浙江省科技攻关计划(2005C12029)
- 作品数：14 被引量：455H指数：11
- 相关作者：何勇鲍一丹裘正军李晓丽吴迪更多>>
- 相关机构：浙江大学金华职业技术学院浙江大学医学院附属邵逸夫医院更多>>
- 发文基金：浙江省科技攻关计划国家自然科学基金国家科技支撑计划更多>>
- 相关领域：农业科学机械工程自动化与计算机技术理学更多>>
- 基于主成分和多类判别分析的可见-红外光谱水蜜桃品种鉴别新方法被引量：50
- 2006年
- 提出了一种用可见-近红外漫反射光谱技术快速鉴别水蜜桃品种的新方法.应用可见-近红外光谱仪测定三个品种水蜜桃的光谱曲线,再用主成分分析法对不同品种样本进行聚类分析,获取了水蜜桃可见-近红外光谱的特征信息,同时结合多类判别分析技术建立水蜜桃品种鉴别的模型.对经过预处理的光谱数据进行主成分分析,分析表明,以样本在第一主成分和第二主成分上的得分做出的二维散点图,对不同种类水蜜桃具有很好的聚类,能定性区分不同种类水蜜桃;经过主成分分析得到的前8个主成分的累积可信度已达94.38%,说明这8个变量能够代表绝大部分原始光谱的信息.从75个样本中随机抽取60个样本用于建立8个主成分变量的多类判别分析品种鉴别模型,余下的15个样本用于验证,准确率为100%.说明本文提出的方法具有明显的分类和鉴别作用.
- 李晓丽胡兴越何勇
- 关键词：水蜜桃主成分分析
- 基于可见/近红外光谱技术的茄子叶片灰霉病早期检测研究被引量：38
- 2007年
- 应用可见/近红外光谱技术对茄子叶片进行灰霉病害还未在叶片表面出现病症时的早期检测.采用化学计量学方法建立早期检测模型.主成分分析用于对光谱数据进行降维,得到若干个最重要的主成分.但直接从聚类图中无法进行是否染病的鉴别.因而将其作为变量输入BP神经网络,从而减少了计算量,提高了建模精度.检测结果显示,模型具有良好的检测效果,能够达到100%的识别率,正确率也能达到88%.说明运用可见/近红外光谱技术能够实现当病症还未在叶片表面出现时的快速准确的早期检测,为灰霉病早期检测提供了新的途径.
- 吴迪冯雷张传清何勇
- 关键词：灰霉病主成分分析BP神经网络
- 基于可见/近红外光谱技术的番茄叶片灰霉病检测研究被引量：21
- 2007年
- 利用可见/近红外光谱技术对感染灰霉病的番茄叶片感染程度进行了检测。提出了主成分分析结合BP神经网络的数据处理方法。采用主成分分析进行数据的降维,减少了计算量,提高了建模精度。通过主成分分析中的载荷值,定性地分析了不同波段对病害程度检测的重要性。将得到的最主要的几个主成分输入BP神经网络进行建模,预测结果显示,当主成分数为8,隐含层结点数为11的时候,病害程度的检测模型对未知样本预测的相关系数达到0.930,SEP为0.0687,模型具有良好的检测效果。说明基于光谱技术和化学计量学方法的灰霉病检测模型具有很好的检测能力,为光谱技术应用于病害检测提供了新的方法。
- 吴迪冯雷张传清何勇
- 关键词：灰霉病番茄主成分分析BP神经网络
- 一种基于可见-近红外光谱快速鉴别茶叶品种的新方法被引量：85
- 2007年
- 提出了一种用可见-近红外光谱技术快速无损鉴别茶叶品种的新方法。应用可见-近红外光谱仪测定5个品种茶叶的光谱曲线,用主成分分析法对不同品种茶叶进行聚类分析并获得茶叶的可见-近红外光谱数据的主成分,再结合人工神经网络技术建立模型进行品种鉴别。主成分分析表明,以主成分1和2对所有建模样本的得分值做出的得分图,对不同种类茶叶具有较好的聚类作用,可以定性分析茶叶种类。把主成分分析得到的前6个主成分作为神经网络的输入,茶叶品种值作为神经网络的输出,通过5个茶叶品种共125个样本的训练和学习,建立了茶叶品种鉴别的3层BP人工神经网络模型,对未知的25个样本进行鉴别,品种识别准确率达到100%。说明本文提出的方法具有很好的分类和鉴别作用,为茶叶的品种快速鉴别提供了一种新方法。
- 李晓丽何勇裘正军
- 关键词：茶叶主成分分析人工神经网络
- 应用SPAD和光谱技术研究油菜生长期间的氮素变化规律被引量：92
- 2007年
- 为了掌握油菜生长期间氮素的变化规律和指导科学施肥,应用SPAD仪对从顶部算起的第3分枝处完全展开叶进行了跟踪测试,得出了蕾苔期与开花期的过渡期为田间氮肥管理和检测的最佳时期。采用可见-近红外光谱仪分析了油菜叶片的光谱特性,建立了油菜叶片光谱反射率与SPAD值之间的定量分析模型。结果表明,684 nm处一阶微分光谱的线性回归模型可较好地预测油菜叶片的SPAD值,预测样本的相关系数达到0.801。
- 裘正军宋海燕何勇方慧
- 关键词：SPAD油菜氮含量光谱技术
- 基于光谱技术鉴别机油品种的新方法被引量：9
- 2009年
- 提出了一种用可见近红外透射光谱技术快速鉴别机油品种的新方法,应用可见-近红外光谱仪测定三种机油的光谱曲线,然后用主成分分析法对不同品种的机油样本进行聚类分析,并获取机油可见-近红外光谱的特征信息,再结合多类判别分析技术建立机油品种鉴别的模型,对经过预处理的光谱数据进行主成分分析。结果表明,以样本在第一主成分和第二主成分上的得分做出的二维散点图,对不同种类机油具有很好的聚类,能定性区分不同种类机油;经过主成分分析得到的前8个主成分的累积可信度已达95.38%,说明这8个变量能够代表绝大部分原始光谱的信息。从180个样本中随机抽取150个样本用于建立多类判别分析品种鉴别模型,余下的30个样本用于验证。对未知的30个样本进行品种预测,准确率为100%。证明本方法具有明显的分类和鉴别作用,为不同品种的机油鉴别提供了一种新方法。
- 周子立蒋璐璐谈黎虹何勇李晓丽邵咏妮
- 关键词：光谱学机油近红外光谱主成分分析
- 利用光谱数据快速检测土壤含水量的方法研究被引量：42
- 2009年
- 应用美国ASD公司的FieldSpec HandHeld型可见/近红外光谱仪获得了52份不同含水量土壤的可见/近红外漫反射光谱数据,并通过实验测定了各土壤样本的含水量值,运用相关系数法寻找出了光谱对于土壤水分的敏感波段,然后利用单一敏感波段处的光谱数据建立了一元回归模型,并检测了土壤含水量。实验结果表明,该模型对土壤水分的检测效果比较好,模型的预测相关系数r为0.966 5,预测均方根误差RMSEP为0.012 1,为快速、准确检测土壤含水量提供了一条新的途径。
- 宋韬鲍一丹何勇
- 关键词：土壤含水量
- 基于光谱技术的杨梅汁品种快速鉴别方法的研究被引量：13
- 2007年
- 为了实现杨梅汁品种的快速无损鉴别,提出了一种用可见和近红外光谱技术快速鉴别杨梅汁品种的新方法。首先采用偏最小二乘法进行模式特征分析,经过交互验证法判别,确定最佳主成分数为9。完成特征提取后,将这9个主成分作为神经网络的输入变量,建立了三层BP神经网络,实现类别预测的同时也完成了数学建模与优化分析工作。3个品种的杨梅汁样本数均为20,共计60个样本。在神经网络学习中,将其分成训练集样本51个和预测集样本9个。对9个未知样本进行预测,准确率为100%。说明本文提出的基于光谱技术和模式识别的方法具有很好的分类和鉴别能力。
- 岑海燕鲍一丹何勇
- 关键词：偏最小二乘法BP神经网络模式识别杨梅汁光谱技术
- 土壤的光谱特征及氮含量的预测研究被引量：53
- 2007年
- 应用近红外光谱分析技术（NIR）测定土壤参数具有快速、方便的特点。文章分析了不同含水率、不同颗粒大小的土壤样本在不同测试角、不同测试高度对土壤光谱的影响，并得到了不同含水率和不同粒径土壤的含氮量预测模型。研究了这些因素对含氮率测量的影响，分析了NIR技术在田间实地应用预测的可能性。研究表明，光谱仪在距土壤高度为100mm，测试角为45。时，具有最大的吸光度。土壤粒径和含水率这2个参数明显影响，当粒径在0．5～5mm变化时，含氮量预测相关系数r为0．81左右，当土壤粒径在〈o．25和〉5mm模型的预测能力变差。当土壤样品呈天然潮湿状态时，氮的预测结果较差。而样品干燥以后，预测相关系数较高。为土壤原位光谱测试提供了依据。
- 鲍一丹何勇方慧Annia Garcia Pereira
- 关键词：近红外光谱土壤含氮量含水率
- 基于光谱和神经网络模型的作物与杂草识别方法研究被引量：19
- 2008年
- 利用光谱技术来识别作物与杂草是精细农业中一个非常重要的研究内容，但光谱数据中含有大量冗余数据，如何预处理以及建立识别模型，是决定识别准确率的关键。利用在325-1075nm波段的光谱识别了三种杂草（牛筋草、凹头苋、空心莲子草）与大豆幼苗。在幼苗生长的第三周与第六周分别采集杂草与作物的光谱，共378个样本。用其中的250个光谱样本，包括第一期和第二期采集的光谱样本，在采用db12小波经过三层分解后，将其小波系数作为输入数据建模，构造了一个径向基函数神经网络。然后，利用余下的光谱样本检验该模型的识别能力。结果表明，该模型对作物与杂草光谱具有极强的识别能力，只有3个第二期的牛筋草样本被判断为空心莲子草，其余的样本全部正确识别。这个结果表明，采用可见／近红外光谱识别大豆幼苗与三种伴随生长的杂草是可行的，同时也说明，随着作物的生长阶段的不同，其光谱的变化不会影响到种类识别。
- 朱登胜潘家志何勇
- 关键词：近红外光谱RBF人工神经网络杂草豆苗
