基于高光谱成像技术的灵武长枣常见缺陷检测

以灵武长枣为研究对象,利用高光谱成像技术结合主成分分析法(principal component analysis,PCA)和最小噪声分离法(minimum noise fraction,MNF)对长枣缺陷进行快速检测与识别,主要探讨样本背景对缺陷识别的影响。首先,采集虫眼、裂痕、正常枣的高光谱图像,利用PCA法和MNF法分别对其降维去噪,选择虫眼与正常枣的PC1和M1图像、裂痕枣的PC2和M2图像进行缺陷识别,经PCA分析后的缺陷识别率均为100%,MNF处理后的识别率分别为69.2%,56.8%,100%;随后对其高光谱图像进行掩模去背景,再对其降维去噪后检测识别,PCA后的识别率均为100%,MNF后的识别率分别为73.1%,65.9%,100%。结果表明:利用高光谱成像技术结合两种降维去噪法对长枣常见缺陷的识别是可行的,背景干扰对于PCA法的缺陷识别不影响,其识别效果优于MNF法,且去背景后的MNF法缺陷识别率较未去背景的有所提高,为后续长枣缺陷的在线检测提供理论依据。     

冷鲜羊肉冷藏时间和水分含量的高光谱无损检测

利用可见-近红外高光谱成像技术对冷鲜羊肉的冷藏时间和水分含量进行无损检测。通过波长400～1 000 nm可见-近红外高光谱系统采集160 个羊肉样本光谱信息,优选主成分-14-线性判别法对原始光谱建立羊肉冷藏时间的判别模型,校正集对羊肉冷藏时间的判别率为99.17%,预测集为100%,模型可较好地判别羊肉的冷藏时间。其次,针对羊肉冷藏过程中水分含量的变化,优选最佳预处理方法并运用偏最小二乘回归（partial leastsquares regression,PLSR）法建立水分含量预测模型;结果表明,经过Savitzky-Golay卷积平滑预处理的PLSR模型对水分含量的建模效果最优,校正集和预测集相关系数分别为0.888和0.784,交互验证均方根误差为0.696。研究表明,采用可见-近红外高光谱成像技术对冷鲜羊肉冷藏时间的判别和冷藏过程中羊肉水分含量的快速预测是可行的。     

基坑开挖对盾构隧道变形影响及加固措施研究

地铁运营期间不可避免的会在其周边遇到基坑建设施工,两者之间会产生相互影响。本文基于杭州市彭埠单元某基坑工程,采用plaxis 2D有限元软件,结合考虑土体小应变特性的本构模型,计算分析了基坑开挖时土性参数和相对位置变化对盾构隧道附加弯矩和累计变形量的影响,对比了不同加固措施控制隧道变形的效果。