煤矸石图像分类方法

针对人工排矸法、机械湿选法、γ射线分选法等传统煤矸石分选方法无法兼顾快速高效性、安全无害性、简单操作性的问题,提出了基于机器视觉的煤矸石图像分类方法。对煤矸石图像进行增强、平滑去噪等预处理,采用基于距离变换的分水岭算法实现煤矸石图像分割提取。针对煤矸石分割图像,选取煤矸石图像的HOG特征及灰度共生矩阵,分别以支持向量机、随机森林、K近邻算法作为分类器进行基于特征提取的煤矸石分类识别;分别建立浅层卷积神经网络和基于ImageNet数据集预训练的VGG16网络,进行基于卷积神经网络的煤矸石分类识别。研究结果表明,基于VGG16网络的煤矸石图像分类方法准确率最高为99.7%,高于基于特征提取方法的91.9%和基于浅层卷积神经网络方法的92.5%。     

基于近红外光谱技术的猪肉品质检测应用研究

为研究一种快速有效的猪肉质量检测方法,解决传统检验方法耗时、成本高等问题,从市场上收集了109组猪肉样品,通过理化方法将其区分为健康猪肉和病死猪肉。使用FT-NIR光谱仪采集了样品的光谱,并对光谱进行去噪和降维处理。结果显示,光谱数据经过标准正态变换,结合多元散射校正处理和傅里叶变换降维后,建立了基于支持向量机的分类模型,5-折交叉验证准确率达到94.5%。结果表明,利用该方法可以很好地进行不同品质猪肉样品的分类,为用近红外光谱技术检测猪肉质量提供了依据和基础。