期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到5篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
优化BP神经网络提高高光谱检测调理鸡肉菌落总数精度 被引量：16
1
作者 王浩云 宋进 +3 位作者 潘磊庆 袁培森 郭振环 徐焕良 《农业工程学报》 EI CAS CSCD 北大核心 2020年第5期302-309,共8页
针对调理鸡肉菌落总数在贮藏期间易受到外界因素影响,提出了一种优化反向传播(back propagation,BP)神经网络的调理鸡肉菌落总数预测方法。以贮藏在4℃条件下的调理鸡肉为研究对象,采集其表面400~1 000 nm高光谱信息共计419个波段作为... 针对调理鸡肉菌落总数在贮藏期间易受到外界因素影响,提出了一种优化反向传播(back propagation,BP)神经网络的调理鸡肉菌落总数预测方法。以贮藏在4℃条件下的调理鸡肉为研究对象,采集其表面400~1 000 nm高光谱信息共计419个波段作为全波段,并利用竞争性自适应重加权(competitive adaptive reweighted sampling,CARS)算法筛选出34个特征波段,分别以全波段和特征波段对应的光谱值作为BP神经网络输入,采用鸟群算法(bird swarm algorithm,BSA)和免疫算法(immune algorithm,IA)优化BP神经网络的初始权重和阈值,建立调理鸡肉菌落总数的BP、BSA-BP、IA-BP、BSA-IA-BP预测模型。试验结果表明:经过CARS筛选特征波长的BSA-IA-BP模型预测效果最佳,预测集相关系数RP、均方根误差、剩余预测偏差分别为0.93、0.31lg(CFU/g)、2.68,且模型稳定性最好。该研究为基于BP神经网络实现调理鸡肉菌落总数快速无损检测提供了算法支撑和理论基础。 展开更多
关键词 高光谱 图像处理 调理鸡肉 菌落总数 鸟群算法 免疫算法
下载PDF
基于高光谱图像和3D-CNN的苹果多品质参数无损检测 被引量：11
2
作者 王浩云 李晓凡 +2 位作者 李亦白 孙云晓 徐焕良 《南京农业大学学报》 CAS CSCD 北大核心 2020年第1期178-185,共8页
[目的]为解决水果品质无损检测中成本、效率、精度问题,提出了一种基于高光谱图像和三维卷积神经网络(3D-CNN)的苹果高光谱多品质参数同时检测方法。[方法]使用高光谱成像系统获取400~1000 nm波段的苹果样本的高光谱反射图像并使用S-G... [目的]为解决水果品质无损检测中成本、效率、精度问题,提出了一种基于高光谱图像和三维卷积神经网络(3D-CNN)的苹果高光谱多品质参数同时检测方法。[方法]使用高光谱成像系统获取400~1000 nm波段的苹果样本的高光谱反射图像并使用S-G平滑法对原始图像进行去噪处理,在此基础上,对采集到的高光谱图像通过多感兴趣位置的选取以及间隔波段抽取重组的方法进行样本扩充,再利用三维卷积神经网络建立样本扩充后的苹果高光谱图像与苹果糖度、硬度、含水量的多任务学习模型,通过该模型实现对苹果的糖度、硬度、含水量等品质参数的无损检测。[结果]采集245个苹果的高光谱图像及其对应的品质参数信息,通过样本扩充的方法将原始数据集扩充至9800个样本后进行建模和验证。结果表明:本算法建立的苹果糖度、硬度、水分的分类模型,在糖度类间隔为1°Brix、硬度类间隔为0.5 kg·cm-2、含水量类间隔为10%的情况下,糖度、硬度、水分的预测准确率分别为93.97%、92.29%和93.36%,回归模型糖度、硬度和水分的相关系数最高分别达到0.827、0.775和0.862,比最优的传统算法分别提高15.0%、17.0%和17.2%。[结论]本算法能够较准确实现苹果高光谱多品质参数同时检测,且相对传统方法预测精度有较大提升。 展开更多
关键词 苹果 高光谱 多品质参数 无损检测 三维卷积神经网络(3D-CNN)
下载PDF
基于几何模型的绿萝叶片外部表型参数三维估测 被引量：9
3
作者 徐焕良 马仕航 +3 位作者 王浩云 胡华东 殷佳来 车建华 《农业机械学报》 EI CAS CSCD 北大核心 2020年第12期220-228,共9页
为快速高效获取叶类植物叶片的外部表型参数、掌握植株生长状况,以绿萝叶片为研究对象,提出一种基于几何模型的叶长、叶宽与叶面积的三维估测方法。利用微软Kinect V2相机,自80 cm高度垂直位姿获取绿萝叶片局部点云,并进行直通滤波去噪... 为快速高效获取叶类植物叶片的外部表型参数、掌握植株生长状况,以绿萝叶片为研究对象,提出一种基于几何模型的叶长、叶宽与叶面积的三维估测方法。利用微软Kinect V2相机,自80 cm高度垂直位姿获取绿萝叶片局部点云,并进行直通滤波去噪与包围盒精简等预处理,测量得到点云外形参数,输入预先建立的SAE网络分类预测得到几何模型参数,并基于曲面参数方程建立叶片几何模型。采用粒子群优化算法计算几何模型离散点云和局部点云间的空间距离,进行空间匹配,利用遗传算法求解最优匹配模型的内部模型参数,输出最优匹配模型的叶长、叶宽与叶面积作为估测结果。实验共采集150片绿萝叶片的局部点云数据,将估测结果和真实值进行数学统计与线性回归分析,得出叶长、叶宽与叶面积估测的平均误差分别为0.46 cm、0.41 cm和3.42 cm^2,叶长估测R^2和RMSE分别为0.88和0.52 cm,叶宽R^2和RMSE分别为0.88和0.52 cm,叶面积R^2和RMSE分别为0.95和3.60 cm^2。实验表明,该方法对于绿萝叶片外形参数的估测效果较好,具有较高实用价值。 展开更多
关键词 绿萝叶片 表型参数 三维点云 几何模型
下载PDF
基于局部点云的苹果外形指标估测方法 被引量：7
4
作者 王浩云 闫茹琪 +3 位作者 周小莉 马仕航 胡皓翔 徐焕良 《农业机械学报》 EI CAS CSCD 北大核心 2019年第5期205-213,共9页
为了获取果实生长期的外形参数指标,监控果实发育状况,提出了一种基于局部点云的苹果外形指标估测方法。该方法可以通过局部点云数据估测苹果的体积、高度、直径等外形指标参数。利用椭球曲面方程构建苹果几何模型,并计算苹果几何模型... 为了获取果实生长期的外形参数指标,监控果实发育状况,提出了一种基于局部点云的苹果外形指标估测方法。该方法可以通过局部点云数据估测苹果的体积、高度、直径等外形指标参数。利用椭球曲面方程构建苹果几何模型,并计算苹果几何模型的高度、直径、体积。使用Kinect V2相机从任意角度获取点云数据,采用直通滤波法去除点云数据的背景,用包围盒算法精简点云得到苹果局部点云数据后,采用粒子群算法将苹果局部点云数据与苹果模型进行空间匹配,并用遗传算法求解苹果最优匹配模型的参数,利用苹果最优匹配模型参数估测与其匹配的真实苹果的外形指标。实验采集了250个苹果顶部、侧面和底部的局部点云数据,使用本文方法分别估测了250个苹果在3个角度下的外形指标,并对估测值与真实值进行线性回归分析,各个指标的线性回归拟合度R^2均高于0. 7。其中,侧面拍摄时拟合效果最好,R2最高为0. 948。在各个角度下苹果体积估测的平均误差不大于16. 16 mL,高度估测的平均误差不大于2. 92 mm,直径估测的平均误差不大于2. 35 mm,估测结果的平均误差较小,在允许误差范围内。实验结果表明,基于局部点云的苹果外形指标估测方法具有较强的实用性。 展开更多
关键词 苹果 局部点云 外形指标 估测 Kinect相机 三维测量
下载PDF
基于模型迁移的苹果光学特征参数反演 被引量：5
5
作者 徐焕良 周冰清 +3 位作者 王浩云 李亦白 胡华东 黄芬 《农业机械学报》 EI CAS CSCD 北大核心 2020年第11期264-271,共8页
针对现有水果组织光学特征参数反演方法耗时费力、普适性较差的问题,提出了一种基于模型迁移的光学特征参数反演方法。以苹果为例,构造仿真双层生物组织模型;基于蒙特卡洛(Monte Carlo)原理进行光子传输模拟,生成150万光亮度分布图,将... 针对现有水果组织光学特征参数反演方法耗时费力、普适性较差的问题,提出了一种基于模型迁移的光学特征参数反演方法。以苹果为例,构造仿真双层生物组织模型;基于蒙特卡洛(Monte Carlo)原理进行光子传输模拟,生成150万光亮度分布图,将光亮度分布图作为数据集输入构造好的8层卷积神经网络(CNN)上进行训练,得到预训练模型;再将训练好的模型迁移到实际测得的含有4000幅苹果高光谱点光源图像的数据集上进行微调,从而完成对光学参数的反演。将本文方法与其他几种算法的反演结果进行分析比较,结果表明,在实测数据集较小的情况下,该方法对苹果光学特征参数的反演结果为果皮吸收系数87.26%、果肉吸收系数90.53%、果皮散射系数86.66%、果肉散射系数87.57%,反演准确率高于其他算法,预训练模型基于大量仿真模型的光亮度分布图经由训练而得到,具有良好的普适性。本研究为解决水果光学特征参数反演中建模数据量不足问题提供了方法参考。 展开更多
关键词 苹果 光学特征参数 仿真模型 卷积神经网络 模型迁移
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部