基于红外光谱的食用植物油种类鉴别

为建立基于红外光谱的食用植物油种类鉴别方法,收集了常见的5种食用植物油样本296份,采集红外光谱,分别通过Savitzky-Golay平滑、希尔伯特变换、IIR低通滤波器、IIR高通滤波器、连续小波变换、一阶导数、二阶导数进行预处理,并利用径向基函数(RBF)神经网络和随机森林(RF)模型对光谱进行识别。结果表明：RBF神经网络模型的效果优于RF模型,将红外光谱数据经希尔伯特变换处理后,RBF神经网络模型的识别率达到100%。采用该方法对食用植物油进行种类鉴别快速无损、准确率高、效果好。     

基于连续分类策略的动物油红外光谱无损识别

为实现对市面上常见以及实际案件中出现的动物油样本进行快速无损识别，借助光谱分析技术和机器学习算法，基于连续分类策略，对不同动物油样本在种类及品牌/来源地方面进行区分和认定。收集了247份动物油样本(鸡油、牛油、鹅油、猪油、羊油、鸭油),对其进行红外光谱扫描，采用自动基线校正和峰面积归一化消除样本基线漂移和量纲不一致情况；再分别采用Savitzky-Golay平滑、二项式平滑、邻域平均法、FFT滤波、一阶导数和二阶导数对红外光谱进行预处理，比较了6种预处理方法在降噪方面的差异性，同时构建不同预处理方法下的随机森林、贝叶斯网络以及最小二乘支持向量机3种分类模型，开展各样本“种类—品牌/来源地”的连续分类工作。结果表明，相较于未预处理模型，经过预处理后，模型的识别能力均有提升，其中采用FFT滤波预处理结合随机森林模型可较好区分6种动物油，其对6种动物油样本品牌/来源地的识别准确率由高到低依次为鸡油、牛油、鹅油、猪油、羊油、鸭油；对实际案件中2份检材进行验证性分析，结果与实际情况相符合。红外光谱结合机器学习算法可应用于基于连续分类策略的动物油的快速无损识别。     

多小波变换中一种新预滤波方法及其应用

首先提出了一种新的GHM多小波预滤波方法；其次，针对多小波变换改进了常用的SPIHT量化方法．最后通过实验证明使用新的预滤波方法进行多小波变换有较高的低通能量百分比，并且在图像压缩中使用新的预滤波方法和改进的量化方法会有好的效果．     

小波变换在突变信号检测中的应用仿真研究

本文介绍了小波变换及其检测突变信号的基本原理,选用了具有低通特性的高斯函数高斯函数作为小波基的小波变换能够有效识别出非平稳态的突变信号,而且小波尺度大小的选择与检测精度有直接关系。     

利用电流传输器构成新型电流型有源滤波器

提出了利用电流传输器设计新型电流型有源滤波器的新方法。即以电流传输器作为基本积木块,将其与两个无源网络相接;运用网络理论知识,求出总的电流传输函数;然后,通过适当选择无源网络的结构以及元件,构成新型电流型标准二阶滤波器,即低通、高通、带通、带阻和全通滤波器及其传递函数。由该设计组成的电路具有高频、高输入、输出阻抗和低灵敏度等优点,并可直接级连而构成高阶滤波器。另外,该电路也可工作在较高的信号带宽下,具有较大的线性度和动态范围。     

基于高光谱智能检测及支持向量机分类的香肠品质判定

针对市面上的香肠,基于高光谱分析对香肠中的亚硝酸盐、过氧化值和挥发性盐基氮含量进行研究,从而对香肠的可食用性进行判定。根据样本的理化检测值,将样本分为两类,可食用(数字0代替)和不可食用(数字1代替)同时把34组香肠样本划分为校正集(17组)和验证集(17组)。首先对光谱数据进行提纯去冗余信息,对其进行最小分离变换(MNF),提取纯净端元(PPI),最后进行N维可视化变换(n-D Visualizer),通过所得平均光谱的包络分析,得到两个有效光谱分析区间,即500nm~600nm和775nm~950nm。结合理化实验所测得的亚硝酸盐、过氧化值、挥发性盐基氮含量,建立偏最小二乘回归模型进行回归分析,所得模型的交叉验证均方根误差(RMSECV)分别为0.388、0.60、0.878,使用模型对验证集样本进行预测。最后建立支持向量机分类模型,分别通过特征波段值和预测指标值两种方式对验证集样本进行可食用性判别,结果表明利用回归模型预测数据所得到的分类建模准确率较高,为82.3%。     

化学计量学结合中红外光谱的浓香型白酒分类研究

为探究无损、快速和准确判别不同类型浓香型白酒的方法，该研究选取不同酒度和不同品牌浓香型白酒作为研究对象。利用傅里叶变换中红外光谱仪采集120份酒样的原始光谱，结合平滑滤波与标准正态变换分别对原始光谱进行预处理，采用主成分分析比较光谱预处理效果。光谱数据按Kennard-Stone方法以7∶3的比例划分为训练集和测试集，经数据归一化后使用蚱蜢算法优化支持向量机和误差反向传播人工神经网络进行建模分析。试验结果表明，光谱预处理结合主成分分析不能区分不同酒度和品牌的浓香型白酒，但平滑滤波处理后不同酒度酒样的聚类区分较好，标准正态变换处理后不同品牌酒样的聚类区分更好，二者都能有效减少中红外光谱的噪音，提高识别的精度。基于蚱蜢算法优化支持向量机和误差反向传播人工神经网络模型进行判别时，训练集和测试集的酒样分类准确率均为100%。综上所述，利用中红外光谱结合化学计量学可快速准确地判别不同酒度以及不同品牌浓香型白酒，可为白酒的香型区分、产地溯源、市场监管和售后管理等提供数字化方案。     

模拟滤波器离散化之双线性变换法分析

为了给工程实践中的离散化设计提供一些参考,介绍了双线性变换法并结合MATLAB软件工具对不同的低通、带通模拟滤波器进行了离散化实例分析,针对不同的采样频率对比性地给出了幅频响应的仿真曲线,并对离散化结果进行了分析讨论,总结出了双线性变换法的一些特点.     

基于对比度à trous小波的Contourlet变换图像水印算法

提出将基于对比度的àtrous小波代替Contourlet变换中的拉普拉斯金字塔(LP)变换,实现对图像的多尺度分析:对变换后的低频区域分块,计算各个分块的噪声可见性函数(NVF)值,对选出的一系列值较小的分块嵌入水印.实验结果表明,水印算法具有较好的视觉效果,同时对滤波、JPEG有损压缩、噪声等攻击具有较好的鲁棒性.     

基于数据融合策略植物油光谱模式的识别

为实现对不同植物油的快速无损分类识别,探究数据融合技术在提升光谱分类模型精度方面的可行性与应用价值,借助衰减全反射-傅里叶变换红外光谱技术、表面增强拉曼光谱技术结合多源数据融合技术,开展了对7种共计180份植物油样本的分类识别。基于单一光谱模型、数据层融合模型和特征层融合模型,比较了Bayes判别分析(BDA)和多层感知器神经网络(MLP)两种化学计量学方法在区分各样本时的差异,同时考察了主成分分析、广义最小平方、最大似然、主轴因式分解4种算法在特征提取方面的差异。结果表明,光谱数据融合在识别植物油方面具有显著的优势,BDA模型对各样本的区分能力强于MLP模型,相较于其他3种算法,主成分分析在油样特征提取方面展现了较为理想的结果。基于PCA特征提取的特征层融合BDA模型为最佳识别模型,以此实现了180份植物油样本100%的准确区分,同时对5种品牌花生油达到了100%的准确区分,实现了对各样本“种类-品牌”的两级识别分类工作。     

窗函数在信号处理中的应用

在进行快速傅里叶变换时,对信号进行截断会产生频谱泄漏现象。为减小频谱泄漏的影响,以理论分析窗函数为基础,利用Matlab作为辅助工具绘出汉宁窗、汉明窗、矩形窗、三角窗和布拉克曼窗的时域幅度与频域幅度曲线,分析了频谱泄漏的原理以及各窗函数的特点和性能,提出了在对信号进行截断时,如何通过选择合适的窗函数来减小频谱泄漏对信号分析的影响。用Matlab软件对某一信号进行加窗仿真实验,结果表明:汉宁窗最适合此实验信号,验证了选择合适的窗函数的重要性.     

高光谱技术结合网格搜索优化支持向量机的桃缺陷检测

为快速区分完好桃、疮痂桃、腐烂桃(虫咬桃、鸟啄桃),实现久保桃外部缺陷的无损检测，该研究利用高光谱技术对久保桃的外部缺陷进行了研究。共采集302个久保桃样本(120个完好桃样本、120个缺陷桃样本、62个验证桃样本),对比经光谱学、基线校正、中值滤波(median filter, MF)等5种预处理方法建立偏最小二乘法模型的准确率，选取经MF预处理后的光谱数据进行后续建模研究。采用回归系数法、竞争性自适应重加权算法(competitive adaptive reweighted sampling, CARS)提取特征波长，建立网格搜索法优化支持向量机(grid search optimized support vector machines, GS-SVM)模型、遗传算法优化SVM模型、粒子群算法优化的SVM模型并进行对比分析。结果表明，CARS-GS-SVM模型预测效果最好，其训练集的判别率为93.33%,预测集的判别率为96.77%,验证集的判别准确率为91.94%,运行时间为11.5 s。该研究利用高光谱技术结合CARS-GS-SVM模型实现了久保桃外部缺陷的检测，为开发水果的分...     

L2(Rd)中的积分小波变换及其反演公式

研究了L2( Rd)中的积分小波变换.利用算子论和积分论的方法,讨论了L2( Rd)中函数的积分小波变换的有界性和连续性,证明了积分小波变换的等距性质,并给出了积分小波变换在强收敛意义和弱收敛意义下的重构公式.     

基于自适应离散小波变换的混合特征畸变织物疵点识别

 本文通过构造自适应正交小波识别混合特征畸变织物疵点。首先确定所设计小波的优化目标，然后采用二通道方法准确重建正交滤波器(Quadrature Mirror Filter, QMF)的结构实现方式，推导出目标函数，并通过目标函数选择具体的优化方法，建立起优化目标和QMF系数间的函数关系；最后采用构造出的自适应正交小波对3种类型的混合特征畸变疵点进行识别，通过两层离散小波分解，验证该方法的可行性。     

近红外光谱结合蒙特卡洛交互验证奇异样本筛选的橄榄油掺伪定性定量分析

采用基于蒙特卡洛交互验证(MCCV)奇异样本筛选的近红外光谱技术结合支持向量机(SVM)对橄榄油掺伪进行定性和定量分析。应用近红外光谱仪采集将大豆油、菜籽油、玉米油、葵花籽油掺入橄榄油中的188个掺伪样本光谱图。采用蒙特卡洛交互验证(MCCV)方法剔除橄榄油掺伪样本光谱数据中的奇异样本,剔除3个奇异样本。利用多元散射校正(MSC)、去趋势技术(DT)、标准正态变量变换和去趋势技术联用算法(SNV-DT)分别对奇异样本筛选前后的掺伪样本光谱数据进行预处理,选择网格搜索算法(GS)对模型参数组合(C,g)进行寻优,确定最优参数组合。应用支持向量机分类(SVC)方法建立掺伪油的品种定性分类校正模型;采用竞争性自适应重加权算法(CARS)选择奇异样本筛选前后的掺伪样本光谱数据的特征变量,应用支持向量机回归(SVR)建立掺伪油含量快速预测的定量校正模型。试验表明,采用MCCV方法剔除奇异样本后,建立的掺伪油品种鉴别模型的预测准确率达到100%,而建立的GS-SVR模型能够快速预测橄榄油掺伪量,特别是建立SNV_DT-CARS-SVR模型的校正集和预测集相关系数R分别达到99.80%、99.13%,均方误差(MSE)分别为0.0142、0.0535,综合性能最好。结果表明,采用激光近红外光谱分析技术可以实现橄榄油掺伪的定性-定量分析。     

基于声学特性的鸡蛋蛋壳裂纹检测

通过自行研制的一套禽蛋裂纹检测装置,采集并分析敲击鸡蛋产生的响应信号,检测裂纹鸡蛋。采用基于归一化最小均方算法的自适应滤波器对信号进行去噪处理。结果表明：经自适应滤波后,敲击响应信号的分辨率和灵敏度均有显著提高。提取经滤波去噪后的鸡蛋敲击响应信号功率谱的5 个特征参数,作为误差反传人工神经网络模型的输入向量进行判别。判别模型对实验鸡蛋的交互验证训练集和独立样本预测集的判别率均为97%。     

基于GA-SVR的苹果可溶性固形物质量分数的高光谱检测

以建立一种高精度的无损苹果可溶性固形物含量的检测模型为目标,通过提取高光谱图像中圆形150像素感兴趣区域(ROI)内的平均光谱反射率,分别使用Savitzky-Golay平滑处理(S-G)、标准正态变量变换(SNV)和小波变换(Wavelet-Transform)对原始光谱数据进行预处理,然后利用连续投影算法(successive projection algorithm,SPA)提取特征波长,基于特征波长建立BP神经网络(BPNN)和遗传支持向量机(GA-SVR)预测模型。在GA-SVR建模过程中,采用遗传算法获取支持向量机的最优惩罚参数和核函数参数。研究结果表明,S-G预处理后的GASVR模型预测效果最佳,模型的预测相关系数为0.850 5,预测均方根误差为0.303 1,所以基于该ROI内数据建立的GA-SVR模型在提高模型性能方面是可行的。     

基于电子舌检测的橙汁贮藏品质研究

为实现对不同储存时间的鲜榨橙汁品质进行客观、快速的评价,采用基于虚拟仪器技术的电子舌系统对6种不同储存时间下的鲜榨橙汁样本进行定性和定量分析。针对电子舌输出信号特点,分别采用主成分分析(Principal Component Analysis,PCA)和离散小波变换(Discrete Wavelet Transform,DWT)方法对输出信号进行预处理,以分类效果为依据,确定离散小波变换作为较佳特征提取方法。在此基础上,采用线性判别分析(Linear Discriminant Analysis,LDA)方法对不同储存时间鲜榨橙汁样本进行定性分析,然后采用粒子群优化最小二乘支持向量机(Particle Swarm Optimization Least Squared-Support Vector Machines,PSOLSSVM)对鲜榨橙汁的不同储存时间进行定量预测。结果表明:LDA结果中第一判别式(LD1)和第二判别式(LD2)的综合贡献率为95.7%,6种储存时间下的鲜榨橙汁样本均得到有效定性辨别;而PSO-LSSVM预测模型对鲜榨橙汁的不同储存时间具有较高的定量预测精度,其相关系数(R~2)、均方根误差、平均绝对误差分别为0.999 1,0.287 7,0.232 8。     

支持向量机方法在烟叶可用性预测中的应用

为了对烟叶可用性分类进行评价,采用不同的核函数建立烟叶可用性支持向量机(Support Vector Machine,SVM)预测模型,对预测集样本进行预测,并与Fisher法的预测结果进行了比较。结果表明,SVM算法所建立的数学模型的预测准确率均比Fisher法高,且以径向基函数(RBF)建立的SVM分类模型的预测效果最好,对预测集样本的准确率达90%,说明SVM分类模型能较好地预测烟叶可用性。     

基于反射光谱的油茶籽油掺伪量快速测定及特征波长特性研究

为了探索紫外-可见-近红外反射光谱测定油茶籽油掺伪量的方法,按照不同掺伪比例制备了244个油茶籽油掺伪大豆油、菜籽油、花生油、玉米油的样本,以自主搭建的实验平台采集所制备样本在200～1 100 nm范围内的反射光谱。将原始光谱进行Savitzky-Golay(SG)-连续小波变换(CWT)预处理后,利用Kennard-Stone(K-S)算法以2∶1的比例将样本划分成校正集和预测集。采用竞争性自适应重加权算法(CARS)、连续投影算法(SPA)、自主软收缩算法(BOSS)、迭代变量子集优化算法(IVSO)进行特征波长选择,分别建立基于支持向量机(SVM)、极限学习机(ELM)、随机森林(RF)的油茶籽油掺伪量快速预测模型,同时对特征波长的特性进行了研究。结果表明：原始光谱经过SG-CWT(L5)预处理和BOSS特征波长筛选后,建立的基于SVM的油茶籽油掺伪量快速预测模型能够鉴别掺伪量为1%及以上的油茶籽油,该模型在十折交叉验证和网格搜索法下得到最佳惩罚因子(c)和核函数(γ)分别为5.278 0和0.108 8,其预测决定系数(R_P²)、预...