基于随机森林算法以及可见–近红外光谱的苹果糖度无损检测

本文基于可见–近红外光谱分析技术结合随机森林算法实现不同产地的苹果糖度无损检测。研究通过漫反射采集系统收集三种不同产地苹果的光谱数据后经多种预处理办法比较,采用标准正态变换分别结合偏最小二乘、随机森林算法建立苹果糖度检测通用模型。结果显示该模型预测集相关系数(Rp2)和预测均方根误差(RMSEP)分别为0.89和0.44,相比偏最小二乘法检测模型相关系数(Rp2)和预测均方根误差(RMSEP)的0.85和0.47,均有提高。研究扩大了单一品种模型的预测范围,结合随机森林算法有效地提升模型的预测稳健性,对进一步实现水果品质无损检测具有良好的潜在意义。

基于多光谱成像技术的面部痤疮识别研究

痤疮是属于丙酸杆菌皮肤病脉的一种慢性炎症,它危害着人体健康。虽然市面上存在痤疮识别手段,但其仪器较大且费用昂贵,目前尚无民用级别的痤疮识别系统投入使用。本文提出一种基于多光谱成像技术的面部痤疮识别方案,即利用多光谱相机设备,分别对面部正常与不同严重程度痤疮皮肤进行多光谱图像信息采集,通过图像处理方法对采集的信息进行多光谱图像分析,并通过光谱反演算法获取光谱信息。然后将反演出的正常和不同严重程度痤疮皮肤的反射率谱线,与高精度光谱仪在同等实验条件下探测的谱线趋势进行对比。最后建立支持向量机(support vector machine,SVM)面部痤疮三度四级分类模型,准确率为90%,验证了基于多光谱成像技术对面部痤疮无创识别与分类的可行性。