弛豫特性的SVM模型可用于油茶籽油的掺伪鉴别。

基于水平集的牙齿牙槽骨图像分割

口腔锥形束计算机断层扫描(Cone Beam Computed Tomography,CBCT)图像中牙齿及牙槽骨的分割对骨性结构的三维重建提供了基础,是实现牙齿牙槽骨三维可视化的必要步骤.本文根据牙齿及牙槽骨特点,将一种改进的势阱函数与水平集模型结合,克服以往势阱函数在部分区域出现"停止演化"或"过快演化"的缺陷,并将其应用在对牙齿牙槽骨的分割当中.采用多次小方差高斯滤波叠加的方式对图像进行序贯滤波预处理,解决单一方差高斯滤波难以有效滤除CBCT图像中噪声的问题,为准确分割提供了条件;基于序列图像相邻两张图片中同一牙齿的轮廓变化不大这一特点,以当前层的分割结果作为下一层曲线演化的初始轮廓,使得用更少的迭代次数得到相同结果,从而提高分割速度.另外,本文还将该算法应用于口腔磁共振图像中,并成功对单颗牙齿进行了分割.