为提高木质粉尘火花检测的准确性,利用基于支持向量机(SVM)的物质分类方法检测木质粉尘火花。选取马尾松和杨木粉尘为研究对象,将两种粉尘分组点燃试验,获取火花和灰分的高光谱图像,提取感兴趣区域(region of interest,ROI)内的发光度...为提高木质粉尘火花检测的准确性,利用基于支持向量机(SVM)的物质分类方法检测木质粉尘火花。选取马尾松和杨木粉尘为研究对象,将两种粉尘分组点燃试验,获取火花和灰分的高光谱图像,提取感兴趣区域(region of interest,ROI)内的发光度数据进行预处理。利用感兴趣区域内的数据建立SVM分类模型,分别利用网格搜索法(GS)、遗传算法(GA)以及粒子群算法(PSO)对两类树种的SVM分类模型进行参数优化,并将三种参数优选方法的分类预测准确率进行对比。结果表明,三种优化方法均能够很好地检测两种树种的木粉火花,其中网格搜索法检测准确率明显高于其余两种,更适于木质粉尘火花探测,这为人造板生产过程中能够高效检测木质粉尘火花提供了一定的理论依据。展开更多
文摘为提高木质粉尘火花检测的准确性,利用基于支持向量机(SVM)的物质分类方法检测木质粉尘火花。选取马尾松和杨木粉尘为研究对象,将两种粉尘分组点燃试验,获取火花和灰分的高光谱图像,提取感兴趣区域(region of interest,ROI)内的发光度数据进行预处理。利用感兴趣区域内的数据建立SVM分类模型,分别利用网格搜索法(GS)、遗传算法(GA)以及粒子群算法(PSO)对两类树种的SVM分类模型进行参数优化,并将三种参数优选方法的分类预测准确率进行对比。结果表明,三种优化方法均能够很好地检测两种树种的木粉火花,其中网格搜索法检测准确率明显高于其余两种,更适于木质粉尘火花探测,这为人造板生产过程中能够高效检测木质粉尘火花提供了一定的理论依据。