-
提出了一种基于烟叶近红外光谱(NIR)和烟叶电子鼻(EN)融合数据的烟叶年份判别的支持向量机分类模型.在NIR和EN数据融合的基础上,利用遗传算法来进行变量选择,再建立烟叶年份判别支持向量机模型,所得到的烟叶判别模型在训练集和独立测试集上都具有较高的准确率.建立的烟叶判别NIR-E-SVM模型的建模准确率达到100%,留一法准确率达到98.55%,对未知样本的预报准确率为90%.
近红外支持向量机烟草电子鼻
-
烟草是一种成分复杂的天然植物,地理位置、生长条件等外界因素直接影响着烟叶的品质;我国烟叶种植范围十分广泛,每个产区种植的烟叶都有其独特的风格特征,不同产区的烟叶配比对卷烟的质量起着决定性的作用.为实现烟叶产地准确、快速判别,基于近红外光谱(NIRS),采用灰狼算法(GWO)优化的支持向量机(S V M)算法实现烟叶产地鉴别分类.以8个产地的824个烟叶样本为研究对象,基于x-y距离样本集划分(SPXY)方法得到校正集617个和验证集207个样品.首先应用最佳波长筛选方法,如竞争自适应加权采样(CARS)和随机青蛙(RF)算法减少光谱冗余信息,最终从1609个变量中分别获得141和534个与产地相关的重要变量,并以此输入SVM作为建模数据,接下来在相同搜索范围内比较了粒子群优化算法(PSO)、遗传算法(GA)和GWO对SVM分类模型的优化效果.结果表明,经RF筛选后的光谱变量较CARS具有更好的产地建模性能,其中RF-GWO-SVM对8个产地烟叶的整体判别正确率达到了96.62%,相较于RF-PSO-SVM和RF-GA-SVM正确率更高.同时,RF-GWO-SVM的运行时间分别比RF-PSO-SVM和RF-GA-SVM的运行时间缩短156和131 min,RF-GWO-SVM具有精度更高、寻优速度更快等优点.GWO对于SVM模型参数具有更高效的优化能力,可用于烟叶产地快速鉴别模型的建立.
近红外光谱技术灰狼算法支持向量机烟叶产地鉴别
-
钙、镁是植物体内两种重要的无机元素,不直接吸收近红外光,但在植物体内与有机物结合(果胶酸钙、叶绿素)使得钙、镁元素可被近红外光谱技术(N IR )间接测定。使用 N IR结合最小二乘支持向量机(LS-SVM )这一非线性回归方法实现对烟叶中钙、镁的快速定量分析。设计了混合的建模策略将500个烟叶样本划分多个校正集和验证集,主成分分析-马氏距离方法用于选择建模样本,蒙特卡洛交互验证在多元散射校正、标准正态变量变换(SNV)、Savitzky-Golay平滑、求导、去趋势算法和标准化等多种算法及其组合中选择最佳的光谱预处理方法并优化光谱波长范围,多层网格搜索和十折交互验证确定LS-SVM 模型的核函数参数σ2和正则化参数λ。最终使用LS-SVM 分别建立钙和镁的定量模型,光谱预处理均选用SNV。钙元素的LS-SVM模型校正集决定系数R2c 为0.9755,外部验证集决定系数R2p 为0.9422;镁元素的 R2c 为0.9961,R2p 为0.9301。钙、镁的LS-SVM模型结果均优于偏最小二乘回归模型结果(R2c钙=0.9593,R2p钙=0.9344,R2c镁=0.9582,R2p镁=0.8942)。结果说明了使用近红外光谱结合LS-SVM技术准确测定烟叶中钙、镁元素是可行的。
近红外最小二乘支持向量机烟叶钙镁
-
测定了120个产自福建、安徽和云南烟草样品的近红外光谱. 在利用支持向量机(SVM)技术建立其定量、定性分析模型之前, 用小波变换技术对光谱变量进行了有效的压缩, 然后采用径向基核函数建立了75个烟草样品的分类模型, 同时建立了总糖、还原糖、烟碱和总氮4个组分的定量分析模型, 并利用45个烟草样品对模型进行了检验. 仿真实验表明, 建立的SVM分类模型分类准确率达到100%, 而4个组分的定量分析模型的预测决定系数(R2)、预测均方差(RMSEP)和平均相对误差(RME)3个指标值显示其模型泛化能力非常强, 预测效果良好, 可见这是一种有效的近红外光谱的建模分析方法.
近红外光谱支持向量机小波变换烟草
-
目的:准确快速鉴别卷烟牌号.方法:采集不同牌号卷烟的近红外光谱,通过光谱预处理方法降低干扰因素后,利用萤火虫算法(FA)优化支持向量机(SVM)参数,考察光谱预处理方法、萤火虫算法的种群数目和迭代次数对卷烟分类正确率的影响.结果:采用标准正态变量变换(SNV)结合一阶导数(1 D)方法进行近红外光谱预处理,当萤火虫种群数目为20,迭代次数为20时,优化支持向量参数可达到较好的识别效果,训练集的分类正确率为100%,测试集的分类正确率为96.67%~100.00%.结论:利用近红外光谱技术结合FA算法优化SVM可实现对卷烟牌号的准确鉴别.
近红外光谱卷烟鉴别萤火虫算法支持向量机
-
[
学位论文]作者:
赵文龙
机械设计及理论 安徽农业大学 2011(学位年度)
卷烟生产气动法烟丝分离装置烟支检测气动控制系统
-
为解决ZJ112A细支烟卷接机组无法剔除卷烟纸内部隐形拼接头的问题,研制了一种新型卷烟纸拼接头检测装置.在原机红外光电拼接头检测装置的基础上,加装专用光学透镜,将红外检测光斑直径控制在2 mm以内;加装信号处理模块,提高检测精度;加装可视化显示模块,用于实时监控红外信号的测量值.采用定制的36盘卷烟纸对检测装置进行测试,结果表明:改进后能够将换盘接头和内部隐形拼接头全部剔除,剔除率达到100%.该技术可为提高卷烟产品质量提供支持.
ZJ112A细支烟卷接机组卷烟纸隐形拼接头红外检测光学透镜
-
采用最小二乘支持向量回归(LSSVR)法和偏最小二乘回归(PLSR)法及192个烟叶样品的近红外(NIR)光谱与总糖含量的测定数据,分别建立了烟叶总糖含量的NIR预测模型,并利用这两种模型对95个烟叶样品进行了预测.结果表明:LSSVR法模型的预测误差范围为-3.08%~3.71%,预测回收率范围为90.0%~112.2%.LSSVR法模型的预测准确度比PLSR法的高.
近红外光谱化学计量学总糖最小二乘支持向量回归烟草
-
为考察支持向量机回归(SVR)在烟草近红外光谱(NIRS)分析中应用的可行性,采用偏最小二乘回归(PLS)、多元线性回归(MLR)、误差反向传播人工神经网络(BP-ANN)和SVR对187份烟草样品的NIR漫反射光谱及其淀粉含量的化学测定数据进行处理,建立了烟草中淀粉含量NIRS定标模型,并采用留一法交叉验证(LOOCV)和独立样本集对模型进行了内部和外部验证.结果表明,SVR模型的预测能力比BP-ANN、PLS和MLR模型略好.因此,可将SVR引入到烟草淀粉含量的NIR分析中.
烟草近红外光谱支持向量回归机器学习
-
0 引言
在香烟生产过程中,烟丝的水分含量直接影响产品的质量(烟支的填充值、吸味及保存期等).因此,对在线水分监控设备的准确度要求极高.为了进一步提高监控精度,青州卷烟厂将红外水分仪TM55替换为TM710,取得了很好的效果.