基于液滴指纹图波形分析的液体识别方法

为了定量地描述“光电液滴指纹图”鉴别液体的功能,提出一种波形分析法来提取指纹图的特征参数。采用“邻域比较法”或“基于最大值和最小值的极值检测法”确定指纹图的峰谷位置,分别计算表征主峰、次峰和波谷的电容信号和光纤信号的参数,以及指纹图的曲线长度和曲线面积。实验证明,“曲线面积”是最有效的识别参数,不同种类液体的相对分辨率为7.45%;同一种类不同品牌的水、饮料、酒、醋和酱油的相对分辨率分别为1.96%,7.64%,14.39%,0.07%和3.65%。指纹图的“次峰”是相对较弱的特征,相对分辨率仅为0.07%。

基于PCA的“光纤液滴指纹图”识别液体研究

基于主成分分析(PCA)对提取“光纤液滴指纹图”的特征值进行研究。对40滴自来水样本进行主成分分析,由特征值大小及累积贡献率确定主成分的个数为6。计算40滴样本的主成分,得出第2,3,4主成分较稳定,第1,5,6主成分稳定性较差。对比40滴样本的“光纤液滴指纹图”的重合性,发现最后15%左右的数据曲线重合性较差,截掉此部分数据重新进行主成分分析,得出6个主成分的稳定性好,最大相对差异仅为8%。基于指纹图中前85%的数据,应用PCA算法对曲线形状较相似的10‰和20‰的盐水进行识别验证,得出二者的6个主成分差异性均显著,说明截掉不稳定的数据后对基于PCA算法识别液体的影响较小。

基于双能X射线的液体危险品识别分类方法

受定位不准、容器影响因素的影响,X射线安检机在液体识别领域识别精度低。为了提高识别精度,基于X射线透射原理,提出了一种理想状态下基于双能X射线安检机的液体识别方法,并给出了高低能图像处理方法以获得准确的容器定位,利用支持向量机和逻辑回归模型对R值进行分类,解决了难以提取有效原子序数实现液体分类识别的问题,并通过仿真和试验验证了算法的可用性。