基于KPCA-PSO-ELM算法的地表水化学需氧量紫外-可见吸收光谱检测研究

化学需氧量(COD)是水质检测重要指标之一,反映水体有机物含量。传统的COD化学检测方法存在操作繁琐,等待时间长,二次污染等缺点。紫外-可见吸收光谱法是目前水体化学需氧量检测中应用最为广泛的方法之一,具有检测快速、无污染等特点。为了满足地表水化学需氧量快速、实时、在线监测等要求,采用紫外-可见吸收光谱进行测量,提出了内核主成分分析(KPCA)结合粒子群优化极限学习机(PSO-ELM)预测模型,满足当前对地表水化学需氧量快速、实时监测的要求。对光谱进行Savitzky-Golay(SG)滤波以降低随机噪声的影响;用积分光谱代替原光谱,以降低信号波动带来的影响;再将得到的光谱信息归一化,消除不同光谱数据量纲的影响。将预处理后的数据利用KPCA算法将全光谱数据压缩为5个特征,有效解决光谱信息冗余的问题;采用PSO算法对ELM的权重和偏置进行优化极大提高了模型的精度。对217个河流、长江及支流、湖库等地表水样本按照7∶3随机划分成训练集和测试集,并进行建模测试,其中训练集拟合优度(R2)为0.930 2、均方根误差(RMSE)为0.363 0 mg·L^(-1)、测试集拟合优度R2为0.931 9、均方根误差(RMSE)为0.400 7 mg·L^(-1)。为了验证提出的基于KPCA全光谱数据压缩方法对预测模型的提升效果,分别对比了主成分分析(PCA)、连续投影算法(SPA)、套索回归(LASSO)等特征处理算法。PCA-PSO-ELM模型的RMSE为0.715 1 mg·L^(-1)、 SPA-PSO-ELM模型的RMSE为0.473 7 mg·L^(-1)、 LASSO-PSO-ELM模型的RMSE为0.412 6 mg·L^(-1), KPCA-PSO-ELM模型较上述三种模型,RMSE分别降低了78.46%、 18.22%、 2.97%,结果表明KPCA是一种高效的光谱降维算法,能够有效消除光谱冗余信息,提升模型预测精度。基于KPCA-PSO-ELM预测模型结合紫外-可见吸收光谱可以实现对地表水COD快速、实时检测,为在线COD检测场景提供方法支撑。

冷却肉微生物污染和肉色变化的Vis/NIR光谱无损检测

利用可见/近红外光谱技术对冷却肉菌落总数和颜色进行快速、无损检测。采用400~1 100 nm可见/近红外光谱成像系统,获取54个冷却肉样本表面的光谱图像,采用主成分分析结合马氏距离方法对异常光谱进行判别及剔除。通过Gompertz分布函数对散射特征曲线进行拟合,得到表征光谱信息的Gompertz参数,结合支持向量机算法建立冷却肉菌落总数和肉色L*的预测模型。α、β、θ、δ组合和α、β、δ组合建模对细菌总数预测效果最好,预测相关系数分别为0.937和0.935,预测标准差为0.600 lg CFU/g和0.702 lg CFU/g。β、δ组合建模对肉色L*预测效果较好,预测相关系数达到0.930,预测标准差为1.515。研究结果表明利用Vis/NIR光谱散射特征结合支持向量机可以实现冷却肉品质的快速、高效、无损伤检测。

基于机器学习的新疆植被覆盖变化及其影响因子之间的关系

以新疆植被覆盖变化及其影响因子之间的关系作为研究对象,通过比较多元线性回归、随机森林回归、XGBoost、支持向量机回归,优选出精度最高的模型,依据最优模型计算出的属性重要程度,对15个影响因子进行重组并分析,探索了气温、降水量、辐射量、潜在蒸发、经度、纬度、高程、地貌类型、坡度、坡向、人类影响指数、径流、土壤类型、土壤湿度、植被类型15个影响因子对植被覆盖变化的影响。结果表明,XGBoost模型对归一化植被指数(NDVI)预测准确率最高,随机森林回归次之。在研究区内对NDVI影响程度最大的影响因子是土壤湿度、径流、植被类型、经度、潜在蒸发、气温、辐射量、地貌类型、降水量。在影响因素类型方面,气候条件因素对NDVI影响程度最大,土壤特征因素影响程度次之,地形地貌因素比前两者低。

无接触式猪体体尺测量技术研究进展

随着视觉传感器和计算机视觉等领域的科技进步,无接触式猪体体尺检测相关的硬件设备和技术方法都发生了巨大的变化。视觉感知升级为三维立体视角,相应的设备也从黑白相机更新为深度设备。设备类型通常决定了基本的实施方案和技术方法,然而目前该领域的研究大多聚焦具体的算法细节,难以满足实际的工程需求。本文以视觉传感器类型为核心,概述了无接触式猪体体尺测量方面不同的工程部署方法,总结了设备使用方法、采集数据的环境条件和方式等,同时对猪体体尺测量的5个三维点云技术任务进行分析,并归纳了目前研究的优缺点、提升空间以及与实际工程应用相结合的方案,最后展望了深度学习与三维点云技术相结合的研究难点。通过对比发现,深度设备和三维点云技术是未来工程应用的方向,基于深度学习的点云分割、点云补全、关键点检测等技术具有良好的应用前景,为无接触式猪体体尺测量技术的后续研究提供了参考。

融合点线特征的视觉惯性同时定位及建图

为了解决移动机器人在低纹理场景中的定位精度较低且容易跟踪丢失问题,本文设计了一种点线特征提取和匹配策略,并以此构建了视觉惯性同时定位和建图系统。提出线特征提取和匹配算法,通过改良线特征提取算法的隐藏参数,提高了线特征提取的精度。利用点线特征不同匹配筛选框架减少误匹配的数目,得出了可以应用于视觉惯性同时定位和建图系统的线特征提取匹配算法。在现有视觉惯性框架中引入提出的线特征约束,搭建了能在未知低纹理环境下鲁棒运行的视觉惯性同时定位及建图系统。研究表明:在真实环境中的移动机器人定位实验证明了该系统的精度和鲁棒性优于现有的视觉惯性框架,其室内定位精度提高了24.2%,走廊定位精度提高了8%,对于移动机器人在低纹理场景下的高精度定位具有较高价值。

VI在工程机械远程控制中的应用研究

对关于LabVIEW的远程虚拟仪器(VI)的实现方案做了分析和讨论,并使用Datasocket和FieldPoint等技术实现了对工程机械的远程控制,实现了现代虚拟仪器技术与工程机械控制的结合,使工程机械的运作在一定程度上不再受恶劣环境的限制。

基于LabVIEW的数控机床振动信号分析

机床振动是机床受到外界或内部系统影响的宏观表像,对于具备高精度的加工设备的数控机床来讲,分析其振动可以有效检测、预防和诊断故障,为机床设计、制造和使用提供动态跟踪手段。本文就是设计一种基于虚拟仪器的数控机床振动信号分析系统。

电阻率测井成像图井壁裂缝智能识别与分割方法

目前测井图像裂缝识别、处理过程工作量巨大,人工识别主观性强、稳定性差,为此,提出将计算机视觉技术和深度学习框架引入测井成像图分析解读领域,构建新型裂缝形态智能识别网络模型,实现了电阻率测井成像图中井壁裂缝区域的智能识别与分割标注。首先,通过多尺度空洞卷积结合注意力机制提取电阻率测井井壁成像图中浅层和深层特征,并将深、浅层特征进行多尺度融合,形成更具表征能力的新特征。然后,根据该特征进行像素点二分类,完成每个像素点的前景、背景类型识别,若干个前景分类的像素点对应裂缝区域的轮廓。多尺度特征融合模型从微观角度充分保留了裂缝区域图像轮廓细节,裂缝区域关联像素点识别分类准确率接近80%。最后,进一步借鉴人眼视觉相似度评价体系,从宏观角度设计裂缝轮廓智能识别性能评价算法。评价结果表明,当视觉相似度感受评级为Ⅱ级时,训练集和测试集图像中与人工识别结果基本一致的裂缝区域分别达到81.3%和80.0%,说明所提方法可替代人工解释完成裂缝的识别和标注工作,能大幅减少图像分析工作量,细致勾勒出裂缝区域轮廓线。同时,有利于及时、迅速地判断井筒、井壁稳定性,为后续裂缝区域的智能定量评价、计算提供技术支撑。

掩码生成动态调控弱监督视频实例分割

针对全监督视频实例分割网络训练数据高度依赖精细掩码标注,时间和人工成本过高,导致智能机器无法快速适应新场景的问题,提出一种端到端的掩码生成动态调控弱监督视频实例分割(Weakly Supervised Video Instance Segmentation,WSVIS)网络。为克服初始掩码预测层通道维度突降导致的实例激活特征丢失问题,构建多级特征融合模块,利用特征复用策略预测初始实例特征并融合相对位置信息生成初始预测掩码。然后,提出动态调控机制在通道和空间维度上建立掩码特征依赖关系,强化初始预测掩码与实例感知信息之间的动态交互。最后,网络设计二元颜色相似性生成伪亲和标签取代精细掩码标注,联合边界框与掩码一致性损失实现仅边界框标注的弱监督视频实例分割。实验结果表明,在BoxSet和YT-VIS数据集上,WSVIS网络能达到与全监督网络相近的分割精度和分割效果,同时能够满足实时推理要求,为智能机器快速适应新场景实现实时环境感知和理解提供了理论支撑和算法依据。

应用光谱技术和支持向量机分析方法快速检测啤酒糖度和pH值

为实现啤酒糖度和pH值的快速检测,采用可见/近红外光谱仪器得到360个啤酒样本的可见/近红外光谱数据.使用主成分分析(PCA)对数据进行降维处理以消除众多信息共存中相互重叠的部分,得到6个主成分值.将样本数据随机分为定标集和预测集,利用最小二乘支持向量机(LS-SVM)算法在定标集数据基础上建立啤酒糖度和pH值预测模型,并利用此模型对预测集样本进行预测.根据预测相关系数(r)和预测标准偏差(RMSEP)判断预测模型好坏,结果表明该模型对啤酒糖度预测的相关系数r为0.9829,RMSEP为0.1506;对啤酒pH值的预测相关系数r为0.9563,RMSEP为0.0494,预测精度明显高于神经网络和PLS预测,所以利用该模型能够准确的预测啤酒的糖度及pH值.

基于可见/近红外光谱技术的黄瓜叶片SPAD值检测

为了快速准确检测黄瓜叶片的SPAD值,采用可见/近红外光谱技术并结合化学计量学方法建立了黄瓜叶片SPAD值校正模型.并用不同建模方法对全波段光谱进行建模,结果表明用最小二乘支持向量机（LSSVM）建模得到的预测效果最好,其相关系数r和预测均方根误差RMSEP分别为0.9583和0.9732.通过分析黄瓜叶片的光谱反射率与SPAD值的相关系数和PLS建模回归系数,得到了531-581nm和696-716nm 2个特征波段以及556nm、581nm、698nm和715nm 4个特征波长,应用LSSVM分别对特征波段和特征波长建模.分析表明,采用特征波段建模,其预测相关系数r和预测均方根误差分别为0.9338和1.1370,与全波段建模结果相近,而采用特征波长建模效果稍差.特征波段建模大大减少了建模中的运算量,提高了建模速度,便于相应检测仪器的开发,所以,采用光谱特征波段建模对黄瓜叶片SPAD值的检测更为有效.

注射制品表面缺陷在线检测与自动识别

基于机器视觉技术的注射制品表面缺陷检测与识别可有效解决人工抽样检测问题,为克服现有缺陷识别算法对于不同的制品需分别进行样本训练、图像质量要求高、可操作性差等难题,在采用图像处理技术对制品表面缺陷进行检测的同时,提出一种基于缺陷区域轮廓、制品轮廓、区域灰度等特征的缺陷自动识别算法,避免了大量制品图像样本的训练过程,提高了可操作性。基于该方法,开发了一套注射制品表面缺陷在线检测与识别系统,试验表明,对短射、飞边、裂纹3种常见表面缺陷的识别率为91.8%。

机床主轴热误差建模

在测量机床关键部件温度和主轴热误差的基础上 ,用逐步回归方法建立了多元线性回归模型 ,并介绍了温度变量的选择。为机床的设计与制造提供了参考依据 。

基于光谱技术识别不同农药污染脐橙的研究

用遗传算法(Genetic Algorithm,GA)搜寻可识别被不同农药污染脐橙的可见/近红外光谱的最佳特征光谱区间及波长,并建立了支持向量机(Support Vector Machines,SVM)定性分析模型。实验供试农药为灭多威、氰戊菊酯和氧乐果3种。通过GA来搜寻整个波段范围(460～1800nm),将得到的9个最佳特征光谱区间所包含的波长(共318个)作为SVM建模的输入变量,对识别被3种农药污染脐橙的准确率为100%。并继续应用GA优化,得到71个特征波长,此时建立的SVM模型的识别准确率为99.57%。虽然识别的准确率有所下降,但是模型的复杂程度得到了很大的优化,其输入变量减少到71个。实验结果表明利用可见/近红外光谱技术结合SVM方法可以有效识别被不同农药污染的脐橙。

基于SPA和多分类SVM的紫外-可见光光谱饮用水有机污染物判别方法研究

快速、有效地识别饮用水中污染物类别对于降低突发饮用水污染事件影响十分重要。目前基于紫外-可见光光谱法的饮用水污染物判别模型大多使用主成分分析(PCA)进行特征提取,然而,对于光谱相似度较高的有机污染物,仅从数据驱动的角度提取其方差最大的方向作为特征进行识别效果往往不佳。针对有机污染物光谱数据多重共线性以及谱峰重叠干扰的问题,开展了基于连续投影算法(SPA)和多分类支持向量机(M-SVM)的紫外-可见光光谱饮用水有机污染物判别方法研究。首先,使用紫外光谱仪测量苯酚、对苯二酚、间苯二酚和间苯二胺的原始光谱数据并进行预处理,在对四种污染物进行了波长与浓度的相关关系对比分析后,发现苯酚和间苯二酚、对苯二酚和间苯二胺的谱峰重叠较为严重;特征提取时,引入SPA筛选有机污染物紫外-可见光光谱数据的特征波长组合,并对不同波长个数时的光谱吸光度进行多元线性回归分析,选取对应最小预测标准偏差的参数及波段组合作为最优参数组合;基于最优特征波长组合,构建基于多分类SVM的饮用水有机污染物分类识别模型;最后,对比分析了全光谱、 PCA及SPA特征提取后的光谱数据在不同分类方法及不同污染物浓度下的分类效果,进一步说明了SPA的适用性和稳定性。实验结果表明, SPA作为一种提取光谱数据原始特征波段的方法,可以有效的对有机污染物的紫外-可见光光谱进行特征提取,提升不同物质之间的差异,在一定程度上消除多重共线性和谱峰重叠干扰,从而提高分类模型的准确率。该方法对于解决饮用水中谱峰重叠的污染物类型判别问题具有参考价值。

基于可见光光谱高效鉴别玉米单倍体籽粒（英文）

单倍体技术已发展成为玉米遗传研究及现代玉米育种的重要技术之一,单倍体籽粒的鉴别筛选是其中的重要环节。目前单倍体籽粒主要是依赖于籽粒的R1-nj遗传标记通过人工肉眼观察颜色的有或无进行鉴别,费时费工。而且部分材料由于标记颜色很难从籽粒外部观察到,导致人工筛选准确率较低。基于可见光光谱分析建立玉米单倍体籽粒鉴别方法,探索利用可见光光谱鉴别玉米单倍体籽粒的可行性。同时,由于每季用于诱导单倍体的育种材料不尽相同,模型须能够鉴别未参加建模的材料的单倍体。本研究以9个遗传背景的单倍体和杂交籽粒共284粒作为试验材料,利用便携式紫外-可见光光纤光谱仪采集单个玉米籽粒的可见光漫透射光谱。光谱数据经平滑、矢量归一化预处理和主成分分析,基于支持向量机方法建立单倍体和杂交籽粒判别模型。每次选择1个背景的样本作为测试集,其余背景的样本作为建模集对模型进行交叉验证。模型交叉验证平均正确判别率达到92.06%。其中8次测试正确判别率在85%以上。结果表明利用可见光光谱分析建立玉米单倍体籽粒鉴别方法,并使模型可鉴别未参与建模材料的单倍体具有可行性。并且基于该方法有望建立玉米单倍体籽粒的自动化快速筛选系统,提高玉米单倍体育种效率。

基于支持向量机回归的T-S模糊模型自组织算法及应用

结合模糊聚类算法和支持向量机回归算法提出了一种新的T-S模糊模型自组织算法.该算法首先利用一种改进模糊聚类算法提取模糊规则和辨识前件参数,然后将T-S模糊模型后件变换为标准线性支持向量机回归模型,并利用支持向量机回归算法辨识后件参数.仿真结果表明,相比现有的自组织算法,本文提出的T-S模糊模型自组织算法在规则数较少的情况下,仍然具有较高的辨识精度和较好的泛化能力.最后,利用提出的T-S模糊模型自组织算法较好地建立了直拉硅单晶炉加热器和空气预热器的温度模型.

基于不确定性研究的油田开发后期指标预测方法

针对油田开发后期开发指标不确定性、波动程度大导致常规预测方法适应性差,且无法提供预测结果概率分布特征的问题,建立了基于不确定性研究的开发后期指标预测方法.该方法通过历史生产数据确定指标影响因素的概率分布,并采用随机算法生成服从概率分布的大量样本,最后通过所建立的指标与影响因素之间的定量关系预测指标的概率分布特征.用该方法对H采油厂注采比进行预测,其2013年前6个月注采比的预测误差平均为0.53%,而多项式回归模型及支持向量机模型的误差分别为3.33%和1.46%;2013年1月的注采比概率分布范围为0.77-0.93,最大概率的注采比为0.834 3.不确定性开发指标预测方法精确度较高,能为开发决策提供可靠依据,并大大降低决策风险.

浸入式可见/近红外光谱技术的藻种鉴别研究

对藻类的识别分类及其生化分析已成为海洋生物学的研究热点之一。以普通小球藻、蛋白核小球藻、微绿球藻、莱茵衣藻为样品,通过便携式USB4000微型光纤光谱仪、Y形光纤和探针,卤素光源构建的光谱采集系统对不同浓度梯度的120个微藻样本进行浸入式可见/近红外透射光谱的原位采集,比较去基线、卷积平滑等光谱预处理方法的效果,并基于连续投影算法(SPA)筛选特征波长,通过偏最小二乘法(PLS)、最小二乘支持向量机(LS-SVM)和极限学习机(ELM)进行建模,探讨采用透射光谱原位快速鉴别四种不同藻种的可行性。结果表明:卷积平滑的处理效果较为理想,有效波长可用于代替原始光谱建立微藻种类判别分析模型。SPA-LV-SVM和SPA-ELM的预测效果显著高于SPA-PLS,三者的平均预测正确率分别是80%,85%,65%。浸入式可见/近红外光谱技术和便携式光纤探针结合的藻种鉴别方法,有效实现了对四种微藻的鉴别,为藻种鉴别和藻种分类研究领域提供了一种新思路。

超精密机床径推一体式空气静压轴承的静态特性(英文)

提出了一种新的径推一体式静压主轴支撑方式来优化机床主轴系统性能,以满足超精密飞切机床对气体静压轴承高刚度的要求。采用计算流体力学和有限体积法对气体静压轴承气膜内部的流场与压力场进行仿真,并研究其静态特性。为提高计算精度,完成了轴承宏观尺寸与气膜厚度相差几个数量级时气膜厚度方向2μm间距的网格划分。仿真结果表明,在偏心状态下由于气膜压力的变化使节流孔气体流速在1～200m/s内变化,机床所采用径推一体式轴承静态刚度达到3 508N/μm。研究表明,通过增大轴承的供气压强和减小节流孔的直径可改善轴承的静态性能进而提升机床性能。