基于LS-SVM的红外光谱技术在奶粉脂肪含量无损检测中的应用

脂肪是奶粉中重要的组成部分,实现对奶粉中脂肪含量的快速、无损检测十分重要,为此研究了400～6666cm-1范围的红外光谱技术对不同品种奶粉的脂肪含量的无损检测.采用最小二乘支持向量机(LS-SVM)对光谱透射率值和脂肪含量值进行建模.模型在全红外波段范围对样本脂肪含量预测得到了较好的结果,绝对系数(R2p)达到0.9796,预测误差均方根(RMSEP)为0.8367.预测结果要优于BP人工神经网络(Back Propagation Neural Networks, BP-NN).说明红外光谱技术能够实现奶粉脂肪含量的无损检测,检测过程比化学检测方法简单快速,操作性强.文章同时还研究了分别基于中红外光谱范围和近红外光谱范围的建模.模型预测结果显示分别基于中红外光谱和近红外光谱区域的模型预测效果都比全波段建模略差.本研究为今后奶粉脂肪含量快速无损检测仪器的开发奠定了理论基础.     

脉冲红外无损检测技术研究现状与发展趋势

综述了脉冲红外无损检测技术国内外的发展历程、发展现状、基本原理、技术特点;对比了脉冲激励4种方法,介绍了国内外脉冲红外无损检测成套设备的发展状况.对近年来国内脉冲红外无损检测领域主要研究内容进行了总结,包括理论建模分析、脉冲激励方法、数据处理、检测材料和涂层厚度测量.最后总结了该技术的发展趋势.     

多界面脱粘红外无损检测中热激励方法的研究

红外热波检测中热激励方法的选择直接影响缺陷的可检出性和实际检测效果。本文对薄粘接层的界面脱粘检测中的热激励方法进行了分析比较。通过构建多界面脱粘缺陷模型,用有限元分析软件COMSOL对不同热激励下脱粘的红外无损检测做仿真计算,研究热激励方法与检测灵敏度之间的关系,为制定准确的红外检测实验方案提供数值依据。     

油脂酸价近红外光谱检测PLS建模方法研究

将目前广泛流行的近红外光谱分析技术应用于食用油脂酸价的检测。由于近红外光谱分析是一种间接检测方法,需要先利用校正集样本建立统计模型,然后再利用模型来预测未知样品性质,因此建立准确可靠的模型是近红外光谱分析的关键。详细介绍了偏最小二乘（PLS）回归的基本思想和建模方法。为使建立的校正模型更稳健,还研究了光谱波段选择。通过间隔偏最小二乘回归波段选择法进行特征波段提取,对提取的特征波段和全谱分别进行偏最小二乘回归建模,对比分析以说明波段选择的必要性。     

红外无损检测中的缺陷显示度

根据二维热传导方程计算了塑料、二氧化硅及锰钢的缺陷显示度。分析了缺陷显示度与延迟时间、缺陷大小以及缺陷离表面距离之间的关系。     

神经网络在电磁无损检测中的应用

研究了在涡流检测中用神经网络对经过不同热处理工艺所得工件进行分类的方法,针对BP神经网络学习算法的不足,提出了改进算法,提高了网络分类的可靠性。做到了所需特征参数少,且快速准确。     

基于电磁技术的无损检测技术研究

本文基于电磁技术详细介绍和分析无损检测技术的原理、常见应用场景以及发展趋势,与人工检测方法相比,该技术具有检测精度高,能够及时正确反映缺陷信息等优势,在实际的技术应用中具有广阔的前景.本文主要对当前电磁技术的无损检测技术进行概述介绍,剖析目前主流的三种无损检测方法,分别是基于永磁类检测原理的电磁无损检测,基于电磁声监测...     

红外无损检测的理论分析和计算

介绍了红外无损检测的原理，根据导热微分方程和样品的初始条件及边界条件，利用数值法计算有缺陷区和无缺陷区的样品表面的温度差，并给出了内部有缺陷的混凝土样品的表面温度差与样品缺陷深度，以及热流注入时间之间关系的计算结果。     

基于近红外光谱的榛子蛋白质无损检测模型

为了实现对榛子蛋白质的快速无损检测,提出了一种结合近红外光谱技术和间隔随机跳蛙算法的榛子蛋白质检测模型。提取榛子的近红外光谱数据后,对榛子光谱数据进行一阶导和标准正态变量变换预处理。针对随机跳蛙算法的初始子集以及最终波段数量阈值不确定的问题,采用间隔随机跳蛙算法进行特征波段提取,并对比了该算法与竞争性自适应重加权采样算法、连续投影算法和原始随机跳蛙算法的提取结果。基于提取的特征波段建立偏最小二乘回归模型。实验结果表明,相比其他算法,间隔随机跳蛙算法的性能最好且建立的模型稳定性更高。间隔随机跳蛙算法对交叉验证集的回归系数和均方根误差分别为0.9082和0.0178,对测试集的回归系数和均方根误差分别为0.8999和0.0372。     

红外多光谱遥感数据的校准

主要介绍了一种对由特定红外图谱一体化系统采集的光谱数据进行校准与分析的方法。在实验部分,首先对得到的设定已知特定温度的黑体红外光谱数据进行归类和整理,然后在最大保留特征信号的条件下利用不同的滤波算法与滤波窗宽尽量消除信号噪声,并采用偏最小二乘算法对所得信号进行校准,使之与理论值相符。最后利用校准结果构建数学模型,并考虑主成分个数这一概念,检验模型准确度。通过数据分析可知,由这个特定红外图谱一体化系统采集的光谱数据经偏最小二乘算法校正后与理论值相近,此时能够拟合出校正数列与波数之间的函数关系,且受温度影响较小。     

基于区间选择偏最小二乘法回归分析的煎炸老油鉴别模型

煎炸老油属于地沟油之一,长时间食用会对身体健康造成严重危害。本文首先对食用金龙鱼菜籽油过度煎炸10次,分别提取光谱信息中特征吸收峰（323、391、443nm）处的光谱吸收值。然后建立区间选择偏最小二乘法模型,提取最佳区间为5,最佳因子为7的波长区间,验证区间预测相关系数达到0．998。最后建立PKS回归方程Y1,Y2,Y3,通过交叉有效性验证Q22=-0．3461〈0．0975。提取成分t1、t2。分别得到回归方程的实际值与预测值相关系数为：323nm处,r=0．8478;391nm处,r=0．9754;443nm处,r=0．9285。     

通用飞机复合材料红外成像无损检测技术

复合材料在通用飞机中使用率高,多种机型高达90%以上,因此复合材料的缺陷会严重影响飞行安全性。本文设计了一种基于红外成像检测技术的飞机复合材料的缺陷精准检测方法及原型无损检测系统。无损检测系统由数据采集系统、信号源组、红外热像仪组、红外图像处理重构系统等组成,可实现对飞机复合材料结构中缺陷类型及平面尺寸的辨识和深度的准确定位。搭建了光激励型红外成像飞机复合材料检测系统,对复合材料进行了不同温度的检测试验并给出了研究结果。此研究结果将扩展国内红外无损检测技术的使用场景,成果转化后将有利于解决飞机在通航中维修保养问题。     

新型便携式多模态无损检测热激励源的设计

随着红外热成像技术在无损检测领域广泛应用,作为其应用研究基础之一的热激励技术受到广泛关注。针对传统大功率热激励设备工作模式单一、体积过大、不便于携带的缺点,对传统热激励源进行设计改造,设计开发了一种新型便携式多模态无损检测热激励源,能够实现锁相模式、锁相多频模式和脉冲模式三种激励模式,并且模式参数可调。该热激励源采用24 V锂电池供电方式,输出功率达到1000 W,具有操作灵活、便于携带、多模态等特点,满足红外热成像无损检测需求。     

基于有限元的材料红外无损检测研究

通过有限元求解材料的二维导热模型,利用ANSYS仿真获取材料表面的温度分布,把表面温度计算值和仿真结果的误差平方和作为目标函数,借助于共轭梯度法来优化该目标函数.仿真结果验证了算法的可行性,可以达到红外无损检测的目的.研究表明:材料内部缺陷深度和材料的热导率是影响表面温差的重要因素,缺陷距离表面的深度越小,材料表面的温差越大;材料表面温差随热导率的增加呈现为先增大后减小的趋势.该方法可获得材料内部缺陷较为准确的位置和缺陷大小信息,为红外成像无损检测提供了可行的手段.     

孔洞缺陷的红外无损检测和PNN识别与定量评估

针对红外无损检测中因特征信息缺失,致使识别与评估效果不佳这一问题,研究以铝板为对象,基于红外无损检测技术,结合主成分分析和概率神经网络对铝板正常区及三类孔洞缺陷区进行了识别与面积定量评估.研究首先采集铝板降温过程的红外时序热图,提取了正常区和各类孔洞缺陷区的时序灰度值作为初始特征.其次,采用主成分分析对初始特征进行提取,并结合概率神经网络,以像素点为单位实现孔洞缺陷的识别及面积定量评估,并采用了支持向量机进行了对比研究.实验结果表明,对于正常区和三类孔洞缺陷区测试样本的面积评估正确率分别为99.6%、97.0%、94.7%和93.0%,相比支持向量机的评估结果,所提出的研究方法具有更高的正确率.研究论证了采用主成分分析和概率神经网络,基于时序特征,以像素点为单位,实现孔洞缺陷识别和面积定量分析的有效性和准确性.     

基于神经网络聚类分析的电磁无损检测技术

将电磁无损检测原理与聚类分析相结合,利用改进的神经网络聚类学习方法,对钢铁材质进行检测,结果证明,该方法作为一种新的自适应模式识别技术,比传统的电磁检测准确度高,误判率低。     

飞机复合材料超声红外无损检测实验研究

结合飞机复合材料无损检测需求,介绍了复合材料试件的材料工艺,分析了超声红外无损检测技术的基本原理及其特点,并对几块复合材料试件进行了无损检测实验,通过实验结果的分析、评估显示,超声红外无损检测可以有效检测复合材料试件中的缺陷,特别是闭合类缺陷。     

脉冲红外无损检测缺陷深度定量测量的数值模拟

缺陷深度定量测量是脉冲红外热波技术定量测量的重要应用,在一维热传导理论模型基础上分析了对数温度-对数时间二阶微分峰值法计算原理。以背面有6个大小相同深度不同的平底洞不锈钢试件为例,利用Ansys模拟脉冲红外无损检测过程,采用对数温度-对数时间二阶微分峰值法计算缺陷深度。比较和分析了Ansys和脉冲红外热波实验结果,结果表明所建立Ansys模型与脉冲热波实验结果相符,可为脉冲红外热波技术缺陷深度定量测量应用提供理论依据。     

基于变分偏微分方程的红外图像增强算法研究

针对红外图像具有对比度低、边缘模糊的缺点,提出一种基于变分偏微分方程理论的红外图像增强方法。通过重建图像梯度场的分布,以此增强图像中纹理细节不明显、对比度小的微弱信息。在梯度场的变换中对噪声的幅值切割,完成了对噪声处理。结果表明本算法使得原图像的灰度平均梯度值提高2~3倍,对增强红外图像的边缘和微弱有用信息效果明显,避免了直方图均衡类算法丢失一些灰度相近且分布较少的微弱细节信息的缺点,为图像识别和跟踪应用提供了高质量的图像信息。     

基于FPGA的红外热成像闪光灯激励电源

红外热成像技术是一种快速有效的无损检测技术,广泛应用于航空航天、轨道交通、核工业等领域。激励电源是红外热成像检测系统中的关键设备,其性能将影响缺陷的检测结果。采用线性放大产生激励的方式存在增益带宽积的限制,较难满足红外热成像技术对激励频率范围和输出功率的要求。本文采用数字的方式将电压进行调制,实现了较大功率的输出,提高了对缺陷的检测效率。为满足红外热成像技术对输出功率、参数调整、以及多种工作模式的要求,本文设计了一款基于FPGA的数字化闪光灯激励电源。该电源主要包括低频正弦产生电路、全桥斩波电路和FPGA控制系统三部分,其中控制系统为核心部分。试验证明,该电源实现脉冲和锁相两种激励模式,参数调整方便,能够满足红外热成像技术对激励电源提出的要求。