基于偏振光图像的五常核心产区稻花香米真实性判别

“五常大米”(GB/T 19266-2008)享有地理标志保护,但由于其核心产区内外稻米品质差异较大及频繁的仿冒现象,进一步区分五常大米核心产区将有助于品牌发展、保护和提升。本论文以五常稻花香大米核心产区之一的民乐乡为例,选取民乐乡与五常地区非民乐乡不同产地的相同稻花香2号(五优稻4号)品种稻米,采集其偏振光图像,数据集总共包含3万张稻米颗粒图片;选择适合识别图像表型差异小的三种深度学习方法DenseNet、GoogleNet、ResNet50,进行民乐乡与非民乐乡的稻米籽粒偏振图像分类判别;随后,利用模型的混淆矩阵值,计算出每个模型的准确率、精确率、召回率和F1值。实验结果表明,DenseNet模型性能最优,平均准确率达到0.991;GoogleNet模型次之,平均准确率为0.966;ResNet50模型在训练集上表现良好,但在测试集上表现较差,且出现过拟合现象,平均准确率为0.948。本研究中五常的民乐乡与非民乐乡相同品种糙米图像肉眼观察相似度较高,但通过采集其偏振信息图片并且利用复杂的深度学习模型能够实现较好区分。所以,利用偏振成像技术结合深度学习的方法对五常核心产区稻花香米进行真实性判别具有可行性。

关于双曲守恒型方程式黎曼问题解的核心判别位置的确定

关于标量双曲守恒型方程式ut+fx=0的黎曼问题u=ul(x<0),u=ur(x>0),当f为非凸时解的性质同ur,ul的位置及同曲线f=f(u)的某些核心判别位置Uncl(nucleation criterion)有关.如何决定它,对于求解关系很大.过去文献只对f为非凸三次典型曲线研究过,但尚未明确在一般情形下求解的型式及方法.本文目的是应用更清晰的几何方法寻求当f为4次标量函数时的Uncl,并讨论它与解的性质及型式关系.

基于最大熵原理的油气层流体性质识别

针对目前各种地层流体性质识别方法的模糊性和不确定性，基于信息论中Jaynes最大信息熵原理提出了一种地层流体性质定量评价模型。利用现场试油资料，将油气层、水层以及干层的各种测井曲线特征值作为地层流体性质判别核心。同时，为避免人为因素干扰，拟选用Shannon熵的方法并利用数据自身信息客观地确定熵权，将待判的各种测井评价参数代入熵最大原理的定量评价模型，计算最小的熵值进而识别流体。该方法既能识别地层流体性质，还可以识别岩性，具有较高的识别精度。