本文主要研究内容
作者郝勇,商庆园,饶敏,胡远（2019）在《木材种类的近红外光谱和模式识别》一文中研究指出：木材的种类识别是木材加工和贸易的一个重要环节,传统的木材种类识别方法主要有显微检测法和木材纹理识别法,其操作繁琐,耗时长,成本高,不能满足当前需求。本研究利用木材的近红外光谱（NIRS）结合模式识别方法,以期实现木材种类的快速准确识别。采用近红外光谱结合主成分分析法（PCA）、偏最小二乘判别分析法（PLSDA）和簇类独立软模式法（SIMCA）三种模式识别对58种木材进行种类鉴别研究; 5点平滑、标准正态变量变换（SNV）、多元散射校正（MSC）、 Savitzky-Golay一阶导数(SG 1st-Der)和小波导数（WD）五种光谱预处理方法用于木材光谱的预处理;校正集和测试集样品的正确识别率（CRR）用于模型的评价。采用PCA方法,通过样品的前三个主成分空间分布图分辨木材种类的聚类情况。在建立PLSDA模型,原始光谱的正确识别率最高,分别为88.2%和88.2%; 5点平滑处理的光谱校正集和测试集的CRR分别为88.1%和88.2%; SNV处理的光谱校正集和测试集的CRR分别为84.4%和84.5%; MSC处理的光谱校正集和测试集的CRR分别为83.1%和84.2%; SG 1st-Der处理的光谱校正集和测试集的CRR分别为81.8%和82.7%; WD（小波基为"Haar",分解尺度为80）处理的光谱校正集和测试集的CRR分别为87.3%和87.2%。可知,在PLSDA模型中,木材光谱未经预处理种类识别效果最后好。在建立SIMCA模型过程中,原始光谱的校正集和测试集的CRR分别为99.7%和99.4%; 5点平滑处理的光谱校正集和测试集的CRR分别为100%和100%; SNV处理的光谱校正集和测试集的CRR分别为99.5%和99.1%; MSC处理的光谱校正集和测试集的CRR分别为99.0%和98.4%; SG 1st-Der的光谱校正集和测试集的CRR分别为81.8%和82.7%; WD处理的光谱校正集和测试集的CRR分别为100%和100%。可知,在SIMCA模型中,木材光谱经平滑和小波导数处理后的识别效果最好,且光谱的校正集和测试集CRR都为100%。采用三种模式结合五种不同的预处理方法对木材近红外光谱进行定性建模识别时,由于木材样本属性复杂,主成分分布图相互交织, PCA无法识别出58种木材;原始光谱的PLSDA模型可以得到较好的判别模型,但校正集和测试集的CRR只有88.2%和88.2%;木材光谱经过5点平滑或WD预处理后的SIMCA模型可达到最好的识别效果,校正集和测试集的CRR均为100%,且WD-SIMCA模型因子数比5点平滑SIMCA模型小,模型更为简化,故WD-SIMCA为58种木材种类识别的最优模型。研究表明光谱预处理方法可以有效的提高木材种类识别精度,有监督模式识别方法SIMCA可以用来建立有效的木材识别模型,近红外光谱结合模式识别可以为木材种类的识别提供一种快速简便的分析方法。
Abstract
mu cai de chong lei shi bie shi mu cai jia gong he mao yi de yi ge chong yao huan jie ,chuan tong de mu cai chong lei shi bie fang fa zhu yao you xian wei jian ce fa he mu cai wen li shi bie fa ,ji cao zuo fan suo ,hao shi chang ,cheng ben gao ,bu neng man zu dang qian xu qiu 。ben yan jiu li yong mu cai de jin gong wai guang pu （NIRS）jie ge mo shi shi bie fang fa ,yi ji shi xian mu cai chong lei de kuai su zhun que shi bie 。cai yong jin gong wai guang pu jie ge zhu cheng fen fen xi fa （PCA）、pian zui xiao er cheng pan bie fen xi fa （PLSDA）he cu lei du li ruan mo shi fa （SIMCA）san chong mo shi shi bie dui 58chong mu cai jin hang chong lei jian bie yan jiu ; 5dian ping hua 、biao zhun zheng tai bian liang bian huan （SNV）、duo yuan san she jiao zheng （MSC）、 Savitzky-Golayyi jie dao shu (SG 1st-Der)he xiao bo dao shu （WD）wu chong guang pu yu chu li fang fa yong yu mu cai guang pu de yu chu li ;jiao zheng ji he ce shi ji yang pin de zheng que shi bie lv （CRR）yong yu mo xing de ping jia 。cai yong PCAfang fa ,tong guo yang pin de qian san ge zhu cheng fen kong jian fen bu tu fen bian mu cai chong lei de ju lei qing kuang 。zai jian li PLSDAmo xing ,yuan shi guang pu de zheng que shi bie lv zui gao ,fen bie wei 88.2%he 88.2%; 5dian ping hua chu li de guang pu jiao zheng ji he ce shi ji de CRRfen bie wei 88.1%he 88.2%; SNVchu li de guang pu jiao zheng ji he ce shi ji de CRRfen bie wei 84.4%he 84.5%; MSCchu li de guang pu jiao zheng ji he ce shi ji de CRRfen bie wei 83.1%he 84.2%; SG 1st-Derchu li de guang pu jiao zheng ji he ce shi ji de CRRfen bie wei 81.8%he 82.7%; WD（xiao bo ji wei "Haar",fen jie che du wei 80）chu li de guang pu jiao zheng ji he ce shi ji de CRRfen bie wei 87.3%he 87.2%。ke zhi ,zai PLSDAmo xing zhong ,mu cai guang pu wei jing yu chu li chong lei shi bie xiao guo zui hou hao 。zai jian li SIMCAmo xing guo cheng zhong ,yuan shi guang pu de jiao zheng ji he ce shi ji de CRRfen bie wei 99.7%he 99.4%; 5dian ping hua chu li de guang pu jiao zheng ji he ce shi ji de CRRfen bie wei 100%he 100%; SNVchu li de guang pu jiao zheng ji he ce shi ji de CRRfen bie wei 99.5%he 99.1%; MSCchu li de guang pu jiao zheng ji he ce shi ji de CRRfen bie wei 99.0%he 98.4%; SG 1st-Derde guang pu jiao zheng ji he ce shi ji de CRRfen bie wei 81.8%he 82.7%; WDchu li de guang pu jiao zheng ji he ce shi ji de CRRfen bie wei 100%he 100%。ke zhi ,zai SIMCAmo xing zhong ,mu cai guang pu jing ping hua he xiao bo dao shu chu li hou de shi bie xiao guo zui hao ,ju guang pu de jiao zheng ji he ce shi ji CRRdou wei 100%。cai yong san chong mo shi jie ge wu chong bu tong de yu chu li fang fa dui mu cai jin gong wai guang pu jin hang ding xing jian mo shi bie shi ,you yu mu cai yang ben shu xing fu za ,zhu cheng fen fen bu tu xiang hu jiao zhi , PCAmo fa shi bie chu 58chong mu cai ;yuan shi guang pu de PLSDAmo xing ke yi de dao jiao hao de pan bie mo xing ,dan jiao zheng ji he ce shi ji de CRRzhi you 88.2%he 88.2%;mu cai guang pu jing guo 5dian ping hua huo WDyu chu li hou de SIMCAmo xing ke da dao zui hao de shi bie xiao guo ,jiao zheng ji he ce shi ji de CRRjun wei 100%,ju WD-SIMCAmo xing yin zi shu bi 5dian ping hua SIMCAmo xing xiao ,mo xing geng wei jian hua ,gu WD-SIMCAwei 58chong mu cai chong lei shi bie de zui you mo xing 。yan jiu biao ming guang pu yu chu li fang fa ke yi you xiao de di gao mu cai chong lei shi bie jing du ,you jian du mo shi shi bie fang fa SIMCAke yi yong lai jian li you xiao de mu cai shi bie mo xing ,jin gong wai guang pu jie ge mo shi shi bie ke yi wei mu cai chong lei de shi bie di gong yi chong kuai su jian bian de fen xi fang fa 。
论文参考文献
论文详细介绍
论文作者分别是来自光谱学与光谱分析的郝勇,商庆园,饶敏,胡远，发表于刊物光谱学与光谱分析2019年03期论文，是一篇关于近红外光谱论文,木材种类识别论文,光谱预处理论文,偏最小二乘判别分析法论文,簇类独立软模式法论文,光谱学与光谱分析2019年03期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自光谱学与光谱分析2019年03期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：近红外光谱论文; 木材种类识别论文; 光谱预处理论文; 偏最小二乘判别分析法论文; 簇类独立软模式法论文; 光谱学与光谱分析2019年03期论文;