基于BP神经网络的白酒探汽上甑方法研究

目的:针对目前白酒"探汽上甑"工艺在自动化酿造过程中存在探汽准确率低的问题,提出一种基于BP神经网络的探汽方法.方法:使用红外相机采集上甑蒸馏过程中酒醅表层图像获得酒蒸汽温度分布特征,按照上甑工艺特点将图像分类,结合图像预处理技术对图像温度特征提取,通过神经网络分类模型训练得到探汽模型.结果:通过实验验证,该方法的探汽...     

基于卷积神经网络的白酒上甑探汽方法

针对白酒“探汽上甑”工艺在实现自动化过程中出现的探汽准确率低的问题,提出一种基于卷积神经网络的探汽方法。通过红外热成像仪采集甑锅内酒醅表面的红外图像并做预处理,再结合上甑工艺特点将图像分类,利用卷积神经网络训练得到探汽模型。训练结果表明,AlexNet、VGGNet-16、GoogLeNet、ResNet-18、DenseNet-37的探汽准确率分别为0.997 0、0.998 0、0.994 2、0.989 8、0.997 0,综合考虑选用DenseNet-37做模型评估,测试集测试的精确率为0.997 0,召回率为0.997 0,F1分数为0.996 9,表示该模型性能表现好,故能满足探汽上甑要求。     

固态法小曲白酒冬季生产的技术要点

小曲白酒在冬季生产,受低温的影响,使所产的酒质和出酒率降低,为保证小曲白酒生产顺利过冬,应严格工艺操作,加强工艺管理,做好粮食糊化和培菌工作,采取加大曲药用量、28～32℃入池发酵、探汽上甑、中火蒸酒等技术措施,。(丹妮)     

纺织品颜色分类算法比较研究

探讨和比较纺织品颜色分类算法。优选了均匀且色域宽阔的L*a*b*颜色空间;基于机器视觉和图像处理技术,通过仿真试验比较分析了支持向量机、最小二乘支持向量机和自组织映射神经网络三种算法的训练和测试样本的准确率和运行时间。试验结果表明:对于小样本集,最小二乘支持向量机算法的分类准确率及收敛速度要优于支持向量机算法和自组织映射神经网络算法。认为:最小二乘支持向量机分类算法在纺织品颜色在线分类方面具有更好的应用潜力。     

固态蒸馏白酒的上甑自动化概述

上甑操作是白酒酿造过程中至关重要的环节,上甑质量的好坏将直接影响白酒的品质及出酒率。鉴于目前白酒酿造企业对上甑自动化设备的迫切需求,介绍了目前固态蒸馏白酒的上甑自动化发展现状以及两款上甑机器人,旨在对上甑自动化的发展与需求进行探讨,以实现机器人技术在白酒酿造行业中的应用。     

上甑机器人在酱香型白酒蒸馏中的应用研究

研究上甑机器人在酱香型白酒蒸馏中应用的可行性。通过比较机器人上甑和人工上甑,在酱香型白酒三轮次生产中对两种上甑方式的情况进行了跟踪。结果表明上甑机器人可提高基酒产量,对基酒质量无明显影响。上甑机器人在酱香型白酒蒸馏中应用是可行的。     

基于改进PSO-SVM的生产线分拣机器人罐装食品识别方法

目的:解决现有食品生产线分拣机器人目标识别方法存在的准确率差和效率低等问题。方法:在对基于双目视觉食品分拣系统进行分析的基础上,提出了一种将改进的粒子群算法和支持向量机相结合用于食品分拣机器人的目标识别。通过改进粒子群算法寻优支持向量机参数,获得优化的支持向量机分类模型,对全局特征和局部特征分别进行分类器训练,动态分配特征权重系数,得到最佳识别率。通过试验分析所提方法的性能,验证其可行性。结果:与常规方法相比,所提方法在食品分拣机器人的目标识别中具有较高的识别精度和效率,准确率为99.50%,平均识别时间为0.048 s,满足机器人的分拣需要。结论:所提方法能有效识别罐装食品,提高了分拣机器人分拣准确率和效率。     

古代天锅甑的启迪

中国白酒蒸馏法是古人创立的、完整的白酒分离工程技术。其中“蒸酒操作法”已被酒厂广泛使用,对古甑功能却引用不多。天锅甑在结构上所显示的三大特征:大通道;短汽程;集团型汽-液相变摸式,把中国酒的风韵提高到一个完美的程度。只因为单产低,成为上个世纪五十年代下线的直接原因。今日重温天锅甑的目的是;1)希望酒甑设计者们注意维护汽态酒体中分子缔合网络的完整性,以图缩短酒的贮存时间。2)借鉴天锅甑能保持酒中香与味平衡的能力,解决地面蒸酒系统中存在的香大于味的缺陷。3)在金属大甑中再造热力均衡工况,复制天锅甑的性能特征,让“一段优质酒”成为新甑的主体产量。     

上甑蒸馏技术与白酒产质量的关系

阐述了白酒蒸馏过程中的拌粮、底锅水、上甑、量质摘酒等上甑技术与白酒产质量的关系。     

基于GA优化SVM参数的白酒分类识别方法应用研究

为提升支持向量机算法在白酒品牌分类预测中的准确度,利用遗传算法优化支持向量机参数,并建立最优参数的SVM白酒品牌分类预测模型.通过阵列式传感器(电子舌)采集多个待测品牌白酒的特征信息,将提取的特征信息数据经预处理(异常值处理、归一化操作等)后存储为样本数据集.其中样本数据分为训练样本与测试样本,通过训练样本对最优参数的...     

基于支撑矢量机的织物疵点识别算法

为了使用机器对织物疵点进行有效地检测和分类,提出了基于直方图统计和支撑矢量机的织物疵点识别算法。该算法运用直方图统计的方法,由概率统计生成直方波形,基于波形特征参数对比能准确定位织物纹理结构的异常位置,正确识别织物疵点,并将其作为支撑矢量机的输入参数,用于训练特征样本集,以获得支撑矢量,对待识对象进行识别,得到识别结果,在识别结果中寻找最优匹配,将待识图像归入最匹配类中。实验结果表明,该算法用于织物疵点检测是可行、有效的,可得到满意的识别结果。     

基于支持向量机的筒子纱纱管品种检测

为了对运输导轨上筒子纱的纱管品种进行检测,提出一种基于纱管图像分类的品种检测方法。首先通过搭建的采集装置采集筒子纱顶部包含纱管信息的图像,运用阈值分割和椭圆拟合得到纱管区域,利用极坐标变换将纱管圆环展开成矩形图像,然后使用HSV颜色直方图和局部二值模式分别提取纱管展开图像的颜色特征和纹理特征,最后通过支持向量机构建筒子纱纱管品种分类模型实现纱管品种检测。采用建立的纱管品种检测分类数据集进行实验,结果表明,本文方法相比于其它特征组合和分类器,具有更高的分类准确率,对相同图案的星型纱管、黑色系花纹纱管和混合纱管的分类准确率达100%,可为纺纱企业筒子纱纱管品种检测与运输包装提供参考。     

基于高光谱成像技术的水果表面农药残留无损检测

在高光谱成像技术的基础上,提出了一种应用于水果表面农药残留的无损检测方法。对采集数据进行预处理和特征提取,通过细菌群体趋药性算法找到最优的最小二乘支持向量机参数,建立农残检测模型,并与最小二乘支持向量机模型进行比较,验证该模型的优越性和准确性。结果表明,基于连续投影法特征波长结合文中检测模型具有最高的检测精度,其准确率达97.92%。     

基于扩展Shearlet变换、Krawtchouk矩和SVM的储粮害虫分类

为了进一步提高储粮害虫的识别精度,以便更有效地防治储粮害虫,提出了一种基于纹理和形状综合特征及全局混沌蜂群优化支持向量机(SVM)的储粮害虫分类方法。首先对储粮害虫图像进行扩展Shearlet变换,利用变换系数得到能量分布均值,加权后的能量分布均值构成纹理特征向量,用Krwtchouk矩不变量描述储粮害虫的形状特征;然后将纹理特征向量和形状特征向量分别归一化,两者结合构成储粮害虫的综合特征向量;最后用全局混沌蜂群算法优化SVM的核参数与惩罚因子,并应用参数优化的SVM进行分类。结果表明:与基于Gabor小波和支持向量机方法、基于Krawtchouk不变矩和支持向量机方法相比,本方法提取的储粮害虫特征信息更加完整,识别率更高。     

基于复杂网络提取和支持向量机模型分类的服装领型研究

为解决服装打版中款式自动搜索的问题,以服装衣领款式的结构特征为背景,以服装圆领型图像为例,先通过构建复杂网络对其进行复杂网络特征的描述与提取,然后采用支持向量机的模型实现8种衣领类型图像的分类.实验结果表明:样本整体的平均分类准确率为98％,各类别的平均分类准确率均达到96％以上,其中,圆领的平均分类准确率为100％;...     

变化光照条件下人眼定位方法

人脸识别是一种前沿的生物识别技术,作为脸部的重要特征,通过对人眼的定位,可以获取标准人脸,有效地提高人脸识别率。针对变化光照条件下人眼定位变得困难的问题,实现了一种人眼定位方法。首先通过retinex理论获取光照不变量;其次,利用边缘直方图描述符(EHD)得到人眼候选区;再次,使用支持向量机(SVM)和人眼概率分布(EPM)来确定人眼精确位置。为了进一步提高速度,提出一种基于haar-like特征的双眼筛选法,该方法和EHD构成多级筛选策略,大量减少了非人眼区域,加快了SVM的分类速度。实验表明,改进后的方法在保证较高检测率的同时具有较少的计算时间。     

光谱优化处理结合多层次支持向量机的混合染液浓度检测方法

为提高印染生产过程中多组分混合染液浓度的检测精度,提出一种利用吸收光谱对三组分染液浓度进行同时测定的方法。利用波长范围在339.22～1 000 nm的微型光纤光谱仪,采集多组分混合染液的吸收光谱数据;采用Savitzky-Golay (SG) 卷积平滑法对原始有效吸收光谱数据进行平滑去噪;利用基于X-Y距离结合的样本划分方法 (SPXY) 法将80种混合染液划分成75个训练组和5个测试组;使用连续投影算法筛选出染液光谱的最佳特征波长数为22;采用多层次多支持向量机子集结构实现多组分混合染液浓度的同时检测。结果表明,三组分混合染液浓度检测的相对误差可控制在10%以内,同时分类模型的训练时间和预测时间缩短近一半,为后期实现多组分混合染液在线浓度检测提供了参考。     

基于特征选择与特征提取融合的鸡蛋新鲜度光谱快速检测模型优化

为有效提高鸡蛋新鲜度检测效率、优化检测模型,本研究结合波长特征选择和特征提取方法各自的优点,对二者进行有效融合共同优化鸡蛋新鲜度检测模型。利用一阶微分对550～950?nm范围内鸡蛋的可见-近红外透射光谱数据进行预处理,考虑到冗余光谱信息对模型精度的影响,使用特征选择方法中的竞争性自适应重加权(competitive?adaptive?reweighted?sampling,CARS)算法融合非线性特征提取局部切空间排列(local?tangent?space?alignment,LTSA)算法最小化光谱无用信息,建立支持向量机回归(support?vector?regression,SVR)模型,结果表明单一使用CARS特征波长选择建立模型得到训练集交叉验证相关系数(Rcv)为0.880 5,交叉验证均方根误差(root?mean?square?error?of?cross?validation,RMSECV)为8.59,预测集相关系数(Rp)为0.888 9,预测集均方根误差(root?mean?square?error?of?prediction,RMSEP)为8.42,融合LT...     

基于迁移学习与支持向量机的服装舒适度评估

针对传统服装舒适度评估需要直接试穿服装导致的舒适度评估精确度不高和评估过程耗时的问题,提出一种从试穿服装数据库学习服装舒适度评估模型的方法,可以快速准确地评估服装舒适度。首先,采集试衣模特尺寸和试穿样板图,并利用迁移学习改善试穿样板图构建试穿服装数据库,同时提出基于虚拟试衣技术的舒适度标签获取方法,为数据库中对应的试穿样板图添加舒适度标签;然后,提取试穿样板图的局部二值模式为服装样板特征,并融合试衣模特尺寸数据形成服装试穿特征向量;最后,提取试穿服装数据库的融合特征训练支持向量机,得到服装舒适度评估模型。实验结果表明,该方法的准确率和系统时间分别为0.8344和12 s,具有较高的精确度和效率。