黄曲霉毒素B1溶液的太赫兹时域光谱分析

黄曲霉毒素的物理检测是目前国内外食品安全检测的一个研究热点。针对近红外和传感器方法检测精度差的问题,采用太赫兹时域光谱技术,研究了黄曲霉毒素B1溶液对太赫兹波的响应。首先根据B1溶液在不同频率范围内的光学参数(主要是折射率和吸收系数)的不同,对B1溶液的太赫兹光谱进行定性分析;再利用最小二乘支持向量机对其进行定量分析。实验和分析结果表明,利用太赫兹时域光谱技术能够对黄曲霉毒素B1溶液的不同浓度进行精确识别,为以后建立黄曲霉毒素太赫兹谱库和快速检测食品中的黄曲霉毒素提供了理论依据。     

基于THz-TDS技术的豆科牧草种子的鉴定识别

利用太赫兹时域光谱(THz-TDS)技术对豆科牧草种子样品进行实验测试,得到了百脉根、柠条、毛苕籽、沙打旺和羊柴五种常见的牧草种子在太赫兹波段的时域谱,通过快速傅里叶变换得到频域谱,进而得到各牧草种子样品的吸收系数、折射率等光学参数.发现在0.2-1.4THz有效频域范围内,样品的吸收系数谱线以不同的斜率单调递增,样品的平均折射率在1.45-1.71之间,且彼此之间有较大的差异.同时利用偏最小二乘法回归(PLSR)分别对五种豆科牧草的35个样本的吸收系数和折射率做了模型的建立和统计分析.结果表明,利用折射率建立的PLS模型预测效果最好,其相关系数(R)和均方根误差(RMSE)分别为0.9983和0.3157,更能准确鉴定未知样品的种类.研究表明,太赫兹时域光谱技术结合统计分析方法可以作为无损鉴定牧草种子真伪和识别牧草种子种类的一种有效手段,不仅丰富了牧草种子的检测手段,而且有望发展建立标准检测的数据库,最终实现快速、批量、经济鉴定识别牧草种子的目的.     

杀菌剂类农药的太赫兹光谱分类万法

提出一种新的针对杀菌剂类农药太赫兹光谱的分类方法,即用小波包变换来对杀菌剂太赫兹光谱进行特征提取,然后用欧式距离法对4种农药进行分类.太赫兹时域光谱(THz-TDS)技术是一种由超快激光技术快速发展起来的无损检测技术,利用太赫兹时域光谱系统对4种杀菌剂,即福美铁、多菌灵、克菌丹、噻菌灵进行了检测,得到了4种药品的太赫兹时域光谱.用小波包对农药时域光谱进行分解,计算小波包能量谱,并把能量谱作为聚类分析的特征向量,用欧式距离法对杀菌剂太赫兹光谱进行分类,实验结果表明,该方法可以有效地对杀菌剂进行分类.     

基于支持向量机的快速高光谱分类研究

提出了一种基于支持向量机的快速高光谱分类方法.首先采用基于主成分分析和Bhattacharyya距离的方法进行特征降维,然后通过二叉树的支持向量机(Binary tree of SVMs,BTS)来减少一次分类所需的两类支持向量机个数,最后采用简化支持向量技术进一步减少支持向量的数量.实验采用真实高光谱数据,并与4种其他方法进行比较.结果表明,该方法能有效地加快分类速度.     

基于合成核支持向量机的高光谱土地覆盖分类

提出一种基于合成核支持向量机的高光谱数据分类方法。该方法首先对高光谱数据进行分组, 对得到的不同数据组分别运用支持向量机方法进行分类参数的优化, 然后组合不同的核函数来综合不同的数据组, 得到最终的分类结果。利用华盛顿地区 HYDICE 高光谱数据对所提出的方法进行评价和验证, 结果表明, 基于合成核支持向量机的高光谱图像分类, 可获得比传统支持向量机更高的分类精度。     

基于改进的最小二乘支持向量机的高光谱遥感图像分类

支持向量机因其适用高维特征、小样本与不确定性问题的优越性,是一种极具潜力的高光谱遥感分类方法.核函数是支持向量机的核心,核函数分为局部核函数与全局核函数两大类,不同的核函数将产生不同的分类效果.核函数也是支持向量机理论中比较难理解的一部分.在基本核函数中引入光谱匹配识别中的典型方法--光谱角度匹配法(SAM法),兼顾到光谱亮度与光谱向量方向的距离测度,结合最小二乘支持向量机,通过与传统SVM分类方法的比较,证明这种方法的有效性.     

基于太赫兹时域光谱技术的地沟油检测与识别

油脂大分子的振动和转动频率均处在太赫兹波段,与太赫兹波相互作用可产生共振反应,因此太赫兹时域光谱技术（THz TDS）可以快速灵敏地实现正规油和地沟油的检测与识别。通过对正规油（全新采购）、类地沟油（煎炸处理）和地沟油（回收处理）在0.3~1.6 THz波段的时域和频域光谱进行对比,并分析其延迟时间、折射率、吸收系数和吸收峰等光学参数的差异,提取了地沟油的太赫兹光谱的特征信息,为地沟油的检测与识别提供了实验依据和有效方法。结果表明,利用光谱特征信息和地沟油特有官能团信息,太赫兹时域光谱技术可有效区分正规油与地沟油。     

基于改进多类支持向量机的印刷缺陷检测

针对印刷品缺陷检测问题,为了对缺陷位置、形状、类型等信息进行有效的识别和分析,提出了一种基于改进多类支持向量机的印刷缺陷检测方法。首先根据人眼视觉特性,将配准后的印刷图像通过基于动态阈值的差分运算,快速地得到二值缺陷图像;然后采用由缺陷几何特征和形状特征构成的特征向量对缺陷信息进行分析和描述;最终通过改进的多类支持向量机实现印刷缺陷的准确识别。实验结果表明,相对于一对一型支持向量机(OVOSVM)和一对多型支持向量机(OVRSVM),在实际训练样本较少的情况下,该方法具有检测速度快、识别准确率高的特点,能够有效解决印刷品缺陷检测问题。     

基于卷积神经网络的石英纤维复合材料损伤缺陷太赫兹智能识别

利用太赫兹时域光谱对石英纤维复合材料(quartz fiber reinforced polymer, QFRP)内部分层缺陷进行检测,通过搭建一维卷积神经网络模型,实现不同位置和不同深度损伤缺陷的准确识别,验证结果准确率在90%以上.根据识别结果构建复合材料的缺陷检测图像与实际太赫兹成像图结果一致,且具有高清晰度和对比度.太赫兹技术结合卷积神经网络能够实现非极性材料的智能识别.     

基于非平衡数据处理的管道泄漏检测与定位研究

针对管道运行状态数据的非平衡性会造成管道泄漏诊断准确率下降的问题,提出了一种基于非平衡数据的管道泄漏检测与定位方法.首先,将管道各工况非平衡数据采用基于K均值聚类的欠采样方法处理,使其达到数据平衡.然后,将Fischer-Burmeister函数引入到双支持向量机学习过程中,以避免目标函数求解时矩阵的求逆计算,并将平衡数据作为改进双支持向量机算法的输入,识别管道泄漏.采用相关分析法实现泄漏点定位.根据Flowmaster搭建的管道模型,运用该方法识别管道泄漏.仿真实验表明,与经典双支持向量机和拉格朗日双支持向量机相比,该方法能更快速识别管道泄漏孔径及定位.