粮食与饲料工业
糧食與飼料工業
양식여사료공업
CEREAL & FEED INDUSTRY
2014年
10期
66-70
,共5页
史卫亚%乔娜娜%梁义涛%王锋
史衛亞%喬娜娜%樑義濤%王鋒
사위아%교나나%량의도%왕봉
小麦%玉米象%虫蚀%生物光子%统计特征%直方图特征%识别
小麥%玉米象%蟲蝕%生物光子%統計特徵%直方圖特徵%識彆
소맥%옥미상%충식%생물광자%통계특정%직방도특정%식별
wheat%maizeweevil%insect damage%biophoton%statistical characteristics%histogram features%identification
粮食在存储过程中极易发生虫蚀现象,因此需要快速高效的检测粮食是否染虫.基于生物光子分析技术(Biophoton Analytical Technology,BPAT),提出了一种新型的小麦隐蔽性害虫检测模型.以小麦籽粒和玉米象为研究对象,分别测量正常和含虫小麦的自发光子数,并提取8个统计特征(均值、方差、中位数、四分位数、平均差、离散系数、偏度、峰度)和13个直方图特征组成粮食特征数据向量,对这些特征向量进行主成分分析(principalcomponent analysis,PCA),并在此基础上分别采用线性分类器LDA(linear discriminant analysis)和BP神经网络模型进行识别,实验结果表明,所提模型可以较好地区分正常小麦和含虫小麦.
糧食在存儲過程中極易髮生蟲蝕現象,因此需要快速高效的檢測糧食是否染蟲.基于生物光子分析技術(Biophoton Analytical Technology,BPAT),提齣瞭一種新型的小麥隱蔽性害蟲檢測模型.以小麥籽粒和玉米象為研究對象,分彆測量正常和含蟲小麥的自髮光子數,併提取8箇統計特徵(均值、方差、中位數、四分位數、平均差、離散繫數、偏度、峰度)和13箇直方圖特徵組成糧食特徵數據嚮量,對這些特徵嚮量進行主成分分析(principalcomponent analysis,PCA),併在此基礎上分彆採用線性分類器LDA(linear discriminant analysis)和BP神經網絡模型進行識彆,實驗結果錶明,所提模型可以較好地區分正常小麥和含蟲小麥.
양식재존저과정중겁역발생충식현상,인차수요쾌속고효적검측양식시부염충.기우생물광자분석기술(Biophoton Analytical Technology,BPAT),제출료일충신형적소맥은폐성해충검측모형.이소맥자립화옥미상위연구대상,분별측량정상화함충소맥적자발광자수,병제취8개통계특정(균치、방차、중위수、사분위수、평균차、리산계수、편도、봉도)화13개직방도특정조성양식특정수거향량,대저사특정향량진행주성분분석(principalcomponent analysis,PCA),병재차기출상분별채용선성분류기LDA(linear discriminant analysis)화BP신경망락모형진행식별,실험결과표명,소제모형가이교호지구분정상소맥화함충소맥.
