改进互补滤波在六旋翼飞行器中的应用

针对目前大多数消费级六旋翼飞行器捷联惯性导航姿态解算中,低成本微机电系统(MEMS)器件易发散而导致的姿态漂移问题,提出了一种基于改进一阶互补滤波的姿态解算算法,利用MEMS传感器中加速度计补偿陀螺仪偏差引起的姿态漂移误差,并针对非匀速运动引起的较大误差引入了比例—积分(PI)控制器,用修正后结果代替互补滤波的加速度计输入,从而提高非匀速运动下姿态解算的精度.基于嵌入式处理器STM32,以MPU6050为姿态测量单元的六旋翼飞行器实验平台实验表明:算法计算量小、估计精度高、实时性好,易于在低成本飞行器控制系统中实现.     

基于高光谱成像的香肠菌落总数回归预测及数据可视化

香肠的好坏有很多种评价指标,菌落总数（TVC）是其中的一种。高光谱成像技术已经成为一种快速、无损检测食品品质的有效方法。本文利用高光谱成像技术对香肠的菌落总数进行了定量分析,对数据进行了主成分分析（PCA）,研究发现数据集中前四个主成分累计贡献率已达97.65%,已经可以反映出香肠所包含的绝大部分信息。对前四个主成分对应的优化区间采用高斯核函数的SVM回归模型进行预测,并为了提高回归预测模型的精确度,对模型的c,g参数,进行了遗传算法（GA）、网格搜索算法和粒子群算法（PSO）寻优对比,其中PSO寻优可使回归预测值和真实值的相关系数为0.9777,交互验证均方根误差为0.0823,能够准确快速的实现香肠菌落总数的预测。除此之外,利用python对回归预测的数据进行可视化,更加直观的显示菌落总数变化,且可以达到实时观看的效果。     

融合高光谱和图像深度特征的腊肉分类与检索算法研究

本文以腊肉为实验对象,建立一种融合光谱曲线特征和图像特征的肉类食品分类与检索方法,利用10个3×3的卷积层、3个5×5的卷积层、5个5×5的池化层和2个全连层的CNN模型对高光谱图像进行特征提取,并以交叉熵作为优化目标,同时利用多元散射校正和主成分分析方法(Principal Component Analysis,PCA)对光谱特征进行预处理和特征提取,然后将两种特征进行融合,并将融合特征利用支持向量机(Support Vector Machine,SVM)进行分类。结果表明,直接使用CNN训练好的模型对高光谱图像进行特征提取,利用SVM作为分类器,分类的准确率只有75.6%,融合光谱曲线特征后用SVM进行分类,准确率可达99.2%。此外,本文还计算了被检索样本和标准等级样本特征向量的欧氏距离,完成了腊肉新鲜度等级的检索任务,显示了该方法的可行性和有效性。     

高光谱技术结合迭代决策树的香肠菌落总数预测

利用波长范围400～1 000 nm高光谱对香肠的菌落总数进行预测研究。选取450 个香肠样本的光谱数据作为训练集,50 个作为测试集。采用多元散射校正方法对光谱预处理并采用主成分分析法对光谱降维处理。对训练集和测试集数据分别采用支持向量回归和迭代决策树（gradient boosting decision tree,GBDT）方法建立定量分析模型,优选最佳建模方法。结果表明：GBDT的建模效果较好,其训练集和测试集的均方根误差分别为0.001和0.003,决定系数R2分别为0.998和0.996。研究表明,基于高光谱成像技术利用GBDT方法预测香肠菌落总数可行并可有效实现。     

基于嵌入式的腊肉检测手持终端系统的研制

研究和实现基于嵌入式Raspberry Pi的手持式腊肉检测终端系统。利用计算机视觉和人工嗅觉分别采集腊肉的颜色或菌斑面积特征信息和挥发性气体值,将采集的数据经过GPRS传递给上位机,数据分析后将结果返回,实现对腊肉新鲜度的快速、便携检测。试验表明:该检测终端具有很好的精确度和可操作性,检测误差保持在[-0.38,0.21]区间内。