活立木茎干含水率(Stem Water Content,StWC)是揭示树木抗旱机理的重要水分信息。为了提高基于驻波原理的茎干含水率传感器的实用性,该研究基于活立木介电特性和多传感器融合技术,设计了一款可适应树干径向生长的茎干水分复合传感器。...活立木茎干含水率(Stem Water Content,StWC)是揭示树木抗旱机理的重要水分信息。为了提高基于驻波原理的茎干含水率传感器的实用性,该研究基于活立木介电特性和多传感器融合技术,设计了一款可适应树干径向生长的茎干水分复合传感器。传感器主要由弧形探头、压力传感器、固定绳索、传动装置等部分组成,可同时检测StWC及探头与茎干间的压力,以单片机为控制器控制固定绳索的收放以维持压力稳定。传感器的动静态特性试验结果表明,在相对介电常数6~53.3(20℃)范围内,传感器的StWC检测单元输出电压与相对介电常数具有良好的线性关系(R^(2)=0.9905),StWC的测量范围为0~85%。试验表明该传感器可适应茎干的径向生长,输出稳定性良好,测试时长内最大波动小于0.3%FS(全量程,Full Scale)。研究结果可为林木健康评估无损检测提供支撑。展开更多
目的:建立一种无损、快速高效的稻谷水分含量检测方法。方法:研究收集了不同年份的稻谷样品161份,运用近红外光谱结合化学计量学方法,通过剔除异常光谱和光谱预处理,采用偏最小二乘法建立稻谷水分含量预测模型。结果:采用主成分分析结...目的:建立一种无损、快速高效的稻谷水分含量检测方法。方法:研究收集了不同年份的稻谷样品161份,运用近红外光谱结合化学计量学方法,通过剔除异常光谱和光谱预处理,采用偏最小二乘法建立稻谷水分含量预测模型。结果:采用主成分分析结合马氏距离的方法剔除异常光谱样品15个,最佳的光谱预处理方式为消除常数偏移量。训练集建立的预测模型(R_(CAL)^(2))为0.9943,模型标准偏差(RMSEC)为0.21%,模型交叉验证决定系数(R_(CV)^(2))为0.9936,模型交叉验证标准偏差(RMSECV)为0.32%,表明预测模型交叉验证预测样品水分含量准确度高。用验证集样品检验预测模型,模型验证集验证决定系数R 2 VA L为0.9801,模型验证集验证标准偏差(RMSEP)值为0.36%,相对分析误差(RPD)值为7.14,表明预测模型对未知样品的预测准确度高。验证集样品实测值与预测值均值方程T检验结果P值(双侧)为0.879,验证集样品实测值与预测值之间差异不显著,表明预测模型的预测结果可信度高,验证集样品预测值与实测值的误差在±1%,且90%以上的验证集样品其预测值与实测值的误差都在±0.5%以内。结论:建立的稻谷水分预测模型可以实现收储稻谷的无损、快速、准确检测。展开更多
基于多光谱成像技术对牛肉干中水分含量的快速无损检测方法进行研究,通过对比最小二乘回归(PLS)、最小二乘支持向量机(LS-SVM)和误差反向传播神经网络(BPNN)所建预测模型的性能,发现BPNN模型对牛肉干水分含量预测效果最佳,其确定系数(R ...基于多光谱成像技术对牛肉干中水分含量的快速无损检测方法进行研究,通过对比最小二乘回归(PLS)、最小二乘支持向量机(LS-SVM)和误差反向传播神经网络(BPNN)所建预测模型的性能,发现BPNN模型对牛肉干水分含量预测效果最佳,其确定系数(R p 2)、预测集均方根误差(RMSEP)和剩余预测偏差(RPD)分别为0.941、3.602%和4.142。结果表明,光谱吸收度是检测牛肉干水分含量的重要特征,BPNN结合多光谱建立的预测模型精度较高,鲁棒性较好,在牛肉干水分的实时无损检测中具有良好的应用前景。展开更多
文摘活立木茎干含水率(Stem Water Content,StWC)是揭示树木抗旱机理的重要水分信息。为了提高基于驻波原理的茎干含水率传感器的实用性,该研究基于活立木介电特性和多传感器融合技术,设计了一款可适应树干径向生长的茎干水分复合传感器。传感器主要由弧形探头、压力传感器、固定绳索、传动装置等部分组成,可同时检测StWC及探头与茎干间的压力,以单片机为控制器控制固定绳索的收放以维持压力稳定。传感器的动静态特性试验结果表明,在相对介电常数6~53.3(20℃)范围内,传感器的StWC检测单元输出电压与相对介电常数具有良好的线性关系(R^(2)=0.9905),StWC的测量范围为0~85%。试验表明该传感器可适应茎干的径向生长,输出稳定性良好,测试时长内最大波动小于0.3%FS(全量程,Full Scale)。研究结果可为林木健康评估无损检测提供支撑。
文摘目的:建立一种无损、快速高效的稻谷水分含量检测方法。方法:研究收集了不同年份的稻谷样品161份,运用近红外光谱结合化学计量学方法,通过剔除异常光谱和光谱预处理,采用偏最小二乘法建立稻谷水分含量预测模型。结果:采用主成分分析结合马氏距离的方法剔除异常光谱样品15个,最佳的光谱预处理方式为消除常数偏移量。训练集建立的预测模型(R_(CAL)^(2))为0.9943,模型标准偏差(RMSEC)为0.21%,模型交叉验证决定系数(R_(CV)^(2))为0.9936,模型交叉验证标准偏差(RMSECV)为0.32%,表明预测模型交叉验证预测样品水分含量准确度高。用验证集样品检验预测模型,模型验证集验证决定系数R 2 VA L为0.9801,模型验证集验证标准偏差(RMSEP)值为0.36%,相对分析误差(RPD)值为7.14,表明预测模型对未知样品的预测准确度高。验证集样品实测值与预测值均值方程T检验结果P值(双侧)为0.879,验证集样品实测值与预测值之间差异不显著,表明预测模型的预测结果可信度高,验证集样品预测值与实测值的误差在±1%,且90%以上的验证集样品其预测值与实测值的误差都在±0.5%以内。结论:建立的稻谷水分预测模型可以实现收储稻谷的无损、快速、准确检测。
文摘基于多光谱成像技术对牛肉干中水分含量的快速无损检测方法进行研究,通过对比最小二乘回归(PLS)、最小二乘支持向量机(LS-SVM)和误差反向传播神经网络(BPNN)所建预测模型的性能,发现BPNN模型对牛肉干水分含量预测效果最佳,其确定系数(R p 2)、预测集均方根误差(RMSEP)和剩余预测偏差(RPD)分别为0.941、3.602%和4.142。结果表明,光谱吸收度是检测牛肉干水分含量的重要特征,BPNN结合多光谱建立的预测模型精度较高,鲁棒性较好,在牛肉干水分的实时无损检测中具有良好的应用前景。
