BP神经网络在ATR．FTIR技术微量农药溶液检测中的应用

利用衰减全反射傅里叶变换红外光谱（ATR-FTIR）技术分别对毒死蜱、炔螨特的微量溶液进行了检测,采用差谱、基线校正和矢量归一化对谱图进行预处理,利用BP神经网络分别使用自适应调整学习率并附加动量因子的梯度下降反向传播算法训练函数和SCG反向传播算法训练函数建立了毒死蜱和炔螨特农药溶液的定量分析模型,并对校正集和预测集进行了定量分析．毒死蜱溶液模型的分析结果为：R=0．9986,RMSEC=0．1000．RMSEP=0．2201;炔螨特溶液模型的分析结果为：R=0．9974,RMSEC=0．3918,RMSEP=0．6241．结果表明,BP神经网络结合ATR-FT．IR技术检测微量农药溶液含量具有快速、精度高、泛化能力强的优点,可用于农药溶液含量的快速、准确鉴定．     

近红外光谱技术检测农产品农药残留量的研究

介绍了近年来近红外光谱分析技术在农产品农药残留分析检测技术中的应用,其中覆盖了样品预处理方法、运用化学计量学进行定性和定量检测分析技术的方法等.概述了近几年来在近红外农残检测领域的应用和研究进展.提出了结合多信息融合技术的农药残留分析技术及其发展前景.     

近红外光谱技术在农药残留量检测中的研究

介绍了近红外光谱技术的发展及原理,基于近红外光谱分析技术对蔬菜中农药残留的检测方法进行了定性和定量实验研究．选取菠菜作为叶菜代表,用偏最小二乘建立校正模型,并对模型的通用性进行验证．实验表明,校正模型的预测结果比较理想,但模型的通用性还需要改善,同时还讨论了基于多信息融合技术在农药残留量检测中的研究前景．     

基于改进2DCNN的高光谱遥感图像处理研究

针对传统遥感图像处理中的时间成本和人工成本高、效率低等问题,以提高遥感高光谱图像分类中的处理速度、精度,降低参数量为目标,提出改进的2DCNN模型En-De-2CP-2DCNN.首先,使用1DCNN、2DCNN与3DCNN在Pavia University HSI数据集上分别进行分类实验,对比分析各自优缺点.其次,在保持较快的处理速度和不增加模型参数量的前提下,选择2DCNN为基础模型,参考SegNet的Encoder-Decoder结构,融入双卷积池化思想进行基础模型改进,同时优化学习策略.结果表明:En-De-2CP-2DCNN模型F1为99.96％,达到3DCNN的同等水平(99.36％),较改进前(97.28％)提高2.68个百分点;处理速度(5 s／epoch)和1DCNN位于同一量级,快于3DCNN(96 s／epoch);参数量(2.01 MB)较改进前降低了1.54 MB,虽高于3DCNN(316 KB),但远低于1DCNN(19.21 MB).En-De-2CP-2DCNN模型在处理速度和参数量方面的改进,有利于进一步实现移动端的轻量化部署.     

农药残留检测新技术研究进展

伴随人们对食品和环境中农药残留污染问题的高度重视,农药残留的检测技术也快速发展.综述了样品前处理方法及农药残留分析检测技术,对近年来出现的一些新技术和新动态作了简要介绍,总结了农药残留检测技术的发展趋势,以期为农药残留分析检测技术的完善与发展提供一定的参考.     

基于协同表示的高光谱和多光谱图像融合算法

为了增强高光谱图像的空间分辨率,该文提出一种基于传统Pan-sharpening技术的高光谱和多光谱融合框架,该融合框架将高光谱和多光谱(HS-MS)图像融合问题简化为若干个多波段和单波段(MB-IB)图像融合问题。在此基础上,对于每个多波段和单波段图像融合的问题提出一种基于局部自适应(LA)字典和协同表示(CR)的图像融合(LACRF)算法,得到高空间分辨率的多波段(HRMB)图像,并最终获到了高空间分辨率的高光谱图像(HHS)。通过实验可知,LACRF算法具有良好的融合效果。     

基于混合预测高光谱图像无损压缩

为了解决海量遥感高光谱图像数据给有限存储空间和传输带宽带来的压力,利用高光谱图像具有较强谱间相关性的特点,提出了一种基于混合预测的高光谱图像无损压缩算法。第一谱段采用中值滤波器模型进行谱内预测;对于其他谱段采用线性预测与上下文预测相结合的谱间混合预测,线性预测是通过二阶线性预测器模型得到预测参考值,上下文预测是根据预测参考值利用上下文预测模型预测得到最终预测值;将预测得到的残差图像进行霍夫曼编码。对AVIRIS标准高光谱遥感图像进行无损压缩实验结果表明：利用该方法能够取得较好的无损压缩效果,平均压缩比达到3.17,与现有的无损压缩方法3D-CALIC、LUT、C-DPCM、JPEG-LS相比,平均压缩比提高了0.05~0.48,是一种高效的高光谱图像无损压缩方法。     

基于双池化注意力机制的高光谱图像分类算法

为了提高高光谱图像在有限训练样本下的分类性能,提出了一种基于双池化注意力机制的高光谱图像分类网络(DPAMN).首先,采用三维卷积提取高光谱图像的空间和光谱浅层信息.其次,为了增强网络的特征提取能力,在DPAMN中引入了一种双池化注意力机制.最后,在网络的深层引入三维卷积密集连接模块,该模块不仅能够充分提取高光谱图像的空间和光谱特征,同时还能提高特征的判别能力.实验结果表明,在Indian Pines、University of Pavia、Salinas以及Houston 2013数据集上分别取得95.45%、97.11%、95.30%以及93.71%的整体平均精度,与目前主流的已有先进方法相比,所提出的方法在4个数据集上均有较大提升,表明所提方法具有较强的泛化能力.     

农产品中农药残留检测前处理技术研究进展

通过介绍目前农产品中农药残留检测热点前处理技术研究进展,包括固相萃取法、固相微萃取法、凝胶渗透色谱法、基质固相分散萃取法、Qu ECh ERS方法等,以期为农产品中农药残留检测技术的深入研究和发展提供一定的参考,并对其未来的发展方向进行了展望。     

空间4-邻域稀疏表示的高光谱图像目标检测

稀疏表示方法在高光谱图像目标检测中取得了较好的检测效果,但其只利用了图像的光谱信息,没有考虑空间信息.针对高光谱图像的空间相关性对目标检测算法的影响,提出了分别采用4-邻域平滑稀疏模型和4-邻域联合稀疏模型对高光谱图像进行目标检测的算法,将目标像素及其4-邻域像素的稀疏表示综合考虑,提高检测算法的效果和效率.使用3组高光谱图像数据进行了仿真实验,实验结果表明,所提出的2种方法分别在检测效果和计算效率上有一定程度的提高.     

基于人工神经网络的桩基础选型研究

将人工神经网络引入桩基础选型中，分析影响桩基础选型的重要因素和BP神经网络的特点，确定网络结构。利用Matlab 6．5人工神经网络工具箱构建桩基础选型模型，并利用Matlab语言编制人机交互式界面，使选型过程简单明了。将典型工程项目工程地质资料数据作为网络学习训练样本输入建立的神经网络模型，对其进行训练、优化。经检验。训练好的网络模型性能良好，达到了智能预测的目的。     

基于神经网络的大气污染预报方法的研究

大气污染物浓度的变化具有较强的非线性特性，基于人工神经网络捕捉非线性变化独特的优越性，将RBF网络应用于实测大气污染物浓度的预报。     

钢骨高强砼框架节点延性预测的人工智能方法

针对高强钢骨混凝土框架存在高非线性，用经典的力学和数学很难来预测高强钢骨混凝土框架节点的延性性能，利用神经网络的自组织，自学习，非线性动态处理等特性，建立钢骨高强混凝土框架节点延性预测神经网络模型，实际检测证明，此方法的节点延性预测结果于实测结果吻合较好。     

基于BP神经网络的动态交通流量预测

本文通过对BP神经网络和影响交通流量因素的分析,采用Windrow-Hoff学习算法、Kolmogorov定理和trainlm训练方法,实现对长春市开运街和湖西路路段动态交通流量的预测.     

基于人工神经网络的锻造性能预报的研究

应用Ｇｌｅｅｂｌｅ－１５００热模拟试验机研究了１Ｃｒ１８Ｎｉ９Ｔｉ的热墩成形过程,得出了流动应力随变形条件的变化规律,测量了空冷后试件的硬度。首次采用人工神经网络对锻造性能进行预报,采用不同的改进ＢＰ算法加速了网络的收敛,得到了较好的网络信息,对１Ｃｒ１８Ｎｉ９Ｔｉ的锻造性能进行了较准确预报。     

用人工神经网络预测结构钢的端淬曲线

利用8×9×10的3层BP神经网络模型精确预测了优质碳素结构钢的端淬曲线.实际应用中通过调整学习率和动量项系数来改进标准BP算法,实验结果表明在训练次数一定的情况下,这种调整是有效的,并且表明网络的预测精度受这两个网络参数的影响很大.     

基于人工神经网络的振动 钻削仿真与参数优化

将人工神经网络（ＡＮＮ）技术引入振动钻削领域,研究适用于变参数振动钻削过程仿真与参数优化的神经网络模型和算法。实验表明, ＡＮＮ优化精度较高,为振动钻削研究提供了新的分析方法与途径。     

基于Hopfield神经网络的贴片机路径优化

SMT生产线要达到最大效率,贴片机的贴装速度是一项重要的指标,而贴装效率与贴装路径密切相关。通过分析贴片机的贴装工艺流程,应用Hopfield神经网络模型对贴装路径进行优化,并且给出了相关的Matlab程序。实验结果表明,算法可以解决贴片机元件贴装的路径优化问题。     

焊道形貌特征的BP神经网络建模与预测

良好的焊道是成功进行电弧增材制造的保障,其受到焊接电流、电压、扫描速度、送丝速度等多种参数影响. 提出了以焊道高度、宽度为形貌特征的4输入2输出BP神经网络模型,并利用PSO进行了神经网络权值的优化求解. 实验结果表明,设计的BP神经网络实现了对焊道形貌的预测,为后续电弧增材制造的实时预测与控制提供了模型基础.