共查询到19条相似文献,搜索用时 234 毫秒
1.
王庆东 《郑州轻工业学院学报(自然科学版)》2000,15(2):75-78
采用模糊数学理论对数学课教学质量评判进行数学建模 ,得到了三级模糊综合评判模型M( ., ) ,经确定评判因素集 ,确定权重、评语集和等级评语向量 ,确定隶属度向量和评价矩阵以及合成等步骤得到的简化模型 M( ., )能使运算简化 .结果表明 ,该模型用于教学质量评估 ,客观公正 ,可信度高 . 相似文献
2.
国家标准规定玉米的质量定等指标为容重,为了实现利用机器视觉快速预测玉米等级,采用自行构建的基于机器视觉技术的玉米检测系统获取4种不同等级的玉米籽粒图像,通过均值滤波、最大类间方差法和形态学运算对玉米籽粒和背景进行处理、分割和特征参数的选取,并采用主成分分析法确定图像特征信息的最佳主成分因子数,建立以玉米容重为基础的8-21-4三层BP神经网络质量等级识别模型。结果表明:利用BP神经网络对基于完整籽粒图像和籽粒横切面图像的玉米等级的总体识别率均在90%以上,因此利用该模型对玉米等级的检测识别具有较高的可行性。 相似文献
3.
4.
大数据时代食品安全网络舆情的科学预警将有助于及时有效发现危机舆情,对于遏制食品安全谣言传播、促进社会和谐稳定具有重要意义。针对食品安全网络舆情的演变发展具有高度的不确定性、灰色性、模糊性等特点,基于三角模糊数确定网络舆情预警指标权重,通过建立灰色白化权函数对各指标灰色隶属度进行计算,建立基于灰色定权聚类的网络舆情预警模型,完成网络舆情等级的界定、划分与预警。通过对食品安全事件进行案例分析,验证了模型的有效性与实用性。 相似文献
5.
孔隙率是影响粮堆内热湿传递的关键参数,为探究粮仓中散装粮堆孔隙率的分布规律,通过开展粮食压缩实验来获取不同的粮食种类在不同水分含量和竖向压力条件下的孔隙率。提出了一种基于灰狼算法优化BP(GWO-BP)神经网络的粮食单元体孔隙率预测模型,并将该模型与BP神经网络模型、随机森林模型的孔隙率预测结果进行对比,最后利用粮食单元箱实验对该模型的泛化能力进行验证。结果表明,GWO-BP神经网络模型的孔隙率预测性能最佳,该模型的评价指标R2为0.960 5、RMSE为0.013 7及MAE为0.0131,均在允许的范围内。本研究为粮食孔隙率的确定提供了一种神经网络预测的方法,为深入开展粮堆多场耦合分析提供了重要基础,为安全储粮提供了理论支持。 相似文献
6.
容重是评价粮食质量的一项重要指标,本文首先分析了几种主要粮食作物容重与水分的相关关系,进而确立了通过容重预测玉米水分的主题。然后在自制的干燥试验台上,模拟干燥机的干燥方式获得如下实验数据:几种风速下不同风温时玉米容重与水分的关系曲线,以及几种风温下不同风速时玉米容重与水分的关系曲线,然后对得到的不同干燥条件下的试验数据利用Design-expert8.0.5软件进行处理与分析,并采用Matlab对大量实验数据进行拟合,得到了玉米含水率(M)和干燥过程热风温度(T)两个因素与玉米容重(ρ)之间相互关系的较为合理的数学模型,并自主设计了容重法在线检测玉米水分的实验装置,最后将该装置安装在粮食干燥机的出口处进行了性能试验,并进行误差分析。说明通过粮食容重预测水分是可行的,为粮食水分在线检测提供了又一种新方法。 相似文献
7.
运用模糊综合评价法和层次分析法建立了印品质量模糊综合评价模型。分析了影响印品质量的主要参数;确定了构造模糊综合评判的因素集;通过分析建立了影响印品质量评价的层次分析结构,采用Saatyl-9标度法对各因素进行两两比较构造出判断矩阵;通过计算判断矩阵的特征向量及一致性检验确定了各影响因素的权重。最后通过模糊综合评价并按最大隶属度原则对印品等级进行了评价。研究结果表明,所建立的模型在客观上确定了各种参数对印品质量的影响权重,在主观上评价了印品质量等级,实现了主观评价和客观评价的统一。 相似文献
8.
粮食生命线管理的关键就是要充分保障生命线的活力状态。而活力的评价则具有很大的模糊性。选择模糊综合评价的方法,对生命线工程系统作出评价。为此,把活力分为过程活力评价和基础保障活力评价两大部分,包括34个四级评价指标。依据专家调查的结果进行数据处理,得到河南省粮食生命线工程活力的隶属度函数为(0.06,0.28,0.36,0.24,0.06),对应的评语集为V={非常具有活力,较具有活力,活力一般,活力较差,不具有活力}。若按照最大隶属度原则进行选择,河南省粮食生命线工程的活力指数隶属于活力一般的隶属度最大,为0.36。而2个次级隶属度分别为0.28和0.24,与最大隶属度值还算接近。综合这些结果,河南省粮食生命线的活力指数应在中等略偏上的活力水平。 相似文献
9.
10.
11.
12.
《Food research international (Ottawa, Ont.)》2007,40(9):1140-1145
Physical appearance and kernel morphology significantly affect the grade of a harvested crop in addition to other factors such as test weight, percentage of foreign matter and constituent components. Moisture content of grain can potentially affect the physical appearance and kernel morphology. The objective of this study was to evaluate the effect of moisture content on the classification capability of colour, morphology and textural features of imaged grains. Colour images of individual kernels and bulk samples of three grain types, namely Canada Western Amber Durum (CWAD) wheat, Canada Western Red Spring (CWRS) wheat and barley were acquired using a machine vision system. The grain kernels were conditioned to 12%, 14%, 16%, 18% and 20% moisture contents before imaging. Previously developed algorithms were used to extract 123 colour, 56 textural features from bulk sample images and 123 colour, 56 textural, 51 morphological features from individual kernel images. The extracted features were analysed for the effect of moisture content. Statistical classifiers and a back propagation neural network model were used for classifying the grain bulk at different moisture contents. The colour and textural features of bulk grain images were affected by the moisture content more than that of the single kernel images. 相似文献
13.
霉变是导致粮食储藏过程中数量减少、质量降低的重要因素,若能早期预测粮食是否会发生霉变,提前采取处置措施,对保障粮食储藏安全,降低粮食损失具有重要的意义。本文采用支持向量机算法,并通过网格搜索优化参数,分别建立了稻谷和小麦霉变的预测分类模型,以判定在给定水分、温度和储藏时间的条件下是否会发生霉变。实验结果表示,稻谷平均准确率可达96%以上,小麦平均准确率可达92%以上。同时本研究采取不同规模的小样本训练建模,并与BP神经网络模型进行对比,训练结果表明,基于SVM的模型准确率高且表现稳定,明显优于BP神经网络模型。 相似文献
14.
15.
16.
霉变是造成粮食损失的重要原因,为了降低损失,将危害控制在萌芽状态,提前预测预警意义重大。本研究利用MATLAB的神经网络工具箱建立了预测粮食霉变的BP神经网络,给出了稻谷在给定含水率、温度、储藏时间的条件下是否会发生霉变的预测模型。同时,通过合理选择训练样本的数目,探究训练样本数量对网络精度的影响,并通过华北地区实仓数据验证由实验数据得到的BP神经网络在实际应用中所能达到的准确程度。经过验证,对于实验数据,训练样本数目大于400时,神经网络预测正确率可以达到94.3%;样本数越大,正确率越高。随机选择2 500个实验室样本数据进行训练得到的神经网路预测模型,对剩余样本预测准确率达到98%,对于实仓检测数据,正确率可以达到82.1%。 相似文献
17.
18.
19.
水稻籽粒蛋白质含量的高光谱估测研究 总被引:2,自引:0,他引:2
探索不同高光谱模型估测水稻籽粒蛋白质含量的精度,对于快速、无损、准确地监测水稻籽粒品质具有重要意义.在浙江省海宁市晚稻收获期同步采集了水稻籽粒光谱反射率与蛋白质含量数据,并分别对获取的数据进行了单波段相关分析、植被指数回归分析、神经网络模拟.通过分析得出以下结论:(1)水稻籽粒光谱反射率、微分光谱与对应的蛋白质含量密切相关.其中,在蓝光、红光和近红外处光谱反射率与水稻籽粒蛋白质含量的相关系数和确定性系数稳定且较高,而微分光谱与水稻籽粒蛋白质含量之间的相关系数和确定性系数变化较大,在500~750 nm间则相对稳定;(2)5种植被指数和水稻籽粒蛋白质含量均密切相关.线性模型的预测值与实测值之间的相关系数在0.44~0.55之间,均方根差在0.46~0.79之间;(3)神经网络模型可以容纳更多的相关波段参与水稻籽粒蛋白质含量的估算,实测值与预测值的相关系数高于其他模型,而均方根差低于其他模型,可以用于快速无损检测水稻籽粒蛋白质含量. 相似文献