基于视觉检测的非接触式膏体浓度识别方法

为解决膏体料浆对于接触式浓度计的损坏以及核子浓度计对施工人员的辐射等问题,提出一种基于视觉检测的非接触式膏体浓度识别方法,以膏体图像数据集为基础,采用卷积神经网络模型提取膏体深度特征,设计多模型全连接层融合算法、伽马矫正数据增广策略,对膏体浓度监测准确率进行分析。研究结果表明:手动搅拌膏体数据集的准确率为88.79%,在自动搅拌膏体数据集上获得91.42%的准确率,可有效提高浓度识别准确性,避免浓度计损坏或辐射危险。

洗涤液浓度识别方法的研究及应用

针对品类繁多的洗衣液制品,洗衣机如何准确识别出洗衣液的浓度,已成为智能洗衣机研究领域新的热点和难点。通过对洗涤剂识别方法的研究分析,得出溶液的电导率变化可以间接反映出洗衣液浓度变化,基于四极法电导率识别原理设计了洗衣液浓度识别模块,并进行了实验测试,其结果验证了该识别方法的可行性、准确性和稳定性。

基于深度学习的^(252)Cf源驱动核材料浓度识别技术

针对核武器/核材料识别系统中核材料浓度识别的关键技术问题,采用Monte Carlo方法,通过建立^(252)Cf源驱动核材料裂变中子信号样本库,模拟分析了随探测器距离和角度及核材料浓度变化的裂变脉冲中子信号特点,基于深度学习之卷积神经网络,构建了一种^(252)Cf源驱动核材料浓度识别方法,实现了对测试样本浓度的识别,且还与BP神经网络和K最近邻方法进行了对比试验研究。结果表明,卷积神经网络算法进行核材料浓度识别,得到了高达92.05%识别准确率,不仅解决了因探测器距离和角度变化时对核材料浓度识别准确率影响的难题,而且还获得了优于BP神经网络和K最近邻算法对核材料浓度识别的认识,这为^(252)Cf源驱动核材料浓度识别提供了一种新的途径。

基于ν-SVR的纸基纳米金检测Cr^(6+)的浓度识别

纸基纳米金检测六价铬(Cr^(6+))具有快速、精确、特异性高等优点,纸基颜色变化程度可表征Cr^(6+)浓度。针对基于纸基纳米金的Cr^(6+)浓度识别问题,提出以支持向量回归(SVR)模型作为识别算法,合理选择出最优参数训练模型,基于训练的模型对浓度进行识别。实验表明:基于SVR的识别精度明显优于多项式非线性回归识别和BP神经网络识别,采用SVR可实现基于纸基纳米金的Cr^(6+)浓度精确识别。

差减凝胶渗透色谱在产品浓度和品牌识别中的应用

差减凝胶渗透色谱(D-GPC)以已知的标准样品溶液作淋洗剂,样品溶液作进样试液,通过内部差减,快速准确地给出样品溶液与标准样品溶液各组分之间的差异。以聚乙二醇(PEG200)的浓度识别以及3种啤酒的品牌识别为例,通过比较常规GPC与D-GPC所得到的实验结果,说明D-GPC方法在啤酒质量控制和品牌识别等方面所具有的应用价值。

瓦斯浓度伪异常诊断准则研究

煤矿井下瓦斯传感器数据有时会因瓦斯校验,瓦斯传感器位移、故障等因素导致瓦斯数据异常从而引发不必要的报警,为解决这一问题,以李雅庄煤矿和平顶山一矿的瓦斯监测数据为基础,从大量的瓦斯监测数据中分析瓦斯伪异常的形态特征、数据特征,最终采用最值、极差、上升速率及时间等特征指标实现对瓦斯监测数据伪异常的识别,实现对井下瓦斯灾害的精准预警。

基于太赫兹光谱的水体重金属检测

[目的]基于太赫兹时域光谱技术,对水体中汞(Hg)、镉(Cd)、铜(Cu)3种重金属进行检测,旨在太赫兹光谱范围内找出3种重金属的特征频率点,同时为构建水体中3种重金属类别和浓度识别以及含量的预测模型提供方法借鉴。[方法]分别配置不同浓度的Hg、Cd、Cu重金属溶液,用太赫兹光谱衰减反射模式采集样品的时域数据,通过离散余弦变换(discrete cosine transform,DCT)、标准正态变换(standard normal transformation,SNV)与二阶导数(second derivative,SD)去噪,主成分分析(principal component analysis,PCA)、多维度缩放(multiple dimension scaling,MDS)与线性判别分析(linear discriminant analysis,LDA)降维,再通过随机森林(random forest,RF)、k邻近算法(k-nearest neighbor,KNN)和概率神经网络(probabilistic neural network,PNN)进行重金属类别与浓度的检测建模,最后采用最小二乘支持向量机(least squares support vector machines,LS-SVM)与反向传播神经网络(back propagation neural network,BPNN)进行浓度预测建模。[结果]一定浓度范围内Hg和Cd溶液的吸收系数谱分别在1.7 THz与1.2 THz处有明显吸收峰变化,未发现Cu溶液吸收系数谱随浓度改变的规律。PNN与KNN模型可对3种重金属水体进行准确检测,构建的PCA-PNN模型可分别对Hg、Cd和Cu溶液进行浓度识别,准确率分别为99.45%、95.93%和99.25%。构建的DCT-LDA-BPNN模型可用于溶液中的Hg、Cd和Cu这3种重金属含量预测,决定系数分别为0.996、0.986和0.999,均方误差分别为0.008、0.026和2.164。[结论]本试验证明太赫兹光谱对不同浓度的Hg、Cd、Cu溶液有较好的定性与定量分析能力,能为水体重金属检测提供重要参考。

基于气体传感器阵列和独立成分分析的易燃气体检测(英文)

本文提出一种基于气体传感器阵列和独立成分分析(ICA)的方法来检测常见易燃性气体,例如一氧化碳(CO)和甲烷(CH4)。气体传感器阵列由6个商用金属氧化物半导体传感器组成,分别对这两个独立的气源产生响应。通过分析ICA散点图中CO和CH4的信息成分,实现了这两种易燃气体的定性和定量组分分析。仿真结果表明,用ICA对气体传感器阵列测量数据进行处理,可以提高气体识别的准确率和浓度测量的精度。

Statistical Approach to Identify Environmental Factors in Controlling Heavy Metal Concentrations in Sediment

Surface sediment samples were collected from 35 locations in Sulaibikhat Bay, Kuwait. Co, Cr, Cu, Ni, Pb and Zn concentrations were determined. Grain sizes, TOC （total organic carbon）, carbonate, mineralogical and environmental data were also determined. Multiple linear regression is applied to the data from the sediment sequential extractions to assess the relative importance of mineralogical and sedimentological factors in controlling heavy metal concentrations in individual chemical fractions （exchangeable, reducible, oxidizable, residual） under different environmental conditions. The analysis shows that grain size, TOC, calcium carbonate and minerals clearly influence heavy metal concentrations. For the exchangeable fraction, clay, grain size and the mineral pyrite are the main factors, whereas for the reducible fraction, TOC is the main factor influencing concentrations ofZn, Pb, Ni, Cu and Cr. For the oxidizable fraction, modelling shows that TOC is the main factor influencing Zn, Ni, Cu, Cr and Co concentrations. The residual fraction concentrations of Zn, Ni, Cr and Co were best predicted by the abundance of sand, with sand content having a negative effect on heavy metal concentrations in this fraction. The statistical techniques in environmental data interpretation are quite useful in cutting down the volume of the data and identifying identical classes which are statistically distinct.