黑龙江省自然科学基金(ZD201303)
- 作品数：9 被引量：47H指数：4
- 相关作者：柴玉华谭克竹丁然曹晓达张春雷更多>>
- 相关机构：东北农业大学哈尔滨工程大学岭南师范学院更多>>
- 发文基金：黑龙江省自然科学基金国家自然科学基金中国博士后科学基金更多>>
- 相关领域：自动化与计算机技术农业科学电子电信轻工技术与工程更多>>
- 基于高光谱图像技术的大豆品种无损鉴别被引量：12
- 2016年
- 为解决传统大豆品种检测方法存在的效率低和精度差等问题，应用高光谱图像分析技术展开大豆品种甄别研究。采集10个品种（每品种100粒，共1000粒）大豆样本400．92—999．53nm的高光谱反射图像，分别进行中值平滑、多元散射校正和数据标准归一化预处理去噪，提取样本图像中心30×30pixels感兴趣区域的平均光谱曲线和标准差曲线。分别以样本平均光谱值主成分得分、标准差光谱值主成分得分及两者结合作为模型输入，基于T—S模糊神经网络和随机森林思想组合分类器构建鉴别模型。经中值平滑的光谱平均值和标准差作输入，结合随机森林思想的组合分类模型鉴别效果最佳，训练集、测试集的平均鉴别率分别达99．6％和97．6％。结果表明，采用高光谱图像技术可实现大豆品种高精度无损鉴别。
- 柴玉华毕文佳谭克竹张春雷刘春涛
- 关键词：大豆高光谱图像
- 基于高光谱技术的牛肉含水率无损检测被引量：2
- 2016年
- 牛肉含水率的高低不仅直接影响牛肉品质,而且会对消费者造成经济损失。为此,通过实验探究了采用高光谱图像技术对牛肉含水率进行检测的可行性,为检测牛肉品质提供依据。采用82个牛肉后腿样本作为实验材料,按5×4×1cm的规格通过国际烘干法测量其真实含水量,并采集它们的光谱图像;获取样本的光谱信息后,通过ENVI及Mat Lab软件获取感兴趣区域。同时,利用不同的预处理方法,分别建立BP神经网络和偏最小二乘校正模型,通过比对两种模型结果,偏最小二乘校正模型能够更有效预测牛肉含水率,校正集相关系数为0.91,校正标准差为0.121,预测集的相关系数为0.89,预测标准差为0.118。研究结果证实,利用高光谱图像技术可以快速无损检测牛肉含水率。
- 柴玉华迟强苏中滨王云鹤
- 关键词：牛肉含水率高光谱图像偏最小二乘
- 基于分段主成分分析和高光谱技术的大豆品种识别被引量：12
- 2016年
- 为了实现大豆品种的快速且无损鉴别,对大豆高光谱图像中的光谱信息进行研究分析。利用高光谱图像采集系统采集波长范围为400～1 000 nm的6类共660粒大豆样本的高光谱图像,从每粒大豆样本的中心区域上提取感兴趣区域并以此区域的平均光谱信息代表此粒大豆的光谱信息。对光谱曲线进行多元散射校正（multiple scattering correction,MSC）后,根据相关系数矩阵图,将整个高光谱波段分解为3个子分段,分别在每个子分段上做主成分分析（principal component analysis,PCA）,提取1～20个主成分作为光谱特征,利用极限学习机（extreme learning machine,ELM）和随机森林（random forests,RF）模型进行大豆品种识别。结果表明：在第二分段（510.6～685.4 nm）进行PCA变换,识别效果优于全波段PCA变换。因此,应用分段PCA变换和高光谱技术对大豆品种进行无损识别是可行的。
- 刘瑶谭克竹陈月华王志朋谢红王立国
- 关键词：大豆
- 基于小波矩的大豆外观品质特征提取方法的研究被引量：4
- 2016年
- 应用机器视觉技术对大豆的外观品质进行检测成为近年来的研究热点,大豆的外观特征提取是检测的重要内容之一。为提高大豆样本的识别率,减少噪声对特征提取造成的污染,提出了一种基于小波矩的大豆外观品质特征提取方法。该方法对大豆样本图像进行基于小波变换的不变矩特征提取,有效地解决了由于大豆本身存在的大小不同、移动等造成的特征不明的问题。试验证明:此方法不仅能够精确地描述大豆外观品质特征而且对噪声不敏感,此方法识别精度高,正确识别率达到99%。
- 柴玉华孙玮璘
- 关键词：大豆机器视觉小波矩特征提取
- 柔性有机非易失性场效应晶体管存储器的研究进展被引量：3
- 2014年
- 柔性有机非易失性场效应晶体管存储器具有柔性、质轻、成本低、可低温及大面积加工等优点,在射频识别标签、柔性存储、柔性集成电路和大面积柔性显示等领域展现出巨大的应用前景.本文在介绍柔性有机非易失性场效应晶体管存储器的衬底材料、器件结构和性能参数的基础上,总结了柔性有机非易失性场效应晶体管存储器的分类,并讨论了机械应力和不同温度对柔性有机非易失性场效应晶体管存储器性能参数的影响,最后展望了柔性有机非易失性场效应晶体管存储器的应用前景以及所面临的挑战.
- 柴玉华郭玉秀卞伟李雯杨涛仪明东范曲立解令海黄维
- 关键词：晶体管非易失性
- 基于高光谱图像和邻域粗糙集理论的大豆品种识别算法及其综合性能评估被引量：7
- 2018年
- 应用高光谱图像技术可以实现大豆品种的快速、高效、无损鉴别检测。高光谱图像数据量大、波段数量多,这导致数据传输、存储和处理有一定难度,故需应用波段选择方法进行数据降维。目前,面向品种识别的高光谱图像波段选择算法大多数都是以分类性能作为算法的评价标准,忽略了算法的稳定性。该文针对大豆品种识别问题,研究基于邻域粗糙集理论中的依赖度、一致性和信息熵等属性选择准则的高光谱波段选择算法,以Jaccard系数为稳定性度量指标,研究算法的稳定性随数据集扰动和子集大小的变化情况。针对波段选择算法的稳定性度量与分类模型之间是相互独立的这一问题,不能盲目追求高的稳定性而忽略特征子集的分类效果,提出当波段子集大小相同时采用Pareto最优解来评估算法综合性能;当波段子集大小不同时,采用兼顾分类性能、稳定性和子集大小的综合评价函数(PSN)评估算法性能。研究结果对获取综合性能最佳的波段子集有一定的理论及应用价值。
- 刘瑶李梓楠吴涛刘潋孟祥丽
- 关键词：大豆高光谱图像邻域粗糙集波段选择综合性能
- 基于高光谱图像技术的大豆分级识别方法研究被引量：7
- 2014年
- 对大豆进行快速准确分级，采集1—5等级大豆波长在1000～2500nm范围的高光谱图像数据，获得光谱图像；对不同大豆等级样本的光谱曲线进行分析；通过主成分分析法，从每个等级大豆样本中优选出四个特征波长，得到特征图像；从每个特征图像中分别提取基于灰度共生矩阵的4个纹理特征参数——能量、熵、惯性矩和相关性，从16个特征变量中选取8个主要特征变量，应用BP神经网络建立大豆品质分级识别模型。模型预测准确率为92％。结果表明，高光谱图像技术对大豆等级具有较好的识别作用，可为大豆的在线无损检测分级提供参考。
- 柴玉华侯升飞彭长禄
- 关键词：图像处理大豆BP神经网络
- 基于图像融合技术的大豆图像滤波方法研究被引量：1
- 2015年
- 基于机器视觉的大豆外观品质检测一直是近年来研究的热点,其中大豆图像的滤波是大豆外观品质检测的重要工作内容之一。为了更好地去除大豆图像的噪声,提出了一种基于图像融合技术的大豆图像滤波方法。该算法对一个样本图像分别进行维纳滤波和形态学滤波,在此基础上进行基于小波变换的图像融合算法,有效解决了图像边缘毛刺现象。实验证明,此方法保证了图像的细节和边缘的完整性,图像滤波效果良好。
- 柴玉华曹晓达谭克竹丁然
- 关键词：大豆图像融合形态学滤波维纳滤波
- 基于随机森林的大豆外观品质识别的研究被引量：1
- 2016年
- 不同等级的大豆外观质量与其内部营养等级存在一定关系,因此快速、精准地识别大豆病态种类至关重要。模式识别方法众多,本文采用随机森林方法进行研究。选取相应的大豆籽粒图像对其进行处理,从中挑选1 0幅图像,提取其形态特征,颜色特征,纹理特征,应用随机森林方法建立大豆外观品质识别模型,然后对大量样本进行试验。试验结果表明:不同种类病害大豆要想达到理想结果,训练步数各不同。该方法具有鲁棒性好、准确度高及系统稳定等特点。
- 柴玉华丁然曹晓达
