鲜切果蔬的品质及贮藏保鲜技术研究进展

鲜切果蔬的新鲜、健康、卫生和方便等特点使其在发达国家发展迅速,已成为果蔬采后研究的新领域。鲜切果蔬因经过清洗、去皮、切分等处理,产品的品质下降快、生理生化代谢加剧、易受微生物侵染,货架寿命缩短。本文简述了引起鲜切果蔬品质劣变的原因,并重点介绍了近年来国内外对鲜切果蔬贮藏保鲜技术研究的新进展,其中包括物理、化学、生物保鲜技术和综合保鲜技术,以期为今后更深入的研究提供借鉴与参考。     

采用多特征融合的自动适配区选择方法

局部无纹理目标跟踪是当今空地成像制导领域的一个难点和热点问题,而自动适配区选择是解决该难题的一种有效方法.介绍了一种基于多特征融合的自动适配区选择方法.首先,构造一个融合边缘密度、平均边缘强度、边缘方向离散度以及空间距离的适配性度量函数;然后,采用该函数计算图像中每一点的适配置信度;通过制定适当的适配区选择策略,分割出...     

多点标定的自适应非均匀性校正方法

为了实现对红外焦平面阵列(IRFPA)获取图像的实时高精度非均匀校正,提出了一种基于多点标定的自适应非均匀性校正算法,该算法假定在环境温度变化时,校正后输出图像数据的差值与已标定的数据存在线性关系,对其进行分块并配对,采用最小二乘法,以平方和最小为准则,自适应修正校正系数,以达到实时调整非均匀校正的校正系数,对环境温度变化引起的非均匀性进行补偿的目的.实验结果表明,该方法既提高了非均匀性校正的精度又能满足实时性要求,可广泛应用于光电火控、红外成像制导等对实时性和成像质量均有较高要求的应用场合.     

基于Spark平台和并行随机森林回归算法的短期电力负荷预测

随着智能电网、全球能源互联网的建设与相关技术的发展,现代电力系统中电力大数据的格局已经形成,如何对高维海量数据进行深度挖掘以实现数据的充分利用,成为当前电力工作者们关心的问题。该文针对电力大数据环境下高精度和实时性的负荷预测展开了研究,提出了基于Spark平台和并行随机森林回归算法(Spark platform and parallel random forest regression,SP-RFR)的短期电力负荷预测方法,通过3次弹性分布式数据集(resilient distributed datasets,RDD)转换实现单机随机森林算法的并行化改进,并在Spark分布式集群环境下实现部署。结合某区域实际电力负荷数据设计试验,进行模型训练和回归预测,通过试验证明,对同等的数据集,基于Spark平台的并行随机森林回归算法预测精度高于单机负荷预测算法;并行随机森林算法受离群数据干扰较小,且随着数据集的增大,并行随机森林算法表现出良好的鲁棒性;与单机算法在运行时间上相比,随着数据集的增大,基于分布式集群的方法优势明显。该文提出的方法能够有效地在分布式环境中进行电力负荷预测,为负荷预测提供了一种新思路。     

基于冗余离散小波变换的信号配准及分类

离散小波变换(Discrete wavelet transform,DWT)对输入信号的平移敏感,当输入信号间存在平移时,基于DWT的信号分类会受到负面影响.本文提出一种基于冗余离散小波变换(Redundant DWT,RDWT)的信号配准及分类方法,克服了DWT的平移敏感性,解决输入信号间存在平移变化的信号分类问题,...     

线型无线传感器网络中一种联合优化中继节点选择策略

在无线传感器网络中,时延与功耗性能往往是一对不可兼得的指标,如何优化和平衡这两个指标是路由和MAC算法中的难点.线型无线传感器网络由于拓扑结构的线型性,功耗-时延的均衡问题显得更加突出.基于线型无线传感器网络拓扑模型,理论分析了能耗最优传输距离,然后基于节点剩余能量,构建联合优化目标函数.进一步地,将数据包类型在时间敏感性方面分为紧急数据包和普通数据包,并相应调整发射功率,以便在当前通信范围内找到最优下一跳中继节点.最终提出了一个功率可调的时延-能耗自适应优化中继节点选择算法(LEARS).通过仿真实验将该算法与经典及类似算法比较,LEARS能够在保证紧急数据包传输实时性的同时,进一步降低网络的整体功耗,延长网络的生命周期.     

采用特征直方图的红外焦平面阵列盲元检测方法

红外探测器受材料和工艺等的限制，普遍存在盲元问题，降低了红外成像系统的图像质量，影响了目标检测系统的检测概率和虚警率，因此，有效检测盲元是红外图像处理领域的一个重要研究方向。在分析了有效像元校正模型的基础上，指出均匀辐照下红外焦平面阵列（IRFPA）有效像元非均匀校正后灰度图像的均值（MEAN）和标准差（STD）具有正态分布特征，对特征直方图采用自适应正交投影分解法进行高斯分解，得到有效像元校正后的MEAN和STD特征分布区间，最终得到盲元的分类准则。对IRFPA进行的验证实验结果表明，该方法获得了令人满意的结果，证实了所提出检测方法的有效性和科学性。     

改进Stacking集成学习的指纹识别算法

针对传统卷积神经网络对多传感器指纹识别泛化能力降低、准确率不高的问题,提出改进的Stacking集成学习算法。首先将AlexNet进行改进,在AlexNet中引入深度可分离卷积减少参数量,加快训练速度;引入空间金字塔池化,提升网络获取全局信息的能力;引入批归一化,加快网络收敛速度,同时提升网络在测试集上的准确率;使用全局平均池化替代全连接层,防止过拟合。然后将DenseNet和改进的AlexNet 2种卷积神经网络作为Stacking的基学习器对指纹进行分类,获得预测结果。最后对相同基学习器训练得到的各个模型,根据预测精度对各预测结果赋权,得到的预测结果再由元分类器分类。改进的Stacking算法在多传感器指纹数据库上进行实验,最终识别准确率达98.43%,相对AlexNet提升了20.05%,相对DenseNet提升了4.25%。     

基于智能配电终端的后备电源方案研究

通过实验测试了硅能电池、阀控式铅酸电池和超级电容的各项性能,分析了三种电池在运行中与终端后备电源有关的特性;对比硅能电池与传统阀控式铅酸蓄电池特性,证实了硅能电池作为终端后备电源要强于铅酸蓄电池;分析了超级电容作为终端后备电源的可行性,证实了超级电容在高低温下均能达到很有效的容量保持率。针对蓄电池和超级电容的突出优点,结合具体的终端应用场合,给出了三种后备电源解决方案。     

星载遥感图像的二维均值预测

根据星载遥感图像的相邻像元间具有平滑性、均一性等特点,提出了一种二维均值预测方法(Mean预测)。该方法以被预测图像的两个相邻像素作为预测基准,通过计算两点灰度值的平均值然后向下取整,得到预测值,Mean预测残差近似服从Laplace分布,方法可逆。实验仿真同JPEG-LS标准中的MED预测、CCSDS预测和Zig-Zag预测做了比较,统计结果表明,Mean预测法与其它方法相比,在相关系数、熵值、均值以及均方差的性能上均有一定程度的提高,计算量小且硬件实现简单,可用于星载遥感图像的实时无损压缩处理。