-
题名利用高光谱激光雷达检测木材的霉变与含水量
被引量:2
- 1
-
-
作者
刘璐
邵慧
孙龙
陈杰
徐恒
胡玉霞
肖晓
-
机构
安徽建筑大学电子与信息工程学院
安徽建筑大学安徽省古建筑智能感知与高维建模国际联合研究中心
-
出处
《激光技术》
CAS
CSCD
北大核心
2023年第5期620-626,共7页
-
基金
安徽省科技厅面上项目(2008085MF182)
安徽省高校省级自然科学研究项目(KJ2021JD16,KJ2020A0471,KJ2021A0622)
+1 种基金
安徽省高校协同创新项目(GXXT-2021-028)
安徽省古建筑智能感知与高维建模国际联合研究中心主任基金资助项目(GJZZX2021ZR02)。
-
文摘
为了快速无损地检测评估木材的霉变及含水量,利用高光谱激光雷达系统主动获取木材的高光谱数据,设计了一种分析霉变特征并建立含水量预测模型的方法。首先选取白松为样本,进行时长为4个月的间隔性测量,分析其霉变发生发展过程(正常、潮湿和霉变状态)的光谱特征变化;然后在分析样本不同含水量光谱特性的基础上,采用竞争性自适应重加权采样算法、连续投影算法及竞争性自适应重加权采样-连续投影组合算法提取特征波长;最后分别建立偏最小二乘回归预测模型。结果表明,正常状态的光谱反射率最高而霉变状态最低;当霉变状态稳定时,光谱反射率随时间变化缓慢并趋于稳定;基于竞争性自适应重加权采样-连续投影组合算法建立的模型预测性能最佳,预测集的相关系数和均方根误差分别为0.9073和0.7564。利用高光谱激光雷达主动获取的高光谱信息可以评估木材的霉变并实现含水量预测,为木质建筑的快速无损检测提供了新思路。
-
关键词
遥感
高光谱激光雷达
偏最小二乘回归
木材
霉变
含水量
-
Keywords
remote sensing
hyperspectral LiDAR
partial least squares regression
timber
mildew
moisture content
-
分类号
TP721.2
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于高光谱激光雷达的绿萝叶绿素3维重建
- 2
-
-
作者
汪慧民
邵慧
孙龙
李伟
王程
陈杰
朱家兵
-
机构
安徽建筑大学电子与信息工程学院
安徽建筑大学安徽省古建筑智能感知与高维建模国际联合研究中心
北京航空航天大学无人机系统研究院
淮南师范学院电子工程学院
-
出处
《激光技术》
CAS
CSCD
北大核心
2023年第5期708-715,共8页
-
基金
安徽省科技厅面上项目(2008085MF182)
安徽省住房城乡建设科学技术计划资助项目(2022-YF077,2020-YF22)
+2 种基金
安徽省高校省级自然科学研究项目(KJ2021JD16,KJ2020A0471,KJ2021A0622)
安徽省高校协同创新项目(GXXT-2021-028)
安徽省科技重大专项基金资助项目(202003a05020031)。
-
文摘
为了准确重建正反面叶片叶绿素3维分布,利用高光谱激光雷达,采集了不同生长状态的绿萝叶片与植株的空间-光谱域点云数据,设计了一种基于分类预测的重建方法。通过偏最小二乘回归构建叶片正面与反面光谱的叶绿素含量预测模型,采用光谱自适应阈值选择方法实现植株点云中叶片正反面的分类,并根据类别标签选择模型计算叶绿素含量,重建植株的叶绿素3维分布。结果表明,该方法得到的植株叶绿素3维分布更接近真实值,决定系数达到0.69,均方根误差为4.97。这一结果可为植物表型研究提供新的数据基础和理论方法。
-
关键词
遥感
高光谱激光雷达
偏最小二乘回归
叶绿素含量
3维重建
-
Keywords
remote sensing
hyperspectral LiDAR
partial least squares regression
chlorophyll content
3-D reconstruction
-
分类号
TP721.2
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于高光谱指数分割的草莓硬度预测与研究
- 3
-
-
作者
邵慧
靳培龙
王程
陈冲
胡玉霞
刘学
-
机构
安徽建筑大学电子与信息工程学院
-
出处
《激光技术》
CAS
2024年第3期365-372,共8页
-
基金
光学信息与模式识别湖北省重点实验室开放课题研究基金资助项目(202204)
安徽省高校协同创新项目(GXXT-2021-028
+3 种基金
GXXT-2022-015)
安徽省教育厅自然科学研究重点项目(KJ2020A0471)
安徽省住房城乡建设科学技术计划资助项目(2022-YF077
2020-YF22)。
-
文摘
为了快速无损检测草莓硬度,连续5天采集了草莓高光谱数据和硬度信息,提出一种基于高光谱多指数阈值逐层分割的硬度预测方法。首先分析各组分(果肉、霉变果肉、草莓籽和萼片)的光谱反射率差异并确定特征波段,利用特征波段构建新的归一化特征指数,完成分割阈值的确定,采用逐层分割的方法以排除无关部分的干扰;通过连续投影算法、主成分分析法及2次组合降维来降低光谱信息冗余度并提取特征,利用随机森林与偏最小二乘法分别对原始光谱及降维后特征建立回归模型,并确立最佳预测模型;最后利用最佳预测模型对草莓果肉部分进行硬度拟合,得到硬度分布图像,实现了草莓硬度预测结果的直观显示。结果表明,基于2次降维建立的偏最小二乘模型效果最好,测试集和预测集的相关系数分别为0.9101和0.9099,测试集均方根误差为0.1344。该研究为草莓硬度的无损检测和显示提供了参考。
-
关键词
光谱学
指数分割
草莓硬度
降维
硬度重建
-
Keywords
spectroscopy
index segmentation
strawberry hardness
dimensionality reduction
hardness reconstruction
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-