期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
高光谱成像技术结合机器学习的稻米霉变检测
1
作者
李斌
苏成涛
+1 位作者
殷海
刘燕德
《光谱学与光谱分析》
SCIE
EI
CAS
CSCD
北大核心
2023年第8期2391-2396,共6页
稻米霉变会引起营养物质流失,同时产生有毒物质,不仅降低其自身品质,还会感染其他正常稻米。为减少霉变引起的稻米损耗,需及时分离霉变稻米。高光谱技术具有快速、无损的特点,因此,尝试利用高光谱技术对稻米霉变情况进行检测。发芽稻米...
稻米霉变会引起营养物质流失,同时产生有毒物质,不仅降低其自身品质,还会感染其他正常稻米。为减少霉变引起的稻米损耗,需及时分离霉变稻米。高光谱技术具有快速、无损的特点,因此,尝试利用高光谱技术对稻米霉变情况进行检测。发芽稻米与发霉稻米具有相似的光谱特征,易被误判为发霉稻米,影响后续稻米霉变程度的检测,因此,提出利用高光谱技术结合多种预处理及判别模型区分发芽稻米与发霉稻米,并对不同霉变程度的稻米进行判别。将正常、发芽、发霉和发芽发霉的稻米样本建立模型进行区分检测,并对轻度、中度、重度和完全发霉的稻米样本进行判别。利用高光谱采集仪器对正常、发芽、发霉和发霉发芽的稻米样本进行光谱图像采集,提取采集图像感兴趣区域(ROI)的光谱,以ROI内光谱的平均反射率作为稻米样本的光谱特征。对提取的光谱数据进行SNV、Normalize和MSC等预处理;利用KS算法将样本以1∶3的比例均匀地划分为用于验证模型效果的预测集和建立光谱与样本关系的建模集;分别建立PLSR、SVM和RF模型,以3种模型的预测集正确率评价各模型预测效果,挑选出效果最优的判别模型。在正常、发芽、发霉和发芽发霉稻米的检测中,得到最优的判别模型为基线校正法预处理后的随机森林(Baseline-RF)模型,Baseline-RF模型的预测集判别准确率为100%;在稻米霉变程度的检测中,通过对不同模型的预测结果进行比较得出,SNV-RF模型的预测集中未出现误判样本,表现出最优的判别效果。为简化模型,在冗长的原始光谱中提取特征波长,以特征波长光谱建立SNV-RF模型,结果显示利用CARS算法挑选后的特征波长具有较好的判别能力,整体的判别准确率为97.5%。实验结果显示高光谱技术结合CARS-SNV-RF模型能够快速准确地判别稻米的霉变程度,为霉变稻米的快速判别提供一定的理论基础和实验参考,对提高稻米品质、减少稻米浪费具有重要意义。
展开更多
关键词
高光谱技术
波段筛选
稻米霉变
快速检测
下载PDF
职称材料
题名
高光谱成像技术结合机器学习的稻米霉变检测
1
作者
李斌
苏成涛
殷海
刘燕德
机构
华东交通大学智能机电装备创新研究院
出处
《光谱学与光谱分析》
SCIE
EI
CAS
CSCD
北大核心
2023年第8期2391-2396,共6页
基金
国家自然科学基金项目(31760344)
国家科技奖后备项目培育计划项目(20192AEI91007)资助。
文摘
稻米霉变会引起营养物质流失,同时产生有毒物质,不仅降低其自身品质,还会感染其他正常稻米。为减少霉变引起的稻米损耗,需及时分离霉变稻米。高光谱技术具有快速、无损的特点,因此,尝试利用高光谱技术对稻米霉变情况进行检测。发芽稻米与发霉稻米具有相似的光谱特征,易被误判为发霉稻米,影响后续稻米霉变程度的检测,因此,提出利用高光谱技术结合多种预处理及判别模型区分发芽稻米与发霉稻米,并对不同霉变程度的稻米进行判别。将正常、发芽、发霉和发芽发霉的稻米样本建立模型进行区分检测,并对轻度、中度、重度和完全发霉的稻米样本进行判别。利用高光谱采集仪器对正常、发芽、发霉和发霉发芽的稻米样本进行光谱图像采集,提取采集图像感兴趣区域(ROI)的光谱,以ROI内光谱的平均反射率作为稻米样本的光谱特征。对提取的光谱数据进行SNV、Normalize和MSC等预处理;利用KS算法将样本以1∶3的比例均匀地划分为用于验证模型效果的预测集和建立光谱与样本关系的建模集;分别建立PLSR、SVM和RF模型,以3种模型的预测集正确率评价各模型预测效果,挑选出效果最优的判别模型。在正常、发芽、发霉和发芽发霉稻米的检测中,得到最优的判别模型为基线校正法预处理后的随机森林(Baseline-RF)模型,Baseline-RF模型的预测集判别准确率为100%;在稻米霉变程度的检测中,通过对不同模型的预测结果进行比较得出,SNV-RF模型的预测集中未出现误判样本,表现出最优的判别效果。为简化模型,在冗长的原始光谱中提取特征波长,以特征波长光谱建立SNV-RF模型,结果显示利用CARS算法挑选后的特征波长具有较好的判别能力,整体的判别准确率为97.5%。实验结果显示高光谱技术结合CARS-SNV-RF模型能够快速准确地判别稻米的霉变程度,为霉变稻米的快速判别提供一定的理论基础和实验参考,对提高稻米品质、减少稻米浪费具有重要意义。
关键词
高光谱技术
波段筛选
稻米霉变
快速检测
Keywords
Hyperspectral technology
Waveband selection
Rice moldy
Rapid detection
分类号
O433.4 [机械工程—光学工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
高光谱成像技术结合机器学习的稻米霉变检测
李斌
苏成涛
殷海
刘燕德
《光谱学与光谱分析》
SCIE
EI
CAS
CSCD
北大核心
2023
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部