太赫兹成像技术虽已被证实能够用于检测葵花籽内部品质,然而其成像速度较为缓慢,难以实现切实且迅速的检测。为了实现对葵花籽饱满度的快速检测,该研究将压缩感知与注意力增强超分辨率生成对抗网络(A-ESRGAN)模型相结合应用于太赫兹成...太赫兹成像技术虽已被证实能够用于检测葵花籽内部品质,然而其成像速度较为缓慢,难以实现切实且迅速的检测。为了实现对葵花籽饱满度的快速检测,该研究将压缩感知与注意力增强超分辨率生成对抗网络(A-ESRGAN)模型相结合应用于太赫兹成像领域。首先,选用压缩采样匹配追踪(compressive sampling matching pursuit,CoSaMP)重构算法来验证不同测量矩阵的性能,根据最佳综合性能选取高斯矩阵作为测量矩阵。其次,通过比较基于交替方向乘子法(alternating direction method of multipliers,ADMM)结合全变分(total variation,TV)正则化(ADMM_TV)和子空间追踪(subspace pursuit,SP)等5种重构算法的峰值信噪比和重构时间等评价指标评估图像重建质量。结果表明ADMM_TV在峰值信噪比、均方误差、结构相似性指数表现最佳,自然图像质量评估器在测量比例超过6.0%最低,尽管重构时间无明显优势,但综合表现优于其他算法。最后,运用多尺度注意力增强超分辨率生成对抗网络(A-ESRGANmulti)模型对压缩感知不同采样率的重构图像进行处理,其效果优于真实图像增强超分辨率生成对抗网络(RealESRGAN)和单尺度注意力增强超分辨率生成对抗网络(A-ESRGAN-single),提升了图像质量,使边缘对比度得以提高,为后续的图像分割提供了便利。研究表明,压缩感知与A-ESRGAN-multi模型相结合用于检测葵花籽饱满度是可行的,验证集的饱满度误差平均为2.50%,最大检测误差为6.41%。综上所述,将压缩感知与A-ESRGAN-multi模型相结合,能够有效地节省82.5%的采样时间,为葵花籽的品质检测开辟了新的途径。展开更多
采用激光诱导击穿光谱(LIBS)结合化学计量学的方法对柑橘叶片黄龙病进行定性检测。试验结果显示:柑橘叶片中营养元素P(Ⅱ)、Mn(Ⅰ)、Si(Ⅰ)和Fe(Ⅰ)的LIBS信号强度与柑橘叶片的健康程度有直接关系,其中健康、中度感染黄龙病和重度感染...采用激光诱导击穿光谱(LIBS)结合化学计量学的方法对柑橘叶片黄龙病进行定性检测。试验结果显示:柑橘叶片中营养元素P(Ⅱ)、Mn(Ⅰ)、Si(Ⅰ)和Fe(Ⅰ)的LIBS信号强度与柑橘叶片的健康程度有直接关系,其中健康、中度感染黄龙病和重度感染黄龙病的柑橘叶片中P(Ⅱ)、Mn(Ⅰ)、Si(Ⅰ)和Fe(Ⅰ)的特征光谱强度呈依次减少的关系;然后再分别建立5个特征光谱以及采用光谱融合方法将5个特征光谱融合的偏最小二乘判别分析(partial least square discriminant analysis,PLS-DA)模型,并对其判别模型进行分析,其中Fe(Ⅰ)的RMSEC为0.394,Rc为0.871,总误判率为23.1%;RMSEP为0.454,Rp为0.841,总误判率为26.6%。光谱融合的RMSEC为0.341,Rc为0.905,总误判率为15.5%,RMSEP为0.395,Rp为0.867,总误判率为22.7%;利用归一化、多元散射校正(MSC)、标准正态变换(SNV)和正交信号校正(OSC)4种预处理方法对原始光谱进行预处理,并建立PLS-DA模型。研究结果表明,利用LIBS技术结合OSC光谱预处理和PLS-DA建模方法,模型的RMSEC为0.027,Rc为0.994,总误判率为0;RMSEP为0.023,Rp为0.995,总误判率为0,对3种类别的柑橘叶片能进行较好地分类。展开更多
文摘太赫兹成像技术虽已被证实能够用于检测葵花籽内部品质,然而其成像速度较为缓慢,难以实现切实且迅速的检测。为了实现对葵花籽饱满度的快速检测,该研究将压缩感知与注意力增强超分辨率生成对抗网络(A-ESRGAN)模型相结合应用于太赫兹成像领域。首先,选用压缩采样匹配追踪(compressive sampling matching pursuit,CoSaMP)重构算法来验证不同测量矩阵的性能,根据最佳综合性能选取高斯矩阵作为测量矩阵。其次,通过比较基于交替方向乘子法(alternating direction method of multipliers,ADMM)结合全变分(total variation,TV)正则化(ADMM_TV)和子空间追踪(subspace pursuit,SP)等5种重构算法的峰值信噪比和重构时间等评价指标评估图像重建质量。结果表明ADMM_TV在峰值信噪比、均方误差、结构相似性指数表现最佳,自然图像质量评估器在测量比例超过6.0%最低,尽管重构时间无明显优势,但综合表现优于其他算法。最后,运用多尺度注意力增强超分辨率生成对抗网络(A-ESRGANmulti)模型对压缩感知不同采样率的重构图像进行处理,其效果优于真实图像增强超分辨率生成对抗网络(RealESRGAN)和单尺度注意力增强超分辨率生成对抗网络(A-ESRGAN-single),提升了图像质量,使边缘对比度得以提高,为后续的图像分割提供了便利。研究表明,压缩感知与A-ESRGAN-multi模型相结合用于检测葵花籽饱满度是可行的,验证集的饱满度误差平均为2.50%,最大检测误差为6.41%。综上所述,将压缩感知与A-ESRGAN-multi模型相结合,能够有效地节省82.5%的采样时间,为葵花籽的品质检测开辟了新的途径。
文摘采用激光诱导击穿光谱(LIBS)结合化学计量学的方法对柑橘叶片黄龙病进行定性检测。试验结果显示:柑橘叶片中营养元素P(Ⅱ)、Mn(Ⅰ)、Si(Ⅰ)和Fe(Ⅰ)的LIBS信号强度与柑橘叶片的健康程度有直接关系,其中健康、中度感染黄龙病和重度感染黄龙病的柑橘叶片中P(Ⅱ)、Mn(Ⅰ)、Si(Ⅰ)和Fe(Ⅰ)的特征光谱强度呈依次减少的关系;然后再分别建立5个特征光谱以及采用光谱融合方法将5个特征光谱融合的偏最小二乘判别分析(partial least square discriminant analysis,PLS-DA)模型,并对其判别模型进行分析,其中Fe(Ⅰ)的RMSEC为0.394,Rc为0.871,总误判率为23.1%;RMSEP为0.454,Rp为0.841,总误判率为26.6%。光谱融合的RMSEC为0.341,Rc为0.905,总误判率为15.5%,RMSEP为0.395,Rp为0.867,总误判率为22.7%;利用归一化、多元散射校正(MSC)、标准正态变换(SNV)和正交信号校正(OSC)4种预处理方法对原始光谱进行预处理,并建立PLS-DA模型。研究结果表明,利用LIBS技术结合OSC光谱预处理和PLS-DA建模方法,模型的RMSEC为0.027,Rc为0.994,总误判率为0;RMSEP为0.023,Rp为0.995,总误判率为0,对3种类别的柑橘叶片能进行较好地分类。
