目的利用近红外光谱及光谱融合策略,结合化学计量学方法,建立水性油墨的颜色预测模型,实现水性油墨印刷品颜色准确预测。方法采集不同酒精含量和不同调色墨含量的油墨的近红外光谱反射率和吸光度数据,并测得对应的印刷品的Lab值,然后建...目的利用近红外光谱及光谱融合策略,结合化学计量学方法,建立水性油墨的颜色预测模型,实现水性油墨印刷品颜色准确预测。方法采集不同酒精含量和不同调色墨含量的油墨的近红外光谱反射率和吸光度数据,并测得对应的印刷品的Lab值,然后建立单一光谱不同预处理过后的偏最小二乘(Partial Least Squares,PLS)模型,以及基于数据层融合和特征层融合的PLS模型,最终通过比较预测集决定系数和预测集均方根误差(Root Mean Square Error of Prediction,RMSEP)以及色差来评估模型的预测效果。结果单光谱建模,基于反射率建立的模型准确率高于基于吸光度建立的模型;数据层融合缺乏稳定性,对L和b值的预测有所提升,对a值的预测几乎不变;特征层融合建模效果明显好于单一光谱和数据层融合,对Lab的预测决定系数分别达到了0.9961、0.9939、0.9974;RMSEP值分别为0.1421、0.2126、0.2072;预测值与真实值的最大色差为0.6783。结论通过光谱特征融合技术能提高油墨颜色预测精度,准确预测出油墨颜色变化。展开更多
叶绿素含量是植物生长状况的重要指标。传统的测量叶绿素的方法费时费力,会对植物造成损伤。近年来,数字图像处理技术在估测植物叶绿素含量方向上取得了较好的进展,但针对银杏等经济林木的研究依旧偏少。以不同水氮互作条件下的2年生银...叶绿素含量是植物生长状况的重要指标。传统的测量叶绿素的方法费时费力,会对植物造成损伤。近年来,数字图像处理技术在估测植物叶绿素含量方向上取得了较好的进展,但针对银杏等经济林木的研究依旧偏少。以不同水氮互作条件下的2年生银杏幼苗为研究对象,使用数字扫描仪采集银杏幼苗叶片图像,利用数字图像技术构建颜色特征参数,结合相关性分析初筛出对叶绿素显著相关的颜色特征参数,并进一步基于高斯过程回归(gaussian process regression, GPR)和偏最小二乘回归(partial least squares regression, PLSR)优选建模中最为重要的颜色特征参数,建立基于银杏叶片颜色特征参数的叶绿素含量估测模型。结果表明,叶绿素含量随着施氮水平和水分处理水平的上升总体上呈现逐渐提高而后缓慢下降的趋势。基于单一颜色参数建立的单变量回归模型(R^(2)=0.01~0.72)预测精度总体上低于使用高斯过程回归(R^(2)=0.79~0.81)和偏最小二乘法(R^(2)=0.75~0.77)的模型。其中,GPR-BAT模型和PLSR-VIP模型都筛选出了对叶绿素敏感的R、G颜色特征参数;GPR模型的表现总体上优于PLSR模型,特别是在使用GPR-BAT优选颜色参数建模时表现最佳(R^(2)=0.81)。基于GPR-BAT优选颜色参数构建的GPR模型效果最佳,可准确估测银杏叶片叶绿素含量,为银杏生产的精确管理和监测银杏生长状况提供技术支撑。展开更多
Let G be a graph, in which each vertex (job) v has a positive integer weight (processing time) p(v) and eachedge (u,v) represented that the pair of jobs u and v cannot be processed in the same slot. In this paper we a...Let G be a graph, in which each vertex (job) v has a positive integer weight (processing time) p(v) and eachedge (u,v) represented that the pair of jobs u and v cannot be processed in the same slot. In this paper we assume that every job is non-preemptive. Let C={1,2,...} be a color set. A multicoloring (scheduling) F of G is to assign each job v a set of p(v) consecutive positive integers (processing consecutive time slots) in C so that any pair of adjacent vertices receive disjoint sets. Such a multicoloring is called a non-preemptive scheduling. The cost non-preemptive scheduling problem is to find an optimal multicoloring of G.展开更多
文摘目的利用近红外光谱及光谱融合策略,结合化学计量学方法,建立水性油墨的颜色预测模型,实现水性油墨印刷品颜色准确预测。方法采集不同酒精含量和不同调色墨含量的油墨的近红外光谱反射率和吸光度数据,并测得对应的印刷品的Lab值,然后建立单一光谱不同预处理过后的偏最小二乘(Partial Least Squares,PLS)模型,以及基于数据层融合和特征层融合的PLS模型,最终通过比较预测集决定系数和预测集均方根误差(Root Mean Square Error of Prediction,RMSEP)以及色差来评估模型的预测效果。结果单光谱建模,基于反射率建立的模型准确率高于基于吸光度建立的模型;数据层融合缺乏稳定性,对L和b值的预测有所提升,对a值的预测几乎不变;特征层融合建模效果明显好于单一光谱和数据层融合,对Lab的预测决定系数分别达到了0.9961、0.9939、0.9974;RMSEP值分别为0.1421、0.2126、0.2072;预测值与真实值的最大色差为0.6783。结论通过光谱特征融合技术能提高油墨颜色预测精度,准确预测出油墨颜色变化。
文摘叶绿素含量是植物生长状况的重要指标。传统的测量叶绿素的方法费时费力,会对植物造成损伤。近年来,数字图像处理技术在估测植物叶绿素含量方向上取得了较好的进展,但针对银杏等经济林木的研究依旧偏少。以不同水氮互作条件下的2年生银杏幼苗为研究对象,使用数字扫描仪采集银杏幼苗叶片图像,利用数字图像技术构建颜色特征参数,结合相关性分析初筛出对叶绿素显著相关的颜色特征参数,并进一步基于高斯过程回归(gaussian process regression, GPR)和偏最小二乘回归(partial least squares regression, PLSR)优选建模中最为重要的颜色特征参数,建立基于银杏叶片颜色特征参数的叶绿素含量估测模型。结果表明,叶绿素含量随着施氮水平和水分处理水平的上升总体上呈现逐渐提高而后缓慢下降的趋势。基于单一颜色参数建立的单变量回归模型(R^(2)=0.01~0.72)预测精度总体上低于使用高斯过程回归(R^(2)=0.79~0.81)和偏最小二乘法(R^(2)=0.75~0.77)的模型。其中,GPR-BAT模型和PLSR-VIP模型都筛选出了对叶绿素敏感的R、G颜色特征参数;GPR模型的表现总体上优于PLSR模型,特别是在使用GPR-BAT优选颜色参数建模时表现最佳(R^(2)=0.81)。基于GPR-BAT优选颜色参数构建的GPR模型效果最佳,可准确估测银杏叶片叶绿素含量,为银杏生产的精确管理和监测银杏生长状况提供技术支撑。
文摘Let G be a graph, in which each vertex (job) v has a positive integer weight (processing time) p(v) and eachedge (u,v) represented that the pair of jobs u and v cannot be processed in the same slot. In this paper we assume that every job is non-preemptive. Let C={1,2,...} be a color set. A multicoloring (scheduling) F of G is to assign each job v a set of p(v) consecutive positive integers (processing consecutive time slots) in C so that any pair of adjacent vertices receive disjoint sets. Such a multicoloring is called a non-preemptive scheduling. The cost non-preemptive scheduling problem is to find an optimal multicoloring of G.