浙江省自然科学基金(Z5100155)
- 作品数:6 被引量:35H指数:4
- 相关作者:王俊程绍明王永维马杨珲韦真博更多>>
- 相关机构:浙江大学浙江科技学院更多>>
- 发文基金:浙江省自然科学基金国家自然科学基金更多>>
- 相关领域:自动化与计算机技术农业科学更多>>
- 基于电子鼻系统的番茄苗不同种类损伤的区分效果研究被引量:3
- 2012年
- 通过对早疫病病害番茄苗、灰霉病病害番茄苗、机械损伤番茄苗和对照番茄苗的电子鼻响应信号的对比,可以看出不同处理的番茄苗样本电子鼻的响应信号是不同的,表明用电子鼻响应信号对番茄苗不同种类损伤进行预测是可行的。从PCA结果来看,早疫病病害的番茄苗和灰霉病病害的番茄苗能很好区分开,机械损伤的番茄苗和正常处理的番茄苗产生了重叠现象。从LDA结果可知,四种处理番茄苗本能很好的区分,机械损伤番茄苗样本与正常处理的番茄苗样本比较接近,采用LDA的区分效果明显比PCA要好。利用BP神经网络和支持向量机两种识别模式对四种不同损伤番茄苗样本的预测结果,对比预测结果,两种模型都能对样本进行很好的区分。
- 程绍明王俊马杨珲王永维
- 关键词:番茄苗电子鼻
- 基于电子鼻技术的不同特征参数对番茄苗早疫病病害区分效果影响的研究被引量:13
- 2014年
- 电子鼻检测的原始特征的数据量很大,一般在进行降低维数的处理前需要对原始特征进行合理的选择。选用最大值(Max)、全段数据平均值(Mean)、响应曲线最大曲率(kmax)、响应曲线的全段积分值(IV)作为4种不同特征参数对感染早疫病病害的番茄苗进行区分效果研究,结果表明在进行PCA和LDA区分时,利用全段数据平均值和响应曲线的全段积分值作为特征参数的效果较好,其次为最大值方法,最差的是响应曲线最大曲率方法;利用BP神经网络(BPNN)和遗传算法BP神经网络(GABPNN)两种识别模式进行预测时,利用全段数据平均值和响应曲线的全段积分值作为特征参数的训练集和预测集的正确率较好,其次为最大值方法,预测结果最差的是响应曲线最大曲率方法。
- 程绍明王俊王永维马杨珲
- 关键词:特征参数番茄苗早疫病电子鼻
- 基于电子鼻技术的番茄苗早疫病病害快速检测研究被引量:2
- 2013年
- 病害是造成番茄减产的主要因素之一。传统上对番茄苗病害进行预测主要是人为观察法,但这种方法由于自身的缺陷带有一定的局限性,如经验预测人为因素明显,预测准确率低。本文利用电子鼻系统对感染早疫病病害的番茄苗进行研究,通过主成分分析、线性判别分析对每株番茄苗接种1叶片、2叶片、4叶片和对照组四种不同处理的早疫病病害番茄苗进行分析,结果表明主成分分析各处理样本间均有重叠,区分效果不理想,线性判别分析各处理样本基本可以分开;用逐步判别分析和BP神经网络对各处理样本进行判别,测试集的准确率分别为50%和87.5%,神经网络模型的预测结果更好。
- 程绍明王俊王永维马杨珲
- 关键词:电子鼻番茄苗早疫病
- 基于电子鼻的番茄种子发芽率检测被引量:6
- 2011年
- 防止种子掺假、以次充好,为快速无损检测高发芽率的种子,该文将不发芽的浙杂809番茄种子以不同比例掺入到发芽率为92.6%的番茄种子中,得到种子的发芽率分别为90%,80%,70%,60%,50%和0等6种比例,并利用电子鼻对其进行分析。结果表明:利用电子鼻可以很好的区分出番茄种子发芽率为90%、80%、50%~70%、和不发芽的4种情况;当种子发芽率为70%、60%、50%时,其图形信息部分重叠,利用电子鼻较难区分开。在主成分分析和线性判别分析的基础上,利用BP神经网络和支持向量机对上述情况进行分类识别,结果表明:两种识别模式的训练集的正确率分别为93.6%和97.4%,预测集的正确率分别为65.2%和72.7%,相对于BP神经网络模式识别,支持向量机预测系统的误差较小,具有很好的预测性能。
- 程绍明王俊马杨珲王永维韦真博
- 关键词:神经网络无损检测主成分分析番茄种子电子鼻支持向量机
- 基于电子鼻的番茄种子不同储藏时间的鉴别研究被引量:7
- 2011年
- 采用电子鼻对三种不同年份的番茄种子进行分析。结果表明:利用电子鼻可以很好的区分不同年份的番茄种子;利用主成分分析方法(PCA)基本上可以辨别出不同掺杂比例的种子,但是当掺杂比例为37.5%和50%时,较难利用电子鼻进行辨别区分;利用线性判别分析方法(LDA)可以很好的辨别出不同掺杂比例的番茄种子,并且每个混合种类的区域集中性都很好,所以相对于PCA方法,利用LDA方法得到的数据区域集中性要明显优于PCA方法得到的结果。在主成分分析和线性分析的基础上,利用BP神经网络和支持向量机两种模式对相互掺杂的种子进行分类识别,结果表明:相对于支持向量机模式识别,BP神经网络预测系统的误差较小,具有很好的预测性能。
- 程绍明马杨珲周博王永维王俊
- 关键词:番茄种子电子鼻神经网络支持向量机
- 基于电子鼻信号判别番茄苗机械损伤程度被引量:6
- 2012年
- 番茄苗产生的挥发物易受到病害、虫害、损伤等多种因素影响。该文利用电子鼻系统测试机械损伤番茄苗挥发性物质的变化,通过主成分分析、线性判别分析对4种不同处理机械损伤的番茄苗进行分析,结果表明主成分分析各处理样本间均有重叠,区分效果不理想,线性判别分析各处理样本基本可以分开;用逐步判别分析和BP神经网络对各处理样本进行判别,测试集的准确率分别达到84.4%和93.8%以上,神经网络模型的预测结果更好。该研究可为番茄苗机械损伤快速在线监测提供参考。
- 程绍明王俊王永维韦真博
- 关键词:植物神经网络电子鼻番茄苗