期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
近红外光谱图像处理的霉变稻谷检测方法
被引量：
9
1
作者
温冯睿
关海鸥
+2 位作者
马晓丹
左锋
钱丽丽
《光谱学与光谱分析》
SCIE
EI
CAS
CSCD
北大核心
2022年第2期428-433,共6页
稻谷在储藏和运输过程中,在适宜的温湿度环境下极易发生霉变,导致大量的粮食浪费和巨大的经济损失,进而影响粮食安全。为解决传统的稻谷霉变检测存在的繁琐且耗时较长等不足,提出了基于近红外光谱图像处理和神经网络的稻谷霉变程度检测...
稻谷在储藏和运输过程中,在适宜的温湿度环境下极易发生霉变,导致大量的粮食浪费和巨大的经济损失,进而影响粮食安全。为解决传统的稻谷霉变检测存在的繁琐且耗时较长等不足,提出了基于近红外光谱图像处理和神经网络的稻谷霉变程度检测方法。首先,通过农业多光谱相机(Sequoia)和固定光源等设备,构建了霉变稻谷近红外图像数据采集平台,获取了黑龙江地区牡响、早香、彩稻三个品种不同的霉变状态(健康稻谷、轻度霉变、中度霉变)的近红外光谱成像数据。对于近红外光谱图像的160×160像素有效区域,应用数字图像处理技术结合光谱图像分析方法,分析了NIR图像多种纹理特征和光谱反射值频率特性,优选不同稻谷品种霉变状态的光谱特征,计算了近红外图像的纹理特征(均值、标准差、平滑度、三阶距、一致性、信息熵、平均梯度、分形维数)以及间隔步长0.1时NIR光谱图像在0.2~0.8区间反射值频率,共计14维度的光谱图像特性指标。最后,以提取NIR图像的特征向量为依据,利用前馈神经网络的自适应推理机制,建立了稻谷霉变程度与其近红外图像特征之间的非线性映射模型,该神经网络结构为14-60-3型,进一步将网络输出编码向量解析至稻谷霉变等级,实现了稻谷霉变程度的快速检测方法。结果表明:本文提出检测模型在学习次数为28455次时达到预设的目标精度0.06,所提取的稻谷NIR图像特征与模型输出的相关系数为0.85。仿真测试中该检测模型所计算出的网络输出值和期望输出值的误差平均值为0.52139,方差为0.13782,误差的标准差为0.37123,对于不同稻谷的霉变程度检测的准确率为93.33%。该研究为实现稻谷霉变程度无损检测提供了新方法,为稻谷仓储时霉变早期自动快速检测提供了技术支持。
展开更多
关键词
稻谷霉变
nir光谱图像
提取特征
神经网络
检测模型
在线阅读
下载PDF
职称材料
题名
近红外光谱图像处理的霉变稻谷检测方法
被引量：
9
1
作者
温冯睿
关海鸥
马晓丹
左锋
钱丽丽
机构
黑龙江八一农垦大学信息与电气工程学院
黑龙江八一农垦大学食品学院
国家杂粮工程技术研究中心
黑龙江省农产品加工与质量安全重点实验室
出处
《光谱学与光谱分析》
SCIE
EI
CAS
CSCD
北大核心
2022年第2期428-433,共6页
基金
黑龙江省自然科学基金项目(LH2021C062)
国家自然科学基金项目(31601220)
+1 种基金
国家重点研发计划项目(2018YFD0401403)
黑龙江八一农垦大学三横三纵支持计划项目(TDJH202101和ZRCQC202006)资助。
文摘
稻谷在储藏和运输过程中,在适宜的温湿度环境下极易发生霉变,导致大量的粮食浪费和巨大的经济损失,进而影响粮食安全。为解决传统的稻谷霉变检测存在的繁琐且耗时较长等不足,提出了基于近红外光谱图像处理和神经网络的稻谷霉变程度检测方法。首先,通过农业多光谱相机(Sequoia)和固定光源等设备,构建了霉变稻谷近红外图像数据采集平台,获取了黑龙江地区牡响、早香、彩稻三个品种不同的霉变状态(健康稻谷、轻度霉变、中度霉变)的近红外光谱成像数据。对于近红外光谱图像的160×160像素有效区域,应用数字图像处理技术结合光谱图像分析方法,分析了NIR图像多种纹理特征和光谱反射值频率特性,优选不同稻谷品种霉变状态的光谱特征,计算了近红外图像的纹理特征(均值、标准差、平滑度、三阶距、一致性、信息熵、平均梯度、分形维数)以及间隔步长0.1时NIR光谱图像在0.2~0.8区间反射值频率,共计14维度的光谱图像特性指标。最后,以提取NIR图像的特征向量为依据,利用前馈神经网络的自适应推理机制,建立了稻谷霉变程度与其近红外图像特征之间的非线性映射模型,该神经网络结构为14-60-3型,进一步将网络输出编码向量解析至稻谷霉变等级,实现了稻谷霉变程度的快速检测方法。结果表明:本文提出检测模型在学习次数为28455次时达到预设的目标精度0.06,所提取的稻谷NIR图像特征与模型输出的相关系数为0.85。仿真测试中该检测模型所计算出的网络输出值和期望输出值的误差平均值为0.52139,方差为0.13782,误差的标准差为0.37123,对于不同稻谷的霉变程度检测的准确率为93.33%。该研究为实现稻谷霉变程度无损检测提供了新方法,为稻谷仓储时霉变早期自动快速检测提供了技术支持。
关键词
稻谷霉变
nir光谱图像
提取特征
神经网络
检测模型
Keywords
Rice mildew
nir
spectral images
Feature extraction
Neural networks
Detection model
分类号
S24 [农业科学—农业电气化与自动化]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
近红外光谱图像处理的霉变稻谷检测方法
温冯睿
关海鸥
马晓丹
左锋
钱丽丽
《光谱学与光谱分析》
SCIE
EI
CAS
CSCD
北大核心
2022
9
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
