為了探討基于高光譜圖像技術(shù)快速、準(zhǔn)確、穩(wěn)定的大米產(chǎn)地確證方法,在吉林省不同水稻產(chǎn)區(qū)采集990個(gè)大米樣本作為研究對(duì)象,利用高光譜成像系統(tǒng)獲取400¹000nm波段范圍的高光譜圖像,提取10pixel×10pixel感興趣區(qū)域內(nèi)平均光譜反射信息作為樣本數(shù)據(jù)。為了減少噪聲等干擾信息的影響,采用標(biāo)準(zhǔn)正態(tài)變換（standard normal Z transformation,SNV）、卷積平滑（Savitzky-Golay,S-G）及多元散射校正（multiplicative scatter correction,MSC）三種光譜曲線預(yù)處理方法。利用多層感知機(jī)（Multi-Layer Perceptron,MLP）、在線序列極限學(xué)習(xí)機(jī)（Online Sequential Extreme Learning Machine,OS-ELM）、極限學(xué)習(xí)機(jī)（Extreme Learning Machine,ELM）三種非線性機(jī)器學(xué)習(xí)算法和偏最小二乘（Partial Least Squares Regression,PLS）算法,在對(duì)全波段的光譜數(shù)據(jù)進(jìn)行自適應(yīng)重加權(quán)（Competiti... 

【文章來源】：吉林農(nóng)業(yè)大學(xué)吉林省

【文章頁數(shù)】：46 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

cars流程圖

圖 2.2 ELM 結(jié)構(gòu)圖Fig 2.2 ELM structure diagram習(xí)機(jī)算法的隱含層個(gè)數(shù)為 l，激活函數(shù) g。輸入權(quán)重 ，和輸入偏置 , = 1, ,輸出矩陣 ，如式（2.23 所示）=( , , ) ,, , , , ,×權(quán)重( )= ，其中 = ( ) ， 習(xí)機(jī)習(xí)機(jī)(Online Sequential Extreme Learning Machi。不僅保留了 ELM 的優(yōu)點(diǎn)與特點(diǎn)，且能有效地靈活的分批處理，避免了數(shù)據(jù)重復(fù)訓(xùn)練所帶來問率[60]。種批量學(xué)習(xí)算法，由輸入層、隱含層和輸出層組

礱谷機(jī) JLGJ4.5 河南鄭州南北儀器碾米機(jī) HNMJ3 河南鄭州南北儀器采集統(tǒng)像采集系統(tǒng)（圖 3.1）采集大米原始高光譜數(shù)據(jù)，該采用 2×2 binning 壓縮方式的成像光譜儀（Imspector，F(xiàn)inland）、P/N 9130 線光源及 2900ER 控制器（Illumin 相機(jī)（Hamamatsu Photonics，Japan）、V23-f/2.4 030司的 GZ02DS20 可升降樣品臺(tái)，和卓立漢光公司的 Philips 公司的 9589（EKE-ER）全光譜鹵素?zé)魹楣庠磾z接圈以保證獲取清晰地樣品圖像。為了有效獲取能試驗(yàn)對(duì)比后，將大米樣本按照 3×5 網(wǎng)格分布（圖 3.，物距為 13.5 cm，曝光時(shí)間為 15 ms，位移臺(tái)移動(dòng)速

【參考文獻(xiàn)】：
期刊論文
[1]高光譜圖像與卷積神經(jīng)網(wǎng)絡(luò)相結(jié)合的油桃輕微損傷檢測[J]. 武錦龍,苗榮慧,黃鋒華,楊華.  山西農(nóng)業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(02)
[2]基于邊緣映射抽樣與多維尺度壓縮的緊湊圖像哈希算法[J]. 戴歆,楊成,陳櫟.  計(jì)算機(jī)應(yīng)用與軟件. 2019(03)
[3]基于RELIEF算法和極限學(xué)習(xí)機(jī)的蘋果輕微損傷高光譜檢測方法[J]. 張萌,李光輝.  浙江大學(xué)學(xué)報(bào)(農(nóng)業(yè)與生命科學(xué)版). 2019(01)
[4]基于改進(jìn)自適應(yīng)加權(quán)融合算法的土壤濕度監(jiān)測研究[J]. 王浩,董振振,趙景波,唐勇偉,段杰.  中國農(nóng)機(jī)化學(xué)報(bào). 2019(01)
[5]基于高光譜技術(shù)的金銀花硫含量快速檢測模型建立（英文）[J]. 馮潔,劉云宏,石曉微,王慶慶,許倩.  食品科學(xué). 2018(24)
[6]基于多層感知機(jī)網(wǎng)絡(luò)的手寫數(shù)字識(shí)別算法[J]. 張行文,董元和.  電腦知識(shí)與技術(shù). 2018(32)
[7]不同高光譜特征參數(shù)區(qū)分馬鈴薯品種的優(yōu)劣勢分析[J]. 段丁丁,何英彬,羅善軍,王卓卓.  光譜學(xué)與光譜分析. 2018(10)
[8]基于機(jī)器學(xué)習(xí)方法的吉林大米產(chǎn)地確證模型研究[J]. 王靖會(huì),臧妍宇,曹崴,崔浩,鄭暉,陳美文,于合龍.  中國糧油學(xué)報(bào). 2018(09)
[9]基于高光譜技術(shù)檢測全蛋粉摻假的研究[J]. 劉平,馬美湖.  光譜學(xué)與光譜分析. 2018(01)
[10]基于近紅外高光譜成像技術(shù)的干制紅棗品種鑒別[J]. 樊陽陽,裘正軍,陳儉,吳翔,何勇.  光譜學(xué)與光譜分析. 2017(03)

博士論文
[1]基于光譜與光譜成像技術(shù)的油菜病害檢測機(jī)理與方法研究[D]. 張初.浙江大學(xué) 2016
[2]大米品質(zhì)檢測系統(tǒng)研究[D]. 萬鵬.吉林大學(xué) 2009

碩士論文
[1]基于深度學(xué)習(xí)的水果糖度可見/近紅外光譜無損檢測方法研究[D]. 溫馨.北京交通大學(xué) 2018
[2]電飯煲烹飪秈米飯品質(zhì)變化及加工參數(shù)影響[D]. 劉巧真.江南大學(xué) 2018
[3]基于自適應(yīng)加權(quán)系數(shù)的相干平面波復(fù)合成像算法研究[D]. 張路南.合肥工業(yè)大學(xué) 2018
[4]基于近紅外光譜的單籽粒水稻種子品質(zhì)檢測的方法研究[D]. 王純陽.中國科學(xué)技術(shù)大學(xué) 2017
[5]基于高光譜成像技術(shù)對(duì)李果實(shí)成熟度判別研究[D]. 張學(xué)豪.山西農(nóng)業(yè)大學(xué) 2016
[6]基于高光譜成像技術(shù)的大米快速無損檢測研究[D]. 王璐.華南理工大學(xué) 2016
[7]基于高光譜圖像技術(shù)無損檢測獼猴桃的內(nèi)部品質(zhì)[D]. 趙凡.西北農(nóng)林科技大學(xué) 2016
[8]基于高光譜成像技術(shù)的靈武長棗品質(zhì)無損檢測研究[D]. 李丹.寧夏大學(xué) 2015
[9]基于稀疏偏最小二乘算法的生物組學(xué)數(shù)據(jù)融合算法研究[D]. 王鋒.吉林大學(xué) 2012



本文編號(hào)：3477350