Dead fine fuel moisture content(DFFMC)is a key factor affecting the spread of forest fires,which plays an important role in evaluation of forest fire risk.In order to achieve high-precision real-time measurement of DF...Dead fine fuel moisture content(DFFMC)is a key factor affecting the spread of forest fires,which plays an important role in evaluation of forest fire risk.In order to achieve high-precision real-time measurement of DFFMC,this study established a long short-term memory(LSTM)network based on particle swarm optimization(PSO)algorithm as a measurement model.A multi-point surface monitoring scheme combining near-infrared measurement method and meteorological measurement method is proposed.The near-infrared spectral information of dead fine fuels and the meteorological factors in the region are processed by data fusion technology to construct a spectral-meteorological data set.The surface fine dead fuel of Mongolian oak(Quercus mongolica Fisch.ex Ledeb.),white birch(Betula platyphylla Suk.),larch(Larix gmelinii(Rupr.)Kuzen.),and Manchurian walnut(Juglans mandshurica Maxim.)in the maoershan experimental forest farm of the Northeast Forestry University were investigated.We used the PSO-LSTM model for moisture content to compare the near-infrared spectroscopy,meteorological,and spectral meteorological fusion methods.The results show that the mean absolute error of the DFFMC of the four stands by spectral meteorological fusion method were 1.1%for Mongolian oak,1.3%for white birch,1.4%for larch,and 1.8%for Manchurian walnut,and these values were lower than those of the near-infrared method and the meteorological method.The spectral meteorological fusion method provides a new way for high-precision measurement of moisture content of fine dead fuel.展开更多
该文采用傅里叶变换中红外光谱和矿质元素信息结合多种特征变量选取方法,建立偏最小二乘判别分析(partial least squares discriminant analysis,PLS-DA)模型实现冰糖橙的产地鉴别,并通过低级和中级两种数据融合策略进一步提高鉴别能力...该文采用傅里叶变换中红外光谱和矿质元素信息结合多种特征变量选取方法,建立偏最小二乘判别分析(partial least squares discriminant analysis,PLS-DA)模型实现冰糖橙的产地鉴别,并通过低级和中级两种数据融合策略进一步提高鉴别能力。结果显示,冰糖橙的中红外吸收峰主要与糖类和蛋白质有关,不同产地冰糖橙的中红外光谱在糖类相关的吸收峰上存在差异。不同产地冰糖橙的矿质元素含量有所不同,其中Fe、K、Mg、P、Se 5种矿质元素在4个产地的冰糖橙之间呈现显著性差异。采用变量投影重要性指标、反向区间偏最小二乘法和组合区间偏最小二乘法等特征变量选取方法可以提高产地鉴别模型的正确率。与使用单一技术获得数据建立的PLS-DA模型相比,使用中级数据融合策略建立的模型在训练集和测试集上分别取得98%和100%的正确率。研究表明中红外光谱和矿质元素信息都能反映不同产地冰糖橙间的差异,基于中级数据融合策略融合两种信息建立的PLS-DA模型能够实现冰糖橙产地的准确鉴别,可以作为冰糖橙溯源研究的一种可靠方法。展开更多
针对天基红外系统(Space Based Infrared System,SBIRS)三星探测弹道估计问题,提出GEO卫星与HEO卫星探测数据融合的估计算法。根据星座构成和探测体制,利用STK分析SBIRS对某一区域的覆盖能力,约43%的时间可以实现三星以上完全覆盖;建立...针对天基红外系统(Space Based Infrared System,SBIRS)三星探测弹道估计问题,提出GEO卫星与HEO卫星探测数据融合的估计算法。根据星座构成和探测体制,利用STK分析SBIRS对某一区域的覆盖能力,约43%的时间可以实现三星以上完全覆盖;建立三星探测数据融合算法模型,对导弹目标的运动状态进行实时估计,导弹运动建模采用当前统计模型,数据融合采用集中式结构,滤波算法采用无迹卡尔曼滤波。试验表明,与双星探测弹道估计误差相比,三星探测弹道估计误差显著减小。展开更多
采集5种共272份牛肝菌样品的傅里叶变换红外光谱和紫外光谱,结合多光谱信息融合策略,建立牛肝菌种类快速鉴别的方法。多元散射校正(multiplicative signal correction,MSC)及二阶导数(second derivative,2D)等预处理方法对原始光谱进行...采集5种共272份牛肝菌样品的傅里叶变换红外光谱和紫外光谱,结合多光谱信息融合策略,建立牛肝菌种类快速鉴别的方法。多元散射校正(multiplicative signal correction,MSC)及二阶导数(second derivative,2D)等预处理方法对原始光谱进行优化,比较优化处理对区分不同种类牛肝菌影响;利用优化处理后的光谱数据及融合数据建立偏最小二乘判别分析(partial least squares discriminant analysis,PLS-DA)模型和支持向量机(support vector machine,SVM)判别模型。结果显示:1)经过2D和MSC预处理后,不同种类牛肝菌的PLS-DA鉴别效果优于未优化模型,表明2D+MSC预处理优化了光谱信息并提高了分类准确度;2)基于傅里叶变换红外光谱、紫外光谱、低级融合和中级融合数据分别建立PLS-DA模型,预测正确率为86.87%、66.67%、78.89%和95.56%;建立SVM判别模型,预测正确率分别为88.89%、74.44%、91.11%和100.00%,表明中级融合技术对不同种类牛肝菌鉴别效果显著,优于其他技术;3)中级融合技术在PLS-DA模型和SVM判别模型中对样品的预测正确率分别为95.56%和100.00%,表明SVM判别模型对牛肝菌种类区分效果优于PLS-DA模型。采用中级融合技术建立SVM判别模型,快速鉴别牛肝菌种类,为牛肝菌种类鉴别和质量控制提供可靠、稳定的方法。展开更多
基于对红外检测系统及识别方法的详细分析,研究了用于红外目标检测的算法多模型数据融合技术,设计了一种新的基于灰色关联度数据融合模型。该方法将多种目标检测算法结合起来,利用有限的预处理目标信息,依托 n 维空间中目标函数曲线之...基于对红外检测系统及识别方法的详细分析,研究了用于红外目标检测的算法多模型数据融合技术,设计了一种新的基于灰色关联度数据融合模型。该方法将多种目标检测算法结合起来,利用有限的预处理目标信息,依托 n 维空间中目标函数曲线之间的灰色空间距离关系来判断目标之间发展过程的相近性和相似性;从关联度分析出发,实现数据融合及红外目标的检测。该方法可以有效的提高红外目标的检测概率、降低虚警率和漏警率。它是以增加检测系统硬件复杂程度为代价,换取红外图像实时检测的可靠性和可信性的。展开更多
基金supported by the National Key R&D Program of China (Project No.2020YFC2200800,Task No.2020YFC2200803)the Key Projects of the Natural Science Foundation of Heilongjiang Province (Grant No.ZD2021E001)。
文摘Dead fine fuel moisture content(DFFMC)is a key factor affecting the spread of forest fires,which plays an important role in evaluation of forest fire risk.In order to achieve high-precision real-time measurement of DFFMC,this study established a long short-term memory(LSTM)network based on particle swarm optimization(PSO)algorithm as a measurement model.A multi-point surface monitoring scheme combining near-infrared measurement method and meteorological measurement method is proposed.The near-infrared spectral information of dead fine fuels and the meteorological factors in the region are processed by data fusion technology to construct a spectral-meteorological data set.The surface fine dead fuel of Mongolian oak(Quercus mongolica Fisch.ex Ledeb.),white birch(Betula platyphylla Suk.),larch(Larix gmelinii(Rupr.)Kuzen.),and Manchurian walnut(Juglans mandshurica Maxim.)in the maoershan experimental forest farm of the Northeast Forestry University were investigated.We used the PSO-LSTM model for moisture content to compare the near-infrared spectroscopy,meteorological,and spectral meteorological fusion methods.The results show that the mean absolute error of the DFFMC of the four stands by spectral meteorological fusion method were 1.1%for Mongolian oak,1.3%for white birch,1.4%for larch,and 1.8%for Manchurian walnut,and these values were lower than those of the near-infrared method and the meteorological method.The spectral meteorological fusion method provides a new way for high-precision measurement of moisture content of fine dead fuel.
文摘蛋白质含量是衡量稻米品质的关键因素之一。为探索利用光谱数据融合技术实现稻米蛋白质含量快速检测的潜力,试验提出了一种改进的二进制粒子群优化算法(Improved binary particle swarm optimization,IBPSO),该算法专门用于拉曼光谱与近红外光谱(R aman-NIR)融合数据的特征波长选择,能有效提升基于偏最小二乘法(Partial least squares,PLS)的回归校正模型的预测准确性。采用IBPSO构建的大米蛋白质含量检测模型,其预测决定系数(R_(p)^(2))达到了0.903,预测均方根误差(Root mean square error of prediction,RMSEP)为0.235%,预测平均相对误差(Mean relative error of prediction,MREP)则为2.768%,这些性能指标均优于采用其他4种经典算法进行特征波长选择后所建立的模型。结果表明:IBPSO通过粒子值为“1”二进制位的指导性寻优,能够实现高相关性建模波长变量的高效获取;IBPSO与光谱数据融合技术相结合能够实现大米蛋白质含量的快速检测,为相关在线检测装备的研发提供了理论支持。
文摘针对天基红外系统(Space Based Infrared System,SBIRS)三星探测弹道估计问题,提出GEO卫星与HEO卫星探测数据融合的估计算法。根据星座构成和探测体制,利用STK分析SBIRS对某一区域的覆盖能力,约43%的时间可以实现三星以上完全覆盖;建立三星探测数据融合算法模型,对导弹目标的运动状态进行实时估计,导弹运动建模采用当前统计模型,数据融合采用集中式结构,滤波算法采用无迹卡尔曼滤波。试验表明,与双星探测弹道估计误差相比,三星探测弹道估计误差显著减小。
文摘采集5种共272份牛肝菌样品的傅里叶变换红外光谱和紫外光谱,结合多光谱信息融合策略,建立牛肝菌种类快速鉴别的方法。多元散射校正(multiplicative signal correction,MSC)及二阶导数(second derivative,2D)等预处理方法对原始光谱进行优化,比较优化处理对区分不同种类牛肝菌影响;利用优化处理后的光谱数据及融合数据建立偏最小二乘判别分析(partial least squares discriminant analysis,PLS-DA)模型和支持向量机(support vector machine,SVM)判别模型。结果显示:1)经过2D和MSC预处理后,不同种类牛肝菌的PLS-DA鉴别效果优于未优化模型,表明2D+MSC预处理优化了光谱信息并提高了分类准确度;2)基于傅里叶变换红外光谱、紫外光谱、低级融合和中级融合数据分别建立PLS-DA模型,预测正确率为86.87%、66.67%、78.89%和95.56%;建立SVM判别模型,预测正确率分别为88.89%、74.44%、91.11%和100.00%,表明中级融合技术对不同种类牛肝菌鉴别效果显著,优于其他技术;3)中级融合技术在PLS-DA模型和SVM判别模型中对样品的预测正确率分别为95.56%和100.00%,表明SVM判别模型对牛肝菌种类区分效果优于PLS-DA模型。采用中级融合技术建立SVM判别模型,快速鉴别牛肝菌种类,为牛肝菌种类鉴别和质量控制提供可靠、稳定的方法。
文摘基于对红外检测系统及识别方法的详细分析,研究了用于红外目标检测的算法多模型数据融合技术,设计了一种新的基于灰色关联度数据融合模型。该方法将多种目标检测算法结合起来,利用有限的预处理目标信息,依托 n 维空间中目标函数曲线之间的灰色空间距离关系来判断目标之间发展过程的相近性和相似性;从关联度分析出发,实现数据融合及红外目标的检测。该方法可以有效的提高红外目标的检测概率、降低虚警率和漏警率。它是以增加检测系统硬件复杂程度为代价,换取红外图像实时检测的可靠性和可信性的。
