-
公开(公告)号：CN110658156B
公开(公告)日：2022-03-11
申请号：CN201910968375.X
申请日：2019-10-12
IPC: G01N21/359
Abstract: 本发明公开了一种近红外光谱特征提取方法及装置，所述方法包括：获取N个待测样品；使用光谱仪获取N个待测样品的近红外光谱数据；对近红外光谱数据进行预处理获取二维近红外光谱平滑数据；对二维近红外光谱平滑数据经排列与转换获取四维谱图数据；对四维谱图数据进行特征提取；对特征提取后的四维谱图数据进行特征排列获取二维特征数据；本发明的优点在于：能够保证数据的完整性，能够在全光谱区间进行特征提取，保证信息不会丢失。
-
公开(公告)号：CN111896495A
公开(公告)日：2020-11-06
申请号：CN202010778556.9
申请日：2020-08-05
Applicant: 安徽大学 , 中华人民共和国黄山海关
IPC: G01N21/3563 , G01N21/359 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 基于深度学习与近红外光谱太平猴魁产地甄别方法及系统，属于模式识别及无损检测领域，解决常规分析方法无法实现有效提取不同产地太平猴魁茶近红外光谱特征变量的问题，包括：采集不同产地太平猴魁茶样本，获取原始光谱数据矩阵，并对产地样本属性进行标记；对原始光谱数据矩阵进行SNV预处理；进行间隔采样；获得间隔采样数据矩阵；卷积池化特征降维；对所选特征数据进行全连接矩阵投影数据降维；产地分析建模；根据所得特征数据和对应产地样本属性，以SOFTMAX分类器建立太平猴魁茶产地甄别模型；并对待测试样本进行分析预测，降低特征变量维度，实现近红外光谱特征有效提取和太平猴魁茶产地高精度甄别分析。
-
公开(公告)号：CN110658156A
公开(公告)日：2020-01-07
申请号：CN201910968375.X
申请日：2019-10-12
IPC: G01N21/359
Abstract: 本发明公开了一种近红外光谱特征提取方法及装置，所述方法包括：获取N个待测样品；使用光谱仪获取N个待测样品的近红外光谱数据；对近红外光谱数据进行预处理获取二维近红外光谱平滑数据；对二维近红外光谱平滑数据经排列与转换获取四维谱图数据；对四维谱图数据进行特征提取；对特征提取后的四维谱图数据进行特征排列获取二维特征数据；本发明的优点在于：能够保证数据的完整性，能够在全光谱区间进行特征提取，保证信息不会丢失。
-
Patent Agency Ranking
公开(公告)号：CN109447045A
公开(公告)日：2019-03-08
申请号：CN201811599542.X
申请日：2018-12-26
Abstract: 本发明属于人工智能技术领域，具体涉及一种基于深度学习卷积神经网络的食用菌快速识别系统及方法；该系统包括深度学习卷积神经网络模块、消费者终端模块和控制端模块；深度学习卷积神经网络模块包括样本收集中心、数据采集中心及深度学习卷积网络模型构建及优化中心；控制端模块用于存储数据信息，还具备整理分析的功能，并将数据信息分享至消费者终端模块；消费者终端模块是指消费者直接接触的APP访问控制端；消费者通过APP访问控制端获取食用菌的相关信息；本发明采用图片信息输入提高了样本的有效信息，提高了系统的准确性；采用卷积神经网络，能够完成多变量同时测量，实现检测时间成倍地缩减。
-
公开(公告)号：CN112102898B
公开(公告)日：2022-09-23
申请号：CN202011001457.6
申请日：2020-09-22
Applicant: 安徽大学
Abstract: 一种醋醅固态发酵过程谱图模态辨识方法及系统，包括采集醋醅样本，建立近红外光谱基线校正函数，并初始化校正函数参数，计算拟合基线，计算原始数据和拟合基线之间的差值，得到校正误差，根据校正误差大小确定基线区间和特征区间，对比间隔最大校正误差值与设定平均校正误差，由参数优化函数计算间隔平滑系数，基于校正误差计算权重系数，根据所计算的权重系数和间隔平滑系数进行基线更新，计算原始数据和拟合基线的相对拟合误差及当前迭代次数，判定是否终止，基于校正基线，获得醋醅发酵过程近红外光谱的校正数据；根据校正数据进行固体发酵阶段的模态辨识；本发明通过校正数据对醋醅固体发酵过程中的模态进行辨识，提高了模态识别的准确度。
-
公开(公告)号：CN111307751B
公开(公告)日：2021-09-03
申请号：CN202010191859.0
申请日：2020-03-18
Applicant: 安徽大学
IPC: G01N21/3563 , G01N21/359
Abstract: 本发明公开了茶叶近红外光谱分析中谱图基线校正方法、系统及茶叶检测方法，包括：获取原始数据并进行初始化，拟合基线；计算原始数据和拟合基线之间的差值，得到校正误差；根据校正误差大小确定基线区间和特征区间；根据权重函数计算指数权重，基于误差导数计算变化趋势，并结合平衡系数确定更新权重系数；根据所计算的权重系数进行基线更新；计算原始数据和拟合基线的相对拟合误差及当前迭代次数，如果相对拟合误差小于设定误差系数δ或当前迭代次数大于设定迭代次数T,则转输出，否则循环。自适应导数加权函数能够同时分析校正误差大小及变化趋势，因此能够根据误差自身特性进行权重更新，从而能够避免权重更新不及时、不准确等问题。
-
公开(公告)号：CN112102898A
公开(公告)日：2020-12-18
申请号：CN202011001457.6
申请日：2020-09-22
Applicant: 安徽大学
Abstract: 一种醋醅固态发酵过程谱图模态辨识方法及系统，包括采集醋醅样本，建立近红外光谱基线校正函数，并初始化校正函数参数，计算拟合基线，计算原始数据和拟合基线之间的差值，得到校正误差，根据校正误差大小确定基线区间和特征区间，对比间隔最大校正误差值与设定平均校正误差，由参数优化函数计算间隔平滑系数，基于校正误差计算权重系数，根据所计算的权重系数和间隔平滑系数进行基线更新，计算原始数据和拟合基线的相对拟合误差及当前迭代次数，判定是否终止，基于校正基线，获得醋醅发酵过程近红外光谱的校正数据；根据校正数据进行固体发酵阶段的模态辨识；本发明通过校正数据对醋醅固体发酵过程中的模态进行辨识，提高了模态识别的准确度。
-
公开(公告)号：CN111307751A
公开(公告)日：2020-06-19
申请号：CN202010191859.0
申请日：2020-03-18
Applicant: 安徽大学
IPC: G01N21/3563 , G01N21/359
Abstract: 本发明公开了茶叶近红外光谱分析中谱图基线校正方法、系统及茶叶检测方法，包括：获取原始数据并进行初始化，拟合基线；计算原始数据和拟合基线之间的差值，得到校正误差；根据校正误差大小确定基线区间和特征区间；根据权重函数计算指数权重，基于误差导数计算变化趋势，并结合平衡系数确定更新权重系数；根据所计算的权重系数进行基线更新；计算原始数据和拟合基线的相对拟合误差及当前迭代次数，如果相对拟合误差小于设定误差系数δ或当前迭代次数大于设定迭代次数T,则转输出，否则循环。自适应导数加权函数能够同时分析校正误差大小及变化趋势，因此能够根据误差自身特性进行权重更新，从而能够避免权重更新不及时、不准确等问题。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.017 seconds)
