目前,我國(guó)樂(lè)器制作行業(yè)在古箏面板木材等級(jí)的篩選上主要依賴于技師的主觀評(píng)判,但此法具有缺少理論客觀性和效率低等劣勢(shì),這使得選材的客觀性及出材率的提高等方面受到限制,并且現(xiàn)有判別木材等級(jí)模式無(wú)法滿足樂(lè)器市場(chǎng)的大量需求,所以實(shí)現(xiàn)古箏面板木材快速、智能化的分級(jí)工作是一個(gè)急需解決的課題。近紅外光譜包含待測(cè)物體的分子結(jié)構(gòu)信息,非常適用于測(cè)量含氫的有機(jī)物質(zhì)。古箏面板木材主要化學(xué)成分化學(xué)鍵均由含氫基團(tuán)組成,不同等級(jí)板材的化學(xué)成分存在差異,這些差異通過(guò)近紅外光反映在光譜數(shù)據(jù)中,這為判斷木材等級(jí)提供了可能。同時(shí)因卷積神經(jīng)網(wǎng)絡(luò)對(duì)非線性數(shù)據(jù)具有較強(qiáng)的特征提取能力,所以本文提出一種應(yīng)用卷積神經(jīng)網(wǎng)絡(luò)模型對(duì)光譜數(shù)據(jù)進(jìn)行分析的方法,進(jìn)而判別古箏面板木材等級(jí),主要的研究?jī)?nèi)容如下:（1）針對(duì)對(duì)近紅外光譜數(shù)據(jù)進(jìn)行去噪和減少實(shí)驗(yàn)計(jì)算量的問(wèn)題,本文提出采用光譜預(yù)處理和數(shù)據(jù)壓縮方法。通過(guò)對(duì)比分析多元散射校正、標(biāo)準(zhǔn)正態(tài)變量變換和二階導(dǎo)數(shù)求導(dǎo)（Savitzky-Golay）等多種預(yù)處理方法,以平滑效果可視化、均方根誤差和數(shù)據(jù)信號(hào)平方和為評(píng)價(jià)指標(biāo),確定最終預(yù)處理方法為Savitzky-Golay二階導(dǎo)數(shù),濾波窗口大小為15。然后通過(guò)對(duì)... 

【文章來(lái)源】：東北林業(yè)大學(xué)黑龍江省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：70 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２－３線性分類(lèi)問(wèn)題最優(yōu)分割面圖??Ｆｉｇ．２－３?Ｏｐｔｉｍａｌ?ｓｅｇｍｅｎｔａｔｉｏｎ?ｓｕｒｆａｃｅ?ｆｏｒ?ｌｉｎｅａｒ?ｃｌａｓｓｉｆｉｃａｔｉｏｎ?ｐｒｏｂｌｅｍｓ??

?東北林業(yè)大學(xué)碩士學(xué)位論文???！??Ｌ?＂＊＊－＊９１■ｉ??圖３－１近紅外光譜儀器圖??Ｆｉｇ．３－１?Ｎｅａｒ?ｉｎｆｒａｒｅｄ?ｓｐｅｃｔｒｕｍ?ｉｎｓｔｒｕｍｅｎｔ??經(jīng)采集獲得的不同等級(jí)古箏面板木材原始光譜數(shù)據(jù)如圖３－２所示，共５４００條。??：：｜??９００?１０００?１１００?１２００?１３００?１４００?１５００?１６００?１７００??ｗａｖｅｌｅｎｇｔｈ（ｎｍ）??圖３－２古箏面板用木材光譜數(shù)據(jù)??Ｆｉｇ．３－２?Ｓｐｅｃｔｒａｌ?ｄａｔａ?ｏｆ?Ｃｈｉｎｅｓｅ?ｚｉｔｈｅｒ?ｐａｎｅｌｓ??從圖３－２可以看出古箏面板原始光譜首末端數(shù)據(jù)多為噪聲，有效信息較弱。為提高??實(shí)驗(yàn)判別效率將其剔除，經(jīng)過(guò)剔除本文最終用于實(shí)驗(yàn)分析的波段為９２９．２］－】６５３．４３ｎｍ。??３．２前端處理分析流程??本章對(duì)古箏面板木材光譜數(shù)據(jù)進(jìn)行整體的數(shù)據(jù)前端處理分析流程如圖３－３所示。??古箏浥板木材光譜數(shù)據(jù)集－???＾???剔除異常樣本＾???ｉ???光譜預(yù)炎理‘］???＼ｊ／???數(shù)據(jù)降維．．??Ｉ???＾???Ｖ???主成分分析?＜?連續(xù)投影算法＊？??圖３－３光譜數(shù)據(jù)前端處理流程??－２０－??

?東北林業(yè)大學(xué)碩士學(xué)位論文???！??Ｌ?＂＊＊－＊９１■ｉ??圖３－１近紅外光譜儀器圖??Ｆｉｇ．３－１?Ｎｅａｒ?ｉｎｆｒａｒｅｄ?ｓｐｅｃｔｒｕｍ?ｉｎｓｔｒｕｍｅｎｔ??經(jīng)采集獲得的不同等級(jí)古箏面板木材原始光譜數(shù)據(jù)如圖３－２所示，共５４００條。??：：｜??９００?１０００?１１００?１２００?１３００?１４００?１５００?１６００?１７００??ｗａｖｅｌｅｎｇｔｈ（ｎｍ）??圖３－２古箏面板用木材光譜數(shù)據(jù)??Ｆｉｇ．３－２?Ｓｐｅｃｔｒａｌ?ｄａｔａ?ｏｆ?Ｃｈｉｎｅｓｅ?ｚｉｔｈｅｒ?ｐａｎｅｌｓ??從圖３－２可以看出古箏面板原始光譜首末端數(shù)據(jù)多為噪聲，有效信息較弱。為提高??實(shí)驗(yàn)判別效率將其剔除，經(jīng)過(guò)剔除本文最終用于實(shí)驗(yàn)分析的波段為９２９．２］－】６５３．４３ｎｍ。??３．２前端處理分析流程??本章對(duì)古箏面板木材光譜數(shù)據(jù)進(jìn)行整體的數(shù)據(jù)前端處理分析流程如圖３－３所示。??古箏浥板木材光譜數(shù)據(jù)集－???＾???剔除異常樣本＾???ｉ???光譜預(yù)炎理‘］???＼ｊ／???數(shù)據(jù)降維．．??Ｉ???＾???Ｖ???主成分分析?＜?連續(xù)投影算法＊？??圖３－３光譜數(shù)據(jù)前端處理流程??－２０－??

【參考文獻(xiàn)】：
期刊論文
[1]基于深度學(xué)習(xí)的樹(shù)種圖像自動(dòng)識(shí)別[J]. 劉嘉政,王雪峰,王甜.  南京林業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020(01)
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的高分二號(hào)影像林分類(lèi)型分類(lèi)[J]. 江濤,王新杰.  北京林業(yè)大學(xué)學(xué)報(bào). 2019(09)
[3]基于遷移學(xué)習(xí)的樹(shù)種識(shí)別[J]. 高旋,趙亞鳳,熊強(qiáng),陳喆.  森林工程. 2019(05)
[4]應(yīng)用隨機(jī)森林算法檢測(cè)琵琶共鳴板振動(dòng)特性及聲學(xué)品質(zhì)評(píng)價(jià)[J]. 楊揚(yáng),劉鎮(zhèn)波,劉一星,蔣大鵬.  東北林業(yè)大學(xué)學(xué)報(bào). 2019(08)
[5]基于極限學(xué)習(xí)機(jī)的船舶柴油機(jī)故障診斷[J]. 吳建波,王春艷,洪華軍,方偉.  計(jì)算機(jī)工程與應(yīng)用. 2019(15)
[6]基于全卷積神經(jīng)網(wǎng)絡(luò)的云杉圖像分割算法[J]. 陳鋒軍,王成翰,顧夢(mèng)夢(mèng),趙燕東.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2018(12)
[7]基于卷積神經(jīng)網(wǎng)絡(luò)的煙葉近紅外光譜分類(lèi)建模方法研究[J]. 魯夢(mèng)瑤,楊凱,宋鵬飛,束茹欣,王蘿萍,楊玉清,劉慧,李軍會(huì),趙龍蓮,張曄暉.  光譜學(xué)與光譜分析. 2018(12)
[8]火炬松木材基本密度和纖維長(zhǎng)度近紅外模型的建立與應(yīng)用[J]. 蔣開(kāi)彬,牛品,王博,林艷,何紫迪,黃少偉.  福建農(nóng)林大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(06)
[9]不同近紅外光譜預(yù)處理方法對(duì)胡楊葉片含水量檢測(cè)模型的影響[J]. 胡艷培,白鐵成,陳好斌,姚江河,劉冠華,楊洪坤.  江蘇農(nóng)業(yè)科學(xué). 2018(19)
[10]基于卷積神經(jīng)網(wǎng)絡(luò)和近紅外光譜的土壤有機(jī)碳預(yù)測(cè)模型[J]. 史楊,王儒敬,汪玉冰.  計(jì)算機(jī)應(yīng)用與軟件. 2018(10)



本文編號(hào)：3039712