基于光谱技术的大米掺假检测模型.doc
约36页DOC格式手机打开展开
基于光谱技术的大米掺假检测模型,1.47万字36页原创作品，独家提交，已通过查重系统目录第1章绪论11.1 研究背景11.2国内外研究现状11.2.1国内研究现状11.2.2国外研究现状31.3研究意义31.4本文主要研究内容4第2章高光谱大米掺假检测系统设计52.1 高光谱检测原理52.2 系统组成52.3 本章小结5...
内容介绍
此文档由会员 大雨倾盆 发布
基于光谱技术的大米掺假检测模型
1.47万字 36页 原创作品，独家提交，已通过查重系统
目录
第1章绪论 1
1.1 研究背景 1
1.2国内外研究现状 1
1.2.1国内研究现状 1
1.2.2国外研究现状 3
1.3研究意义 3
1.4本文主要研究内容 4
第2章高光谱大米掺假检测系统设计 5
2.1 高光谱检测原理 5
2.2 系统组成 5
2.3 本章小结 5
第3章高光谱图像采集及预处理 7
3.1高光谱图像技术 7
3.2高光谱图像的采集 7
3.3高光谱图像的预处理 8
3.3.1图像的二值化 8
3.3.2图像的直方图修正 9
3.3.3图像的平滑抑噪 10
3.4本章小结 12
第4章特征提取 13
4.1图像特征的描述 13
4.2阈值分割 14
4.3主成分分析 14
4.4 本章小结 15
第5章 BP神经网络模型建立 26
5.1人工神经元 26
5.2 BP人工神经网络模型 27
5.3 神经网络建模 28
5.3.1 样本选择 28
5.3.2 网络输入输出 28
5.3.3网络参数 29
5.3.4实验结果 32
5.4本章小结 34
第6章总结与展望 35
6.1 总结 35
6.2 展望 36
致谢 37
参考文献 38
Q95;
摘要大米是人类的主要食物，是人们所摄取能量的主要来源。随着人们的生活水平的提高，人们越来越来倾向于高质量的大米。优质大米腹白少，胶质率高，米色清亮透明，其价格也比普通大米的价格贵，因此一些不法分子向优质大米里掺杂普通的大米甚至是劣质的大米来牟取利益。这种行为不仅对消费者造成了极大的伤害，也对社会的安定、和谐发展造成了威胁，因此研究简便快捷的大米掺假检测系统非常有必要。
目前大米掺假检测技术包括理化检验法、色谱法和光谱分析等。光谱分析还分为近红外光谱和高光谱。理化检测法检测范围有限；色谱法(液相和气相色谱法)所涉及的检测方法专业、复杂仪器昂贵不适合现场快速检测；高光谱分析技术作为一种新型无损快速检测技术具有广阔的应用前景。本文利用高光谱分析技术，结合神经网络算法，研究了一套新的大米掺假检系统设计方案。
高光谱技术具有检测迅速、绿色环保等优点。本文将高光谱技术结合化学计量学方法对提供的五种大米样品的分类进行了深入的研究。本文首先讲解了高光谱图像处理和从图像中提取图像特征，构建网络前利用PCA主成分分析法对样本数据进行处理，去除样本数据的冗杂信息，合理地降低维度而不影响原样本的信息，然后建立神经网络模型，根据Kolmogorov原则，确定合适的隐含层的神经元个数设定合理的学习速率和训练步数。仿真结果表明，该种方法建立的模型对预测集样品的正确识别率均为80%以上。高光谱分析技术很好地完成了五种掺假大米的定性分类。
关键词：高光谱 主成分分析 BP神经网络算法 模式识别
1.47万字 36页 原创作品，独家提交，已通过查重系统
目录
第1章绪论 1
1.1 研究背景 1
1.2国内外研究现状 1
1.2.1国内研究现状 1
1.2.2国外研究现状 3
1.3研究意义 3
1.4本文主要研究内容 4
第2章高光谱大米掺假检测系统设计 5
2.1 高光谱检测原理 5
2.2 系统组成 5
2.3 本章小结 5
第3章高光谱图像采集及预处理 7
3.1高光谱图像技术 7
3.2高光谱图像的采集 7
3.3高光谱图像的预处理 8
3.3.1图像的二值化 8
3.3.2图像的直方图修正 9
3.3.3图像的平滑抑噪 10
3.4本章小结 12
第4章特征提取 13
4.1图像特征的描述 13
4.2阈值分割 14
4.3主成分分析 14
4.4 本章小结 15
第5章 BP神经网络模型建立 26
5.1人工神经元 26
5.2 BP人工神经网络模型 27
5.3 神经网络建模 28
5.3.1 样本选择 28
5.3.2 网络输入输出 28
5.3.3网络参数 29
5.3.4实验结果 32
5.4本章小结 34
第6章总结与展望 35
6.1 总结 35
6.2 展望 36
致谢 37
参考文献 38
Q95;
摘要大米是人类的主要食物，是人们所摄取能量的主要来源。随着人们的生活水平的提高，人们越来越来倾向于高质量的大米。优质大米腹白少，胶质率高，米色清亮透明，其价格也比普通大米的价格贵，因此一些不法分子向优质大米里掺杂普通的大米甚至是劣质的大米来牟取利益。这种行为不仅对消费者造成了极大的伤害，也对社会的安定、和谐发展造成了威胁，因此研究简便快捷的大米掺假检测系统非常有必要。
目前大米掺假检测技术包括理化检验法、色谱法和光谱分析等。光谱分析还分为近红外光谱和高光谱。理化检测法检测范围有限；色谱法(液相和气相色谱法)所涉及的检测方法专业、复杂仪器昂贵不适合现场快速检测；高光谱分析技术作为一种新型无损快速检测技术具有广阔的应用前景。本文利用高光谱分析技术，结合神经网络算法，研究了一套新的大米掺假检系统设计方案。
高光谱技术具有检测迅速、绿色环保等优点。本文将高光谱技术结合化学计量学方法对提供的五种大米样品的分类进行了深入的研究。本文首先讲解了高光谱图像处理和从图像中提取图像特征，构建网络前利用PCA主成分分析法对样本数据进行处理，去除样本数据的冗杂信息，合理地降低维度而不影响原样本的信息，然后建立神经网络模型，根据Kolmogorov原则，确定合适的隐含层的神经元个数设定合理的学习速率和训练步数。仿真结果表明，该种方法建立的模型对预测集样品的正确识别率均为80%以上。高光谱分析技术很好地完成了五种掺假大米的定性分类。
关键词：高光谱 主成分分析 BP神经网络算法 模式识别
