摘要：[目的]实现绿茶种类的快速识别。[方法]提出一种基于电子舌和电子鼻结合CNN-Transformer组合模型实现绿茶种类辨识的快速检测方法。分别使用电子舌、电子鼻对5种不同种类绿茶采集味觉、嗅觉的指纹信息,利用短时傅里叶变换(short-time fourier transform,STFT)将一维电子舌和电子鼻信号转换为二维时频图,充分揭示信号能量在时频域的分布特性;提出一种CNN-Transformer组合模型实现电子舌和电子鼻的信息融合和模式识别。该模型引入选择性核卷积和归一化注意力设计卷积模块来替换传统的CNN卷积层,以实现对信号时频图的局部特征动态提取;采用Transformer编码器中的多头自注意力机制提取电子舌和电子鼻特征的全局时序信息,并实现其特征的加权融合;最后,通过全连接层进行分类识别。[结果]基于电子舌和电子鼻的信息融合方法能够有效提取绿茶样本的味觉和嗅觉信号深层特征,并为模型提供更丰富的融合特征表征,以实现对不同绿茶种类的高准确识别,其测试集准确率、精确率、召回率和F 1-Score分别达到99.00%,99.05%,99.00%,99.00%。[结论]试验方法具有成本低、快速、高效等特点。

摘要：入仓原料种类识别是饲料生产过程中的关键环节之一。目前,入仓原料主要通过人工取样的方式,依靠工人感官经验识别原料种类,以确保原料正确入仓。为了实现饲料原料种类在线自动取样和识别,提高饲料加工的自动化水平,该研究设计了一种多通道饲料原料自动取样装置,应用机器视觉技术,搭建了原料种类在线识别系统。该系统主要由取样单元、样品输送单元、图像采集单元等组成;采用Arduino Uno为系统控制核心,设计了控制流程和控制线路;在Arduino IDE开发环境下编写了控制程序;运用卷积神经网络的方法构建了饲料原料种类识别模型CAM-ResNet18;基于PyQt5环境开发了饲料原料种类在线识别系统软件,包括上位机人机交互软件系统和下位机自控控制系统。上位机系统软件通过串口与下位机控制器通讯,实现对饲料原料种类在线取样识别装置的自动控制。通过模型嵌入和系统集成,对系统的基本功能、识别准确率和识别时间进行测试。饲料原料种类在线识别系统运行正常可靠,实现了饲料原料入仓过程中的自动取样、图像采集、种类识别、结果反馈、一键报警的全环节智能操作。系统性能测试中,饲料原料种类识别准确率为98%,取样识别周期为10.13 s。研究结果表明开发的饲料原料种类在线识别系统可以实现入仓饲料原料在线取样和种类识别功能,可为饲料加工中饲料原料种类的自动识别提供方法和技术支撑。

摘要：在3因素3水平的正交试验设计优化气相-离子迁移谱(gas chromatography-ion mobility spectroscopy,GC-IMS)检测系统参数的基础上,通过采用顶空萃取的方式,使用GC-IMS联用分析技术获取了5种植物油和芝麻油不同加工工艺的特征挥发性有机物(volatile organic compound,VOCs)的GC-IMS指纹离子迁移谱,分析了气相(gas chromatography,GC)保留时间-离子迁移谱(ion mobility spectroscopy,IMS)漂移时间的三维信息,得出了通过GC-IMS三维信息上的出峰时间、数量和峰强度等信息的差异,可以实现植物油的种类的准确识别以及加工工艺改变与VOCs变化的规律的结论,结果证明,GC-IMS分析技术在植物油的品种识别、加工工艺识别、原产地识别和纯度检测等方面有着广阔的应用前景。

摘要：随着人工智能和计算机视觉技术的不断发展,图像识别技术取得了巨大突破,成为各个领域中的热点研究方向。青苹果种类识别不仅关乎青苹果企业的高效运营,也与地区产业兴旺密切相关。传统的人工分类方式存在人力资源浪费和识别准确率不高的问题,因此,借助计算机视觉技术来实现自动化的青苹果种类识别具有重要意义。研究旨在探索基于计算机视觉技术的青苹果种类识别方法,通过构建高效、准确的识别模型,解决青苹果种类识别中的实际问题。通过分析青苹果不同种类的特征,设计合适的网络架构,并优化训练过程,以期为青苹果分类识别的实际应用提供有效的解决方案。

摘要：为了解决饲料生产过程中入仓原料种类采用人工取样感官识别所存在的问题,实现原料种类自动识别,以玉米、麸皮、小麦、豆粕、鱼粉等大宗饲料原料为研究对象,自主设计搭建了多通道入仓原料种类自动识别装置,采集饲料原料图像数据集,并使用数据增强的方法增加样本多样性。基于ResNet18网络模型加入通道注意力机制、增加Dropout函数,并嵌入余弦退火法的Adam优化器,引入迁移学习机制训练模型,构建适用于饲料原料种类识别的CAM-ResNet18网络模型。CAM-ResNet18网络模型的原料种类验证准确率达99.1%,识别时间为2.58 ms。与ResNet18、ResNet34、AlexNet、VGG16等网络模型相比,模型验证集准确率分别提升0.6、0.2、3.7、1.1个百分点。针对混淆矩阵结果分析,测试集识别平均准确率达99.4%,具有较高的精确度和召回率。结果表明,构建的CAM-ResNet18网络模型在饲料原料种类识别方面具有较高的识别精度和较快检测速度,自主研发的多通道入仓原料种类自动识别装置具有实际应用价值。

摘要：基于多传感器人工嗅觉系统的苹果种类识别方法是将自行研发的便携式硬件和上位机算法相结合,目的是将市面上常见的外形相似的‘花牛’和‘阿克苏’苹果进行无损种类识别,降低检测成本。实施方法是根据实际情况选择传感器并设计电路对待测样本气味信息进行响应,下位机将采集到的信号传输至上位机的机器学习算法中进行模型训练。通过线性判别分析算法(Linear Discriminant Analysis,LDA)、逻辑回归算法(Logistic Regression,LR)、邻近算法(K-NearestNeighbor,KNN)、前馈神经网络算法(Back Propagation,BP)分类模型对气味信息数据进行计算并作出分类。最终得到LDA、LR、KNN、BP算法识别的准确率分别为86.83%、85.33%、91.26%、85.00%,通过stacking框架将以上4种算法模型进行融合,融合后算法识别的准确率最高为97.14%。与传统单预测模型相比,基于多模型融合的苹果识别方法精确度更高。研究结果表明,基于多传感器人工嗅觉系统可以直接通过气味对其种类进行识别,为苹果的无损分类做出有效的判断,可为受主观因素影响的的感官评价提供客观的理论依据。

摘要：推导了条件属性子集重要性的等价表示形式,设计出由决策算法正集的补集求解条件属性子集的重要性以及由其正集求取支持度的算法程序,并将其用于对地质中岩石种类识别作因素分析.结果表明设计的算法有效可行.

摘要：目的:解决基于光谱图像识别技术易受相近类型干扰,致使对被测物的种类与品质识别产生偏差的问题。方法:设计了可见光与近红外光的独立双通道光谱采集系统,通过控制不同特征区域的光谱范围与光谱分辨率,实现对特征波长位置的吸光度快速采集;构建了品质参数,给出了其关于光谱变化与样品质量的函数表达形式;根据测试样品的光谱分布特性,选择合适的特征波长位置,并通过主成分分析给出了种类与品质参数的解算依据。结果:采用CM-25D分光仪和FT-NIR分光仪获取了4种常见的油桃样本的可见与红外光谱,建立了以吸光度值与吸光度比值作为判别因子的最小二乘权值分析法,与传统线性比例分析法进行比较,该算法种类识别率均值为96.7%,归一化品质系数为0.892,识别能力均有所增强。结论:采用双通道光谱采集硬件结构配合基于权值分配的偏最小二乘算法,可以对光谱特征相近的油桃品种进行更好的分类与识别。