-
题名高光谱成像技术及其在木材无损检测中的研究进展
被引量：11
- 1
-
-
作者
周竹
方益明
尹建新
周素茵
雒瑞森
郑剑
-
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
浙江农林大学农业与食品科学学院
-
出处
《浙江农林大学学报》
CAS
CSCD
北大核心
2015年第3期458-466,共9页
-
基金
国家自然科学基金资助项目(61302185)
浙江省自然科学基金资助项目(LQ13F050006
+2 种基金
Y3110450)
浙江省林业智能监测与信息技术研究重点实验室资助项目(2013ZHNL03)
浙江农林大学科研发展基金资助项目(2012FR085)
-
文摘
开展木材无损检测是提高木材利用率,优化木材资源的重要手段。高光谱成像技术作为一种先进的无损检测技术,能同时获取待测物的光谱与图像信息,具有图谱合一的优点。介绍了高光谱成像技术的原理、装置以及数据处理方法,并首次详细介绍了该技术在木材及木制品的缺陷识别、重要物理力学性质检测以及化学性质预测等方面的研究进展。通过综合分析已有的研究,表明高光谱成像技术在木材及木制品品质无损检测中具有良好的应用前景。
-
关键词
木材科学与技术
高光谱成像技术
木材
物理力学性质
化学性质
缺陷
无损检测
综述
-
Keywords
wood science and technology
hyperspectral imaging technology
wood
physical-mechanical property
chemical property
defect
nondestructive detection
review
-
分类号
S781
[农业科学—木材科学与技术]
O657.33
[理学—分析化学]
-
-
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
- 2
-
-
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
- 3
-
-
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]
-
-
题名雷竹笋硬度的近红外光谱检测模型优化
被引量：4
- 4
-
-
作者
周竹
郑剑
王允祥
曾松伟
-
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
浙江农林大学农业与食品科学学院
-
出处
《浙江农林大学学报》
CAS
CSCD
北大核心
2015年第6期875-882,共8页
-
基金
浙江省自然科学基金资助项目(Y3110450
LY13C200014)
+2 种基金
浙江省科学技术公益项目(2011C22069)
浙江农林大学智慧农林业研究中心资助项目(2013ZHL03)
浙江农林大学人才启动基金资助项目(2012FR085)
-
文摘
为了提高应用近红外光谱技术无损检测雷竹Phyllostachys violascens竹笋硬度的精度,研究了雷竹笋硬度光谱检测模型的优化方法。首先对雷竹笋原始光谱进行正态变量变换(SNV),然后采用后向间偏最小二乘法(bi PLS)去除部分与竹笋硬度无关的变量,随后进一步采用竞争性自适应权重法(CARS)剔除无关变量,最后采用连续投影算法(SPA)将光谱变量个数从1 557个减少为25个。最终,bi PLS-CARS-SPA模型的交叉验证相关系数(rcv),预测相关系数(rp),交叉验证均方误差(RMSECV)以及预测均方误差(RMSEP)分别为0.984,0.926,0.300 N·cm-2和0.625 N·cm-2,优于其他几种常见的变量选择方法及其组合。研究结果表明,bi PLS-CARS-SPA方法所选特征变量避开了水分强吸收峰的影响,具有实际的物理表征意义,为竹笋硬度在线快速检测、筛选和指导切削设备的研发提供了重要的理论依据。
-
关键词
经济林学
近红外光谱
后向间隔偏最小二乘法
竞争性自适应权重法
连续投影算法
硬度
雷竹笋
-
Keywords
cash forestry
NIR spectroscopy
bi PLS
CARS
SPA
firmness
bamboo shoots
-
分类号
S123
[农业科学—农业基础科学]
O657.33
[理学—分析化学]
-
