-
题名基于近红外光谱与随机青蛙算法的褐变板栗识别
被引量：14
- 1
-
-
作者
郑剑
周竹
仲山民
曾松伟
-
机构
浙江农林大学农业与食品科学学院
浙江农林大学浙江省农产品品质改良技术研究重点实验室
浙江农林大学信息工程学院
浙江农林大学浙江省林业智能监测与信息技术研究重点实验室
浙江农林大学智慧农林业研究中心
-
出处
《浙江农林大学学报》
CAS
CSCD
北大核心
2016年第2期322-329,共8页
-
基金
浙江省自然科学基金资助项目(Y3110450
LQ13F050006)
+2 种基金
浙江农林大学科研发展基金资助项目(2008FR053
2012FR085)
浙江省木本粮油产业科技创新团队项目(2011R50030-2)
-
文摘
为了实现板栗Castanea mollissima的快速自动分选，研究了基于近红外光谱技术的褐变板栗无损检测方法。首先采用Antaris Ⅱ傅里叶变换近红外光谱仪获取70个正常板栗和110个褐变板栗的近红外光谱（1000．00-2500．00nm），比较了不同光谱预处理方法对褐变板栗识别的影响，随后采用一种新的变量选择方法即随机青蛙算法（Ran-doraFrog）提取与板栗褐变相关的特征波长变量，最后基于特征波长建立和比较了褐变板栗识别的偏最小二乘-线性判别分析模型（PLS-LDA）和最小二乘一支持向量机（LS-SVM）模型。结果显示：经标准正态变量变换（SNV）预处理和随机青蛙算法优选的23个特征波长所建LS-SVM模型的性能最优，该模型对测试集的敏感性、特异性和识别正确率分别为0．92，1．00和95．00％。随机青蛙算法可以有效筛选重要的特征变量，不仅能简化模型，而且可以提高识别准确率和识别速度。
-
关键词
经济林学
近红外光谱
褐变
随机青蛙算法
最小二乘-支持向量机
偏最小二乘-线性判别分析
板果
-
Keywords
cash forestry
NIR spectroscopy
browning
random-frog algorithm
least squares-support vector machines
partial least squares-linear discriminant analysis
chestnut
-
分类号
S123
[农业科学—农业基础科学]
S664.2
[农业科学—果树学]
-
-
题名基于近红外光谱技术的针叶材板材表面节子缺陷检测
被引量：4
- 2
-
-
作者
周竹
尹建新
周素茵
周厚奎
-
机构
浙江农林大学信息工程学院
浙江农林大学浙江省林业智能监测与信息技术研究重点实验室
浙江农林大学智慧农林业研究中心
-
出处
《浙江农林大学学报》
CAS
CSCD
北大核心
2017年第3期520-527,共8页
-
基金
浙江省自然科学基金资助项目(LQ13F050006
LY15C140005)
+1 种基金
浙江农林大学智慧农林业中心预研项目(2013ZHNL03)
浙江农林大学科研发展基金资助项目(2012FR085)
-
文摘
为了实现木板材依据节子进行自动化分级,采用近红外光谱技术研究了多种针叶材表面节子缺陷的检测方法。采用Smart Eye 1700近红外光谱仪获取北美黄杉Pseudotsuga menziesii,铁杉Tsuga chinensis,云杉Picea asperata,白云杉Picea glauca-英格曼云杉Picea engelmannii-扭叶松Pinus contorta-冷杉Abies laciocarp a(SPF)等4种板材的近红外光谱(1 000~1 650 nm),比较了光谱预处理方法、建模方法对节子识别的影响,并首次对多种针叶树材进行了节子识别的适应性研究,随后引入一种新的变量选择方法即随机青蛙算法用于优选节子检测的特征波长,在此基础上建立了板材节子识别的最小二乘-支持向量机(LS-SVM)模型。结果显示:一阶导数光谱预处理结合LS-SVM所建混合树种板材节子识别模型性能最优。随机青蛙算法提取了8个特征波长变量,仅占全波段变量的1.23%,所建简化模型效果最好。该模型对测试集的敏感性、特异性和识别准确率分别为98.49%,93.42%和96.30%。近红外光谱技术结合化学计量学方法可以对针叶材树种板材的表面节子进行快速准确检测,随机青蛙算法是提取板材表面节子缺陷特征的有效方法。该结果可为下一步搭建木材节子快速检测系统提供技术支撑。
-
关键词
木材科学与技术
近红外光谱
针叶材
板材
节子
随机青蛙算法
最小二乘-支持向量机
-
Keywords
wood science and technology
near infrared spectroscopy
coniferous wood
board
knot
random frog algorithm
least squares-support vector machines （LS-SYM）
-
分类号
S781.5
[农业科学—木材科学与技术]
O657.3
[理学—分析化学]
-
