基于高光谱成像的烟丝中梗签分类识别研究

针对烟丝中梗签分类识别检测问题,利用高光谱成像技术,结合机器学习方法对烟丝中掺杂的梗签进行分类快速识别。首先,基于短波近红外高光谱成像技术,采用标准正态变化(SNV)对烟丝和梗签光谱数据进行预处理,消除光谱散射和漫反射的影响,减少检测干扰信息。然后,利用连续投影算法(SPA)进行特征波长选择,融合极端梯度提升(XGBoost)算法,提出了1种基于XGboost算法的烟丝中梗签分类模型。最后,采用Mean-shift均值漂移算法和形态学梯度算法相结合的方式作为后处理方法,对模型的分类结果进行后处理,实现烟丝中梗签的快速智能检测。结果表明:建立的SNV-SPA-XGBoost分类模型,训练集和测试集准确率分别达到100%和99.32%,经后处理后对A_(1)(1.0~1.5 cm)、A_(2)(0.5~1.0 cm)、A_(3)(<0.5 cm)梗签检测准确率分别达100%、95.50%和86%。

基于残差密集卷积自编码的高噪声图像去噪方法

在高噪声图像去噪中,传统卷积自编码器难以挖掘有效的深度特征信息,进而影响了图像的重建质量。为了提高高噪声图像的重建质量,提出了一种残差密集卷积自编码器网络模型。该模型首先使用卷积操作代替池化操作以提高高噪声图像的表征能力;同时,在编码和解码阶段设计三级密集残差网络结构,实现图像特征的有效挖掘;最后,设计一个优化损失函数以进一步提高重建图像的质量。实验结果表明,设计的去噪方法能够从高噪声图像中重建高质量的图像,同时能够保留更多的细节特征信息,有效验证了该算法在图像去噪中的有效性。该方法能够有效解决高噪声图像的去噪问题,具有重要的应用价值。

丝状颗粒在滚筒横向截面中的传热传质特性

针对丝状物料在滚筒内干燥不均等问题,从干燥机理出发,建立了一种基于离散单元法的丝状颗粒传热传质数学模型.利用该模型对滚筒横向截面中丝状物料的温度和含水率的变化过程进行了分析计算,并通过实验验证了数学模型的有效性.研究结果表明:筒壁温度的变化对丝状颗粒传热传质特性有着直接且重要的影响;在干燥的初始阶段,颗粒彼此间温度的不均匀性迅速增大,但随着干燥的进行,颗粒之间的温度差别又呈现出逐渐缩小的趋势.颗粒间含水率的不均匀性在干燥的初始阶段同样迅速增大,当满足一定的干燥条件或一定的干燥时间,筒体内部丝状颗粒的干燥程度将会越来越均匀;丝状颗粒在滚筒中所获取的热量主要来自于与高温壁面(特别是与筒体之间)的接触导热;与升举式抄板相比,均布式抄板可使颗粒在滚筒横截面上的分布及颗粒间的温度和含水率更加均匀.

约束分段仿射系统的鲁棒最小时间控制

针对一类有界附加扰动的分段仿射系统,提出了一种离线低复杂性的鲁棒预测控制方法-鲁棒最小时间控制。首先计算系统的最大鲁棒正不变集和相关的局部稳定控制律,然后基于最大鲁棒正不变集通过多参数规划离线迭代计算系统的鲁棒一步集,得到的最小时间控制器覆盖最大鲁棒可稳定集。提出的鲁棒最小时间控制确保系统状态在最小时间内进入鲁棒正不变集内,从而保证了鲁棒可行性和稳定性。数值例子验证了方法的有效性和低复杂性。

基于高光谱成像技术的配方烟丝组分判别

应用近红外(1 000~2 200 nm)高光谱成像技术开展了面对像素、面对样本的配方烟丝4种组分(叶丝、梗丝、薄片丝、膨胀丝)的判别研究。以样本高光谱图像的所有像素点光谱数据进行面对像素的组分判别;以样本所有像素点的平均光谱数据进行面对样本的组分判别。采用二阶导数法结合萨维茨基-戈莱平滑(SG)滤波对光谱数据进行预处理。通过面对像素数据的主成分分析,证实了基于面对像素的高光谱数据进行组分判别的可行性,以前5主成分建立的支持向量机模型很好地实现了叶丝与梗丝、叶丝与薄片丝的判别任务。建立了面对样本的4组分的K近邻和支持向量机判别模型,通过连续投影算法和二阶导数法进行特征波长选择,筛选出具有高判别准确率的波段,组分判别率达86.97%。