• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于高光譜成像技術(shù)和SVM神經(jīng)網(wǎng)絡(luò)的馬鈴薯外部損傷識別

    2014-10-28 18:14:25湯哲君湯全武張然史崇升
    湖北農(nóng)業(yè)科學(xué) 2014年15期
    關(guān)鍵詞:主成分分析

    湯哲君+湯全武+張然+史崇升

    摘要:探索利用高光譜成像技術(shù)識別馬鈴薯外部損傷的方法。對外部凍傷、機械損傷、摔傷和正常4類共162個馬鈴薯樣本進行高光譜成像試驗,對試驗得到的原始數(shù)據(jù)進行主成分分析以實現(xiàn)數(shù)據(jù)降維,從降維后的特征圖像中提取均值、標(biāo)準差、平滑度、三階矩、一致性、熵6個描繪子組成特征向量,把特征向量分別輸入貝葉斯分類器、BP神經(jīng)網(wǎng)絡(luò)和SVM神經(jīng)網(wǎng)絡(luò)3個模型進行識別,結(jié)果貝葉斯分類器模型對凍傷和機械損傷兩類馬鈴薯相互誤判嚴重,BP神經(jīng)網(wǎng)絡(luò)模型對機械損傷類馬鈴薯識別率低,而SVM神經(jīng)網(wǎng)絡(luò)模型較前兩個模型的識別率有明顯提高,是最為適合的馬鈴薯外部損傷識別模型。

    關(guān)鍵詞:高光譜成像技術(shù);馬鈴薯外部損傷;主成分分析;貝葉斯分類器;神經(jīng)網(wǎng)絡(luò)模型

    中圖分類號:S532;TN911.73 文獻標(biāo)識碼:A 文章編號:0439-8114(2014)15-3634-05

    Identifying Potato External Damage Based on Hyperspectral Image System

    and SVM Networks

    TANG Zhe-jun1,TANG Quan-wu2,ZHANG Ran1,SHI Chong-sheng1

    (1.School of Physics & Electrical Information, Ningxia University, Yinchuan 750021, China;

    2.China Mobile Group Ningxia Company Limited, Yinchuan 750002, China)

    Abstract: Identifying potato external damage using hyperspectral image system was explored. The experiment of hyperspectral image was carried out for external frostbite, mechanical damage, hurt and normal(a total of 162) potato. Principal component analysis was performed to realize data dimensionality reduction based on the original experimental data. The mean, standard deviation, smoothness, third moment, uniformity, entropy of 6 depicts extracted from the dimensionality reduction feature image were used to composite the sub-feature vector. The eigenvector was input separately to bayesian classifier, the BP neural network and SVM neural network model for identification. The results showed that bayesian classifier model seriously misjudged frostbite and mechanical damage potatoes. The recognition rate of BP neural network model was low for mechanical damage type of potato. The SVM neural network model obviously improved recognition rate among the first two models and was the most suitable model for identifying potato external damage.

    Key words: hyperspectral image system;potato external damage;principal component analysis; bayesian classifiers;neural network model

    收稿日期:2014-05-15

    基金項目:國家自然科學(xué)基金資助項目(61261044)

    作者簡介:湯哲君(1990-),女,甘肅民勤人,在讀碩士研究生,研究方向為信息處理,(電話)18595110182(電子信箱)362917459@qq.com;通訊

    作者,湯全武,副教授,主要從事信息處理和農(nóng)產(chǎn)品無損檢測研究,(電話)13909597790(電子信箱)tangqw@nxu.edu.cn。

    無損檢測領(lǐng)域的常用技術(shù)是近紅外光譜技術(shù)[1],可以檢測農(nóng)產(chǎn)品的內(nèi)外部品質(zhì),但近紅外光譜技術(shù)只提供對農(nóng)產(chǎn)品一個小區(qū)域的檢測,由于馬鈴薯等農(nóng)產(chǎn)品品質(zhì)在空間上存在差異,所以該方法對馬鈴薯外部損傷檢測還存在一定的局限。高光譜成像技術(shù)是把二維成像技術(shù)和光譜技術(shù)有機結(jié)合的先進技術(shù),以空間識別的方法獲取目標(biāo)的光譜信息,包含兩維的空間信息和一維的光譜信息,具有連續(xù)多波段、光譜分辨率高(通常精度可達2~3 nm)等特點,是多信息融合檢測果品綜合品質(zhì)的首選技術(shù)[2]。

    目前,國內(nèi)對高光譜成像技術(shù)的研究剛起步,在馬鈴薯品質(zhì)預(yù)測模型建立方面的研究更為稀少,本文要識別的馬鈴薯外部損傷為凍傷、機械損傷和摔傷,首先對凍傷、機械損傷、摔傷和正常馬鈴薯進行高光譜成像試驗,接著對得到的原始高光譜圖像數(shù)據(jù)立方體進行主成分分析以達到降維的目的,最后分別建立貝葉斯分類器模型、BP神經(jīng)網(wǎng)絡(luò)模型和SVM神經(jīng)網(wǎng)絡(luò)模型對4種馬鈴薯進行識別,選出最優(yōu)識別模型。endprint

    1 馬鈴薯外部損傷的高光譜成像試驗與數(shù)據(jù)處理

    1.1 試驗材料

    試驗在寧夏大學(xué)農(nóng)學(xué)院食品機械與工程實驗室進行。試驗樣品采自寧夏回族自治區(qū)銀川市同心路農(nóng)貿(mào)市場。馬鈴薯品種為棵新10號,其中凍傷馬鈴薯樣本40個,機械損傷馬鈴薯樣本42個,摔傷馬鈴薯樣本40個,正常馬鈴薯樣本40個,共162個馬鈴薯樣本。

    1.2 試驗設(shè)備及其參數(shù)設(shè)置

    采用美國Headwall公司生產(chǎn)的(光譜范圍400~1 000 nm)高光譜成像儀進行圖像采集。光譜儀光譜范圍為400~1 000 nm,光譜分辨率2.8 nm。

    根據(jù)測量物品性質(zhì),確定試驗參數(shù)為:物距約為270 mm,成像光譜儀的曝光時間為5 ms,掃描線實際長度為140 mm,樣本表面平均照度為27 333 lx,掃描時的電機步距為150 μm。數(shù)據(jù)采集時,線陣探測器在光學(xué)焦平面的垂直方向做橫向掃面,從而獲取所掃描空間中每個像素在整個光譜區(qū)域的光譜信息,與此同時樣本在輸送裝置的作用下做垂直于攝像機的縱向移動,最終完成整個馬鈴薯樣本圖像的采集。所采集到的圖像塊既包含有特定像素的光譜信息也具有特定波段下的圖像信息。

    1.3 圖像采集與數(shù)據(jù)獲取

    采用美國NI公司生產(chǎn)的CD-1079 LABVIEW型高光譜圖像采集軟件和Andor Luca相機軟件,高光譜圖像采集過程為:先把各種外部損傷馬鈴薯樣本做清潔處理。再為每個試驗馬鈴薯貼標(biāo)簽,注明損傷類型與編號,并為每個馬鈴薯拍照。最后每個馬鈴薯依次進行高光譜成像試驗,得到高光譜圖像數(shù)據(jù)立方體和光譜數(shù)據(jù)。部分高光譜圖片如圖1至圖8所示。每個馬鈴薯樣本的試驗數(shù)據(jù)為一個文件類型數(shù)據(jù)文件和一個后綴為.hdr的文件。

    1.4 圖像預(yù)處理

    高光譜成像儀采集的馬鈴薯樣品原始圖像數(shù)據(jù)立方體數(shù)據(jù)量非常龐大,由于在高光譜成像儀全波段范圍內(nèi)每隔2.8 nm取一幅圖像,在帶來全面精確的圖像信息的同時,也使得圖像間的信息相關(guān)性很高,信息冗余度很大。所以,原始高光譜圖像數(shù)據(jù)不適合直接代入模型進行判別,而要對其進行預(yù)處理。此次使用ENVI 4.7軟件中的主成分分析法[3,4]對每一個馬鈴薯樣本的高光譜圖像數(shù)據(jù)立方體作全波段(468~1 000 nm)的主成分分析,也即對圖像數(shù)據(jù)立方體降維,選出對感興趣區(qū)域特征明顯的主成分圖像。具體步驟與分析為:

    在ENVI 4.7軟件下對每個馬鈴薯樣本的高光譜圖像數(shù)據(jù)立方體做全波段(468~1 000 nm)主成分分析,首先,發(fā)現(xiàn)原始高光譜圖像數(shù)據(jù)立方體中的背景占有相當(dāng)比例的圖像面積(如圖1至圖8),而這些背景對分析處理沒有價值,所以在做主成分分析前先盡可能去掉周邊背景。

    其次,發(fā)現(xiàn)所有馬鈴薯樣本原始高光譜圖像數(shù)據(jù)立方體中400~467 nm這段波長范圍的圖像噪聲比較大,這是實驗設(shè)備的固有品質(zhì)造成的,所以舍棄這段波長,對所有馬鈴薯樣本原始高光譜圖像數(shù)據(jù)立方體從468~1 000 nm作主成分分析。

    最后,經(jīng)過主成分分析發(fā)現(xiàn)凍傷類、機械損傷類馬鈴薯樣本的第2主成分圖像在損傷區(qū)域特征明顯,正常類馬鈴薯樣本的第1主成分圖像在損傷區(qū)域特征明顯,摔傷類馬鈴薯樣本的第4主成分圖像在損傷區(qū)域特征明顯。

    所以,最終選定凍傷類(圖9)、機械損傷類(圖10)馬鈴薯樣本的第2主成分圖像為該類的特征圖像,正常類馬鈴薯樣本的第1主成分圖像(圖11)為該類的特征圖像,摔傷類馬鈴薯樣本的第4主成分圖像(圖12)為該類的特征圖像。

    2 模型建立

    使用MATLAB 2011b軟件分別編程建立貝葉斯分類器模型、BP神經(jīng)網(wǎng)絡(luò)模型和SVM神經(jīng)網(wǎng)絡(luò)模型對4種馬鈴薯進行識別,輸入模型的特征圖像為8位無符號整形灰度圖像。

    2.1 采用貝葉斯分類器建立模型

    最優(yōu)統(tǒng)計分類器中的貝葉斯分類器[5,6]有如下形式的決策函數(shù):

    dj(X)=P(X/ωj)P(ωj) j=1,2,…,W (1)

    式中,p(X/ωj)是類ωj的模式向量的概率密度函數(shù)(PDF),P(ωj)是類ωj發(fā)生的概率。給定一個未知的模式向量Xi,其過程是計算全部W個決策函數(shù),然后將該模式歸到?jīng)Q策函數(shù)最大的那一類中去。

    此次設(shè)定概率密度函數(shù)為高斯概率密度函數(shù)。將高斯概率密度函數(shù)代入公式(1),得到如下形式的決策函數(shù):

    dj(X)=lnP(ωj)-lnCj-[(X-mj)TC(X-mj)] (2)

    式中,j=1,2,…,W??梢钥闯?,方括號內(nèi)的項是Mahalanobis距離,此距離越小,dj(X)的值越大,說明模式Xi屬于第j類的可能性越大。

    模型中用來識別分類馬鈴薯的模式向量X中的參量(描繪子)[7]分別為:均值、標(biāo)準差、平滑度、三階矩、一致性、熵。

    在Matlab軟件中建立bayesgauss函數(shù),function d=bayesgauss(X, CA, MA, P),輸入?yún)⒘縓為k行n列的模式矩陣,k為要識別的樣本數(shù),特征矩陣中的每一行為一個樣本的模式向量,所以n為模式向量中的描繪子數(shù)。CA為n×n×W的協(xié)方差矩陣,模式矩陣中的n列向量相互做協(xié)方差生成協(xié)方差矩陣,所以n為描繪子數(shù),W為要識別的類別數(shù)。MA為n行W列的均值矩陣,對模式矩陣中的每一列求均值,生成均值行向量,轉(zhuǎn)置后把W類模式矩陣生成的均值向量按行排列,即為MA。P為每類樣本出現(xiàn)的概率,如果省略則默認為每類樣本出現(xiàn)的概率相等。輸出參量d為k行1列的向量,每行的值表示X中對應(yīng)行的樣本屬于哪一類。

    基于貝葉斯分類器模型的樣本特征圖像識別結(jié)果如表1所示。

    2.2 采用BP神經(jīng)網(wǎng)絡(luò)建立模型

    BP-ANN是由輸入層、隱含層和輸出層組成的前饋神經(jīng)網(wǎng)絡(luò),它的特點是信號前向傳遞,誤差反向傳播[8,9]。BP-ANN的基本思想是:在信號前向傳遞中,輸入信號從輸入層輸入BP-ANN,經(jīng)過隱含層逐層處理后進入輸出層;若輸出層輸出的結(jié)果不是期望的輸出結(jié)果,則由信號前向傳遞轉(zhuǎn)入誤差反向傳播,將輸出層誤差反向傳播回去并借以修正網(wǎng)絡(luò)權(quán)值和閾值,使BP-ANN預(yù)測輸出結(jié)果不斷逼近期望的輸出結(jié)果。BP-ANN的拓撲結(jié)構(gòu)如圖13所示。endprint

    在圖13中,X1,X2,…,Xn是BP-ANN輸入值;Y1,Y2,…,Ym是BP-ANN預(yù)測輸出值;和是BP-ANN權(quán)值。由圖13可看出,BP-ANN可以看成一個非線性函數(shù),網(wǎng)絡(luò)輸入值和預(yù)測輸出值分別為該非線性函數(shù)的自變量和因變量。設(shè)BP-ANN的輸入層、隱含層和輸出層分別有n、k和m個節(jié)點,則BP-ANN結(jié)構(gòu)為n-k-m。和上述模型一致,依舊選用均值、標(biāo)準差、平滑度、三階矩、一致性、熵6個描繪子組成的向量來作為每個樣本的輸入數(shù)據(jù)。在MATLAB分析軟件中,實現(xiàn)BP-ANN主要用到newff、train和sim三個神經(jīng)網(wǎng)絡(luò)函數(shù),各函數(shù)調(diào)用格式如下:

    1)newff(BP-ANN參數(shù)設(shè)置函數(shù))功能是構(gòu)建一個BP-ANN,其調(diào)用格式為:

    net=newff(P,T,S,TF,BTF,BLF,PF,IPF,OPF,DDF)

    式中,P為輸入數(shù)據(jù),T為輸出數(shù)據(jù),S為隱含層的節(jié)點數(shù),TF為節(jié)點傳遞函數(shù),BTF為訓(xùn)練函數(shù),BLF為網(wǎng)絡(luò)學(xué)習(xí)函數(shù)。在使用時,一般只設(shè)置前面6個參數(shù),后面4個參數(shù)均使用系統(tǒng)的默認參數(shù)。

    2)train(BP-ANN訓(xùn)練函數(shù))功能是用訓(xùn)練數(shù)據(jù)來訓(xùn)練BP-ANN,其調(diào)用格式為:

    [net,tr]=train(NET,X,T,Pi,Ai)

    式中,NET是待訓(xùn)練的網(wǎng)絡(luò),X是輸入數(shù)據(jù),T是輸出數(shù)據(jù),net是訓(xùn)練好的BP-ANN,tr是訓(xùn)練過程記錄。在使用時,一般只設(shè)置前面3個參數(shù),后面兩個參數(shù)均使用系統(tǒng)的默認參數(shù)。

    3)sim(BP-ANN預(yù)測函數(shù))功能是用已經(jīng)訓(xùn)練好的BP-ANN預(yù)測函數(shù)輸出,其調(diào)用格式為:

    y=sim(net,x)

    式中,net是已經(jīng)訓(xùn)練好的網(wǎng)絡(luò),x是輸入數(shù)據(jù),y是BP-ANN預(yù)測數(shù)據(jù)。

    基于BP神經(jīng)網(wǎng)絡(luò)模型的樣本特征圖像識別結(jié)果如表2所示。

    2.3 采用SVM神經(jīng)網(wǎng)絡(luò)建立模型

    支持向量機[10,11](Support Vector Machine, 簡稱SVM)理論基礎(chǔ)是由Vapnik和Chemielewaski提出的,它可用于模式分類和非線性回歸。SVM是一種實現(xiàn)結(jié)構(gòu)風(fēng)險最小化原則的分類技術(shù),它具有出色的小樣本學(xué)習(xí)性能和良好的泛化性能,與傳統(tǒng)人工神經(jīng)網(wǎng)絡(luò)法相比,它具有在小樣本下高精度地逼近函數(shù)的能力,并且可以避免維數(shù)災(zāi)難,具有一定的工程實用價值。支持向量機實現(xiàn)的是如下思想:它通過某種事先選擇非線性映射將輸入向量x映射到一個高維特征空間,在這個空間構(gòu)造最優(yōu)分類超平面,如圖14所示,Q(.)為非線性映射函數(shù)。SVM的體系結(jié)構(gòu)如圖15所示。

    在圖15中,K為核函數(shù),其種類主要有:線性核函數(shù)、多項式核函數(shù)、徑向基核函數(shù)和兩層感知器核函數(shù)。和上述兩種模型一致,依舊選用均值、標(biāo)準差、平滑度、三階矩、一致性、熵6個描繪子組成的向量作為每個樣本的屬性。

    選取libsvm工具箱實現(xiàn)SVM神經(jīng)網(wǎng)絡(luò)。libsvm工具箱主要函數(shù)是svmtrain和svmpredict,各函數(shù)調(diào)用格式如下:

    1)svmtrain(訓(xùn)練函數(shù))功能是用于訓(xùn)練一個SVM神經(jīng)網(wǎng)絡(luò),其調(diào)用格式為:

    model=svmtrain(labels_train,input_train,cmd)

    式中,labels_train為校正集的標(biāo)簽;input_train為校正集的屬性;cmd為一些選項參數(shù);model為訓(xùn)練得到的SVM神經(jīng)網(wǎng)絡(luò)(分類模型)。

    2)svmpredict(預(yù)測函數(shù))功能是用訓(xùn)練好的SVM神經(jīng)網(wǎng)絡(luò)預(yù)測輸出,其調(diào)用格式為:

    [predict_label,accuracy]=svmpredict(labels_test,inputn_test,model,cmd)

    式中,labels_test為預(yù)測集的標(biāo)簽;i inputn_test為預(yù)測集的屬性;model為訓(xùn)練得到的分類模型;cmd為一些選項參數(shù);predict_label為預(yù)測得到的輸出值;accuracy為分類準確率。

    馬鈴薯SVM外部損傷鑒別模型圖如圖16所示。

    基于BP神經(jīng)網(wǎng)絡(luò)模型的樣本特征圖像識別結(jié)果如表3所示。

    3 小結(jié)

    使用全方面、高精度表現(xiàn)被測樣本的高光譜成像技術(shù),同時分別建立貝葉斯分類器模型、BP神經(jīng)網(wǎng)絡(luò)模型和SVM神經(jīng)網(wǎng)絡(luò)模型對馬鈴薯外部損傷進行識別。首先對每個樣本進行高光譜成像,接著對得到的原始高光譜圖像數(shù)據(jù)立方體進行主成分分析,即圖像數(shù)據(jù)降維,得到每個樣本的特征圖像,最后從每幅特征圖像中得到由均值、標(biāo)準差、平滑度、三階矩、一致性、熵6個描繪子組成的特征向量, 把特征向量輸入模型, 得到相應(yīng)的識別結(jié)果。試驗結(jié)果表明,貝葉斯分類器模型對凍傷類馬鈴薯識別率較低,僅為50%,另外50%樣本全部誤判為機械損傷類,而對機械損傷類識別時出現(xiàn)的3個誤判也全部誤判為凍傷類,可見本模型對這兩類外部損傷相互誤判嚴重。BP神經(jīng)網(wǎng)絡(luò)模型較前述貝葉斯分類器模型對正常類馬鈴薯的識別率提高,但對機械損傷類馬鈴薯的識別率下降。SVM神經(jīng)網(wǎng)絡(luò)模型較前兩個模型的識別率有明顯提高,表現(xiàn)出出色的小樣本學(xué)習(xí)性能和良好的泛化性能,可見SVM神經(jīng)網(wǎng)絡(luò)模型的識別效果最好。

    參考文獻:

    [1] DOU Y, MI H, ZHAO L, et al. Radial basis function neural networks in non-destructive determination of compound aspirin tablets on NIR spectroscopy[J]. Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy,2006,65:79-83.endprint

    [2] 洪添勝,李 震,吳春胤,等.高光譜圖像技術(shù)在水果品質(zhì)無損檢測中的應(yīng)用[J].農(nóng)業(yè)工程學(xué)報,2007,23(11):280-285.

    [3] 李江波,饒秀勤,應(yīng)義斌,等.基于高光譜成像技術(shù)檢測臍橙潰瘍[J].農(nóng)業(yè)工程學(xué)報,2010,26(8):222-228.

    [4] ARIANA D P,LU R. Evaluation of internal defect and surface color of whole pickles using hyperspectral imaging[J].Journal of Food Engineering, 2010, 96(4):583-590.

    [5] 王利民,李雄飛,張海龍.基于廣義信息論的貝葉斯分類器動態(tài)建模[J].吉林大學(xué)學(xué)報(工學(xué)版),2009,39(3):776-780.

    [6] 董立巖,苑森淼,劉光遠,等.基于貝葉斯分類器的圖像分類[J].吉林大學(xué)學(xué)報(理學(xué)版),2007,45(2):249-253.

    [7] 張 然.基于高光譜成像技術(shù)的馬鈴薯外部損傷識別研究[D].銀川:寧夏大學(xué),2013.

    [8] 王遵義,邵詠妮.基于小波變換和神經(jīng)網(wǎng)絡(luò)的可見-近紅外光譜對煙草品種的鑒別[J].浙江大學(xué)學(xué)報(農(nóng)業(yè)與生命科學(xué)版),2009,35(6):655-658.

    [9] 毛 健,趙紅東,姚婧婧.人工神經(jīng)網(wǎng)絡(luò)的發(fā)展及應(yīng)用[J].電子設(shè)計工程,2011,19(24):62-65.

    [10] SUN T, LIN H J, XU H R, et al. Effect of fruit moving speed on predicting soluble solids content of‘Cuiguanpears (Pomaceae pyrifolia nakai cv. cuiguan) using PLS and LS-SVM regression[J].Postharvest Biology and Technology,2009, 51:86-90.

    [11] 吳桂芳,何 勇.基于主成分分析和支持向量機的山羊絨原料品種鑒別分析[J].光譜學(xué)與光譜分析,2009,29(6):1541-1544.endprint

    [2] 洪添勝,李 震,吳春胤,等.高光譜圖像技術(shù)在水果品質(zhì)無損檢測中的應(yīng)用[J].農(nóng)業(yè)工程學(xué)報,2007,23(11):280-285.

    [3] 李江波,饒秀勤,應(yīng)義斌,等.基于高光譜成像技術(shù)檢測臍橙潰瘍[J].農(nóng)業(yè)工程學(xué)報,2010,26(8):222-228.

    [4] ARIANA D P,LU R. Evaluation of internal defect and surface color of whole pickles using hyperspectral imaging[J].Journal of Food Engineering, 2010, 96(4):583-590.

    [5] 王利民,李雄飛,張海龍.基于廣義信息論的貝葉斯分類器動態(tài)建模[J].吉林大學(xué)學(xué)報(工學(xué)版),2009,39(3):776-780.

    [6] 董立巖,苑森淼,劉光遠,等.基于貝葉斯分類器的圖像分類[J].吉林大學(xué)學(xué)報(理學(xué)版),2007,45(2):249-253.

    [7] 張 然.基于高光譜成像技術(shù)的馬鈴薯外部損傷識別研究[D].銀川:寧夏大學(xué),2013.

    [8] 王遵義,邵詠妮.基于小波變換和神經(jīng)網(wǎng)絡(luò)的可見-近紅外光譜對煙草品種的鑒別[J].浙江大學(xué)學(xué)報(農(nóng)業(yè)與生命科學(xué)版),2009,35(6):655-658.

    [9] 毛 健,趙紅東,姚婧婧.人工神經(jīng)網(wǎng)絡(luò)的發(fā)展及應(yīng)用[J].電子設(shè)計工程,2011,19(24):62-65.

    [10] SUN T, LIN H J, XU H R, et al. Effect of fruit moving speed on predicting soluble solids content of‘Cuiguanpears (Pomaceae pyrifolia nakai cv. cuiguan) using PLS and LS-SVM regression[J].Postharvest Biology and Technology,2009, 51:86-90.

    [11] 吳桂芳,何 勇.基于主成分分析和支持向量機的山羊絨原料品種鑒別分析[J].光譜學(xué)與光譜分析,2009,29(6):1541-1544.endprint

    [2] 洪添勝,李 震,吳春胤,等.高光譜圖像技術(shù)在水果品質(zhì)無損檢測中的應(yīng)用[J].農(nóng)業(yè)工程學(xué)報,2007,23(11):280-285.

    [3] 李江波,饒秀勤,應(yīng)義斌,等.基于高光譜成像技術(shù)檢測臍橙潰瘍[J].農(nóng)業(yè)工程學(xué)報,2010,26(8):222-228.

    [4] ARIANA D P,LU R. Evaluation of internal defect and surface color of whole pickles using hyperspectral imaging[J].Journal of Food Engineering, 2010, 96(4):583-590.

    [5] 王利民,李雄飛,張海龍.基于廣義信息論的貝葉斯分類器動態(tài)建模[J].吉林大學(xué)學(xué)報(工學(xué)版),2009,39(3):776-780.

    [6] 董立巖,苑森淼,劉光遠,等.基于貝葉斯分類器的圖像分類[J].吉林大學(xué)學(xué)報(理學(xué)版),2007,45(2):249-253.

    [7] 張 然.基于高光譜成像技術(shù)的馬鈴薯外部損傷識別研究[D].銀川:寧夏大學(xué),2013.

    [8] 王遵義,邵詠妮.基于小波變換和神經(jīng)網(wǎng)絡(luò)的可見-近紅外光譜對煙草品種的鑒別[J].浙江大學(xué)學(xué)報(農(nóng)業(yè)與生命科學(xué)版),2009,35(6):655-658.

    [9] 毛 健,趙紅東,姚婧婧.人工神經(jīng)網(wǎng)絡(luò)的發(fā)展及應(yīng)用[J].電子設(shè)計工程,2011,19(24):62-65.

    [10] SUN T, LIN H J, XU H R, et al. Effect of fruit moving speed on predicting soluble solids content of‘Cuiguanpears (Pomaceae pyrifolia nakai cv. cuiguan) using PLS and LS-SVM regression[J].Postharvest Biology and Technology,2009, 51:86-90.

    [11] 吳桂芳,何 勇.基于主成分分析和支持向量機的山羊絨原料品種鑒別分析[J].光譜學(xué)與光譜分析,2009,29(6):1541-1544.endprint

    猜你喜歡
    主成分分析
    Categorizing Compiler Error Messages with Principal Component Analysis
    計算機教育(2016年8期)2016-12-24 10:38:04
    關(guān)于AI上市公司發(fā)展水平評價
    大學(xué)生創(chuàng)業(yè)自我效能感結(jié)構(gòu)研究
    塔里木河流域水資源承載力變化及其驅(qū)動力分析
    我國上市商業(yè)銀行信貸資產(chǎn)證券化效應(yīng)實證研究
    時代金融(2016年29期)2016-12-05 15:41:07
    基于NAR模型的上海市房產(chǎn)稅規(guī)模預(yù)測
    主成分分析法在大學(xué)英語寫作評價中的應(yīng)用
    江蘇省客源市場影響因素研究
    SPSS在環(huán)境地球化學(xué)中的應(yīng)用
    考試周刊(2016年84期)2016-11-11 23:57:34
    長沙建設(shè)國家中心城市的瓶頸及其解決路徑
    av天堂中文字幕网| 又爽又黄无遮挡网站| 白带黄色成豆腐渣| 女的被弄到高潮叫床怎么办| 亚洲高清免费不卡视频| 18禁在线播放成人免费| 视频中文字幕在线观看| 欧美日韩在线观看h| 纵有疾风起免费观看全集完整版 | h日本视频在线播放| 亚洲精品久久久久久婷婷小说 | 九九热线精品视视频播放| 男的添女的下面高潮视频| av.在线天堂| 精品国内亚洲2022精品成人| 一级黄片播放器| 最后的刺客免费高清国语| 爱豆传媒免费全集在线观看| 自拍偷自拍亚洲精品老妇| 国产极品精品免费视频能看的| a级一级毛片免费在线观看| 国产精品电影一区二区三区| 免费观看精品视频网站| 亚洲av不卡在线观看| 国产精品久久久久久av不卡| 综合色av麻豆| 国产私拍福利视频在线观看| 日韩一本色道免费dvd| 91久久精品电影网| 午夜福利高清视频| 午夜福利高清视频| 最近中文字幕2019免费版| 尾随美女入室| 99热这里只有是精品50| 国产精品久久久久久久久免| 天美传媒精品一区二区| 久久综合国产亚洲精品| 校园人妻丝袜中文字幕| 搡老妇女老女人老熟妇| 国产高清有码在线观看视频| 精品免费久久久久久久清纯| 91在线精品国自产拍蜜月| 一区二区三区四区激情视频| 日韩制服骚丝袜av| 亚洲精品亚洲一区二区| 内射极品少妇av片p| 亚洲国产精品久久男人天堂| 一区二区三区乱码不卡18| 毛片一级片免费看久久久久| 国产亚洲av片在线观看秒播厂 | 中文字幕熟女人妻在线| 欧美激情在线99| av女优亚洲男人天堂| 国产亚洲一区二区精品| 可以在线观看毛片的网站| 天天一区二区日本电影三级| 午夜日本视频在线| 国产欧美另类精品又又久久亚洲欧美| 一区二区三区四区激情视频| 国产黄色视频一区二区在线观看 | 国产免费男女视频| 亚洲av二区三区四区| 中文天堂在线官网| 最近最新中文字幕免费大全7| 亚洲国产精品专区欧美| 在线观看美女被高潮喷水网站| 最近手机中文字幕大全| 中文字幕亚洲精品专区| 精品久久久久久久人妻蜜臀av| 精品酒店卫生间| 三级国产精品欧美在线观看| 免费不卡的大黄色大毛片视频在线观看 | 秋霞伦理黄片| 欧美三级亚洲精品| 久久精品国产自在天天线| 97超视频在线观看视频| 久久午夜福利片| 国产视频内射| 看片在线看免费视频| 亚洲经典国产精华液单| 国产 一区精品| 久久精品影院6| 少妇裸体淫交视频免费看高清| 男插女下体视频免费在线播放| 成人鲁丝片一二三区免费| 亚洲在线观看片| 国产免费男女视频| 日韩欧美精品v在线| 五月伊人婷婷丁香| 中文精品一卡2卡3卡4更新| 国产黄色小视频在线观看| 国产片特级美女逼逼视频| 内地一区二区视频在线| 国产午夜精品一二区理论片| 午夜日本视频在线| 亚洲国产欧美人成| 美女cb高潮喷水在线观看| 成人鲁丝片一二三区免费| 欧美潮喷喷水| 国产午夜福利久久久久久| 日本色播在线视频| 精品一区二区免费观看| 纵有疾风起免费观看全集完整版 | 国产精品一区二区在线观看99 | 淫秽高清视频在线观看| 免费播放大片免费观看视频在线观看 | 国产精品久久电影中文字幕| 亚洲欧美日韩高清专用| 两个人视频免费观看高清| 久久人人爽人人爽人人片va| 亚洲精品影视一区二区三区av| 国产麻豆成人av免费视频| 精品久久久久久久久久久久久| 免费看光身美女| 成人亚洲欧美一区二区av| 欧美最新免费一区二区三区| 免费观看性生交大片5| 日本一二三区视频观看| 国产精品永久免费网站| a级一级毛片免费在线观看| av福利片在线观看| 国产三级在线视频| 久久综合国产亚洲精品| 免费看av在线观看网站| 久久久国产成人免费| 国产精品久久久久久av不卡| 视频中文字幕在线观看| 国产视频首页在线观看| 日韩欧美三级三区| 91精品伊人久久大香线蕉| 麻豆乱淫一区二区| 欧美日本视频| 久久欧美精品欧美久久欧美| 色综合站精品国产| 一卡2卡三卡四卡精品乱码亚洲| .国产精品久久| 精品午夜福利在线看| 午夜爱爱视频在线播放| 国产毛片a区久久久久| 亚洲欧洲国产日韩| av女优亚洲男人天堂| 午夜免费男女啪啪视频观看| 欧美日本亚洲视频在线播放| 日韩成人av中文字幕在线观看| 最近2019中文字幕mv第一页| 午夜精品一区二区三区免费看| 亚洲在线自拍视频| 国产成人精品久久久久久| 美女国产视频在线观看| 男人的好看免费观看在线视频| 国产乱人偷精品视频| 精品酒店卫生间| 精华霜和精华液先用哪个| 国产视频首页在线观看| 成人二区视频| 国产黄片美女视频| 精品一区二区免费观看| av国产久精品久网站免费入址| 蜜桃久久精品国产亚洲av| 欧美激情国产日韩精品一区| 最新中文字幕久久久久| 97热精品久久久久久| 欧美成人午夜免费资源| 夜夜看夜夜爽夜夜摸| 国产私拍福利视频在线观看| 亚洲国产色片| 免费观看精品视频网站| 日日啪夜夜撸| 精品免费久久久久久久清纯| 99热精品在线国产| 亚洲欧美精品自产自拍| 国产亚洲午夜精品一区二区久久 | 亚洲精华国产精华液的使用体验| 国产真实伦视频高清在线观看| 欧美性感艳星| 99久久人妻综合| 波野结衣二区三区在线| 国产欧美另类精品又又久久亚洲欧美| 乱系列少妇在线播放| 老师上课跳d突然被开到最大视频| 毛片一级片免费看久久久久| 免费观看精品视频网站| 亚洲在线观看片| 国产精品99久久久久久久久| 国产亚洲av片在线观看秒播厂 | 亚洲最大成人av| 秋霞在线观看毛片| 免费看光身美女| 少妇人妻一区二区三区视频| 免费搜索国产男女视频| 国产在视频线在精品| 别揉我奶头 嗯啊视频| 一个人看视频在线观看www免费| 只有这里有精品99| 国产精品爽爽va在线观看网站| 热99re8久久精品国产| 大又大粗又爽又黄少妇毛片口| 天堂中文最新版在线下载 | 免费观看人在逋| 干丝袜人妻中文字幕| kizo精华| 亚洲精品乱码久久久久久按摩| 日韩欧美三级三区| 禁无遮挡网站| 美女cb高潮喷水在线观看| 丝袜美腿在线中文| 伊人久久精品亚洲午夜| 尾随美女入室| 纵有疾风起免费观看全集完整版 | 日韩一区二区视频免费看| 成年女人看的毛片在线观看| 菩萨蛮人人尽说江南好唐韦庄 | 午夜福利在线观看吧| 亚洲美女搞黄在线观看| 中文亚洲av片在线观看爽| 免费电影在线观看免费观看| 99久国产av精品国产电影| 黄色欧美视频在线观看| 亚洲精品乱码久久久久久按摩| 99九九线精品视频在线观看视频| 最近2019中文字幕mv第一页| 日本熟妇午夜| 国产私拍福利视频在线观看| 国产成人aa在线观看| 欧美变态另类bdsm刘玥| 亚洲精品久久久久久婷婷小说 | 亚洲欧美一区二区三区国产| 赤兔流量卡办理| 只有这里有精品99| 天美传媒精品一区二区| 午夜福利成人在线免费观看| .国产精品久久| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 99视频精品全部免费 在线| 国产私拍福利视频在线观看| 国产麻豆成人av免费视频| 精品少妇黑人巨大在线播放 | 三级毛片av免费| 日韩欧美在线乱码| 精品国产三级普通话版| 亚洲国产色片| 国内精品一区二区在线观看| 高清日韩中文字幕在线| av卡一久久| 精品久久久噜噜| 午夜福利高清视频| 日本av手机在线免费观看| 亚洲人成网站在线播| 岛国毛片在线播放| 精品午夜福利在线看| 免费黄色在线免费观看| 欧美人与善性xxx| 草草在线视频免费看| 日韩高清综合在线| 午夜免费男女啪啪视频观看| 看非洲黑人一级黄片| 毛片女人毛片| 伊人久久精品亚洲午夜| 国产精品一区二区三区四区久久| 久久精品国产99精品国产亚洲性色| 国产精品国产高清国产av| 久久婷婷人人爽人人干人人爱| 午夜福利在线观看吧| 免费人成在线观看视频色| 久久99蜜桃精品久久| av卡一久久| 免费观看精品视频网站| 少妇人妻一区二区三区视频| 亚洲国产色片| 成人高潮视频无遮挡免费网站| 亚洲综合色惰| 亚洲成人久久爱视频| 内射极品少妇av片p| 亚洲av成人精品一二三区| 国产视频内射| 午夜免费男女啪啪视频观看| 麻豆国产97在线/欧美| 国产av一区在线观看免费| 国产 一区精品| 最近的中文字幕免费完整| 99视频精品全部免费 在线| 最近中文字幕高清免费大全6| 久久这里有精品视频免费| 美女国产视频在线观看| 直男gayav资源| 国产午夜精品久久久久久一区二区三区| 国产真实乱freesex| 国产高清不卡午夜福利| 亚洲高清免费不卡视频| 亚洲国产精品合色在线| 日韩成人av中文字幕在线观看| a级一级毛片免费在线观看| 免费不卡的大黄色大毛片视频在线观看 | 三级国产精品片| 亚洲av日韩在线播放| 美女内射精品一级片tv| 国产精品一区二区在线观看99 | 大香蕉97超碰在线| 人体艺术视频欧美日本| 欧美成人一区二区免费高清观看| 女人久久www免费人成看片 | 永久网站在线| 国内精品宾馆在线| 永久网站在线| 日韩亚洲欧美综合| 午夜福利在线观看免费完整高清在| 国产免费视频播放在线视频 | 国产不卡一卡二| 能在线免费观看的黄片| 美女被艹到高潮喷水动态| 中文字幕免费在线视频6| 日本一本二区三区精品| 国产一级毛片七仙女欲春2| 国产精品久久久久久精品电影| 男插女下体视频免费在线播放| 国产探花在线观看一区二区| 日韩人妻高清精品专区| 日本猛色少妇xxxxx猛交久久| 免费黄色在线免费观看| 天天一区二区日本电影三级| 日韩制服骚丝袜av| 国产老妇伦熟女老妇高清| 中文字幕av在线有码专区| 深夜a级毛片| 插阴视频在线观看视频| 久久人妻av系列| 午夜福利在线在线| 精品免费久久久久久久清纯| 亚洲国产精品久久男人天堂| 国产午夜精品久久久久久一区二区三区| 国产美女午夜福利| 波多野结衣高清无吗| 精品一区二区三区视频在线| 欧美一区二区精品小视频在线| 国产精品嫩草影院av在线观看| 国产av码专区亚洲av| av卡一久久| 少妇高潮的动态图| 女人十人毛片免费观看3o分钟| 欧美人与善性xxx| 中国国产av一级| 亚洲精华国产精华液的使用体验| 成人漫画全彩无遮挡| 免费av观看视频| 欧美一区二区国产精品久久精品| 国产探花在线观看一区二区| 热99在线观看视频| 99热这里只有是精品在线观看| 91午夜精品亚洲一区二区三区| av卡一久久| 看片在线看免费视频| 久久人人爽人人爽人人片va| 国产激情偷乱视频一区二区| 男女国产视频网站| 亚洲无线观看免费| 综合色丁香网| 人妻制服诱惑在线中文字幕| 日日干狠狠操夜夜爽| 国产探花极品一区二区| av在线播放精品| 一个人看视频在线观看www免费| 免费观看人在逋| 久久久久久久久久成人| 久久6这里有精品| 久久久久国产网址| 少妇猛男粗大的猛烈进出视频 | 99热这里只有精品一区| 亚洲欧洲国产日韩| 国产综合懂色| 精品午夜福利在线看| 老女人水多毛片| 男女下面进入的视频免费午夜| 嘟嘟电影网在线观看| 国产 一区精品| 久久草成人影院| 久久国产乱子免费精品| 中文字幕制服av| 婷婷色综合大香蕉| 亚洲国产成人一精品久久久| 看非洲黑人一级黄片| 欧美极品一区二区三区四区| 免费av毛片视频| 色尼玛亚洲综合影院| 久久久久久久久大av| 最近最新中文字幕大全电影3| 97超视频在线观看视频| 亚洲丝袜综合中文字幕| 嫩草影院精品99| 色5月婷婷丁香| 日韩成人av中文字幕在线观看| 日韩国内少妇激情av| 久久6这里有精品| 成年版毛片免费区| 春色校园在线视频观看| ponron亚洲| 国产美女午夜福利| 国产午夜精品久久久久久一区二区三区| 干丝袜人妻中文字幕| 美女大奶头视频| 嘟嘟电影网在线观看| av国产免费在线观看| 欧美成人免费av一区二区三区| 国产一区二区在线观看日韩| 久久精品国产亚洲av天美| 国产伦精品一区二区三区视频9| 国产在线一区二区三区精 | 欧美成人精品欧美一级黄| 少妇丰满av| 亚洲国产精品国产精品| 免费不卡的大黄色大毛片视频在线观看 | 真实男女啪啪啪动态图| 久久人人爽人人爽人人片va| 97超碰精品成人国产| 成人漫画全彩无遮挡| 久久亚洲国产成人精品v| 青春草亚洲视频在线观看| 国产伦一二天堂av在线观看| 99国产精品一区二区蜜桃av| 国语自产精品视频在线第100页| 好男人视频免费观看在线| 国产精品1区2区在线观看.| av卡一久久| 一个人看的www免费观看视频| 一级毛片我不卡| 午夜福利在线观看免费完整高清在| 在线免费十八禁| 91午夜精品亚洲一区二区三区| 国产精品一二三区在线看| 免费观看a级毛片全部| 内地一区二区视频在线| 国产精品人妻久久久影院| 欧美潮喷喷水| 视频中文字幕在线观看| 在线观看66精品国产| 国内精品宾馆在线| 2022亚洲国产成人精品| 极品教师在线视频| 国产精品久久久久久精品电影| 国产成人精品一,二区| 日韩三级伦理在线观看| 一卡2卡三卡四卡精品乱码亚洲| 熟女电影av网| 久久精品91蜜桃| 男女国产视频网站| 丝袜喷水一区| 欧美日韩精品成人综合77777| 好男人在线观看高清免费视频| 精品熟女少妇av免费看| 成年av动漫网址| 久久亚洲精品不卡| 精品久久久噜噜| 噜噜噜噜噜久久久久久91| 国产精品乱码一区二三区的特点| 一本久久精品| 91午夜精品亚洲一区二区三区| 成人二区视频| 亚洲综合色惰| 午夜视频国产福利| 欧美激情在线99| 日本免费在线观看一区| 国产精品一区www在线观看| 亚洲激情五月婷婷啪啪| 亚洲av电影不卡..在线观看| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 国产精品爽爽va在线观看网站| 亚洲最大成人中文| 国产亚洲精品久久久com| 日韩人妻高清精品专区| 亚洲av不卡在线观看| 在线免费观看的www视频| 日韩一区二区视频免费看| 午夜亚洲福利在线播放| 免费无遮挡裸体视频| 禁无遮挡网站| 自拍偷自拍亚洲精品老妇| 亚洲美女搞黄在线观看| 有码 亚洲区| 熟妇人妻久久中文字幕3abv| 一边摸一边抽搐一进一小说| 午夜福利高清视频| 老司机福利观看| 亚洲一级一片aⅴ在线观看| 久久这里有精品视频免费| 日本爱情动作片www.在线观看| 九九在线视频观看精品| 99热全是精品| 色综合亚洲欧美另类图片| 一级毛片aaaaaa免费看小| 亚洲av一区综合| 99视频精品全部免费 在线| 亚洲人与动物交配视频| 亚洲欧洲国产日韩| 精品国产露脸久久av麻豆 | 国产精品一及| 亚洲图色成人| 日韩欧美精品v在线| 成人二区视频| 精品人妻视频免费看| 国产亚洲午夜精品一区二区久久 | 亚洲精品亚洲一区二区| 大香蕉97超碰在线| 日本-黄色视频高清免费观看| 午夜福利在线观看吧| 欧美激情久久久久久爽电影| 亚洲av电影在线观看一区二区三区 | 国产精品爽爽va在线观看网站| 黄色一级大片看看| 欧美色视频一区免费| 国产真实伦视频高清在线观看| 亚洲天堂国产精品一区在线| 中国国产av一级| 三级男女做爰猛烈吃奶摸视频| 国产人妻一区二区三区在| 婷婷色综合大香蕉| 联通29元200g的流量卡| 两个人视频免费观看高清| 国内精品美女久久久久久| 又爽又黄无遮挡网站| 日韩欧美三级三区| 国产成人一区二区在线| 一本久久精品| 国产午夜精品久久久久久一区二区三区| videos熟女内射| 乱人视频在线观看| 最近中文字幕2019免费版| 99热全是精品| 色吧在线观看| 日韩成人伦理影院| 最后的刺客免费高清国语| 午夜福利在线在线| 乱码一卡2卡4卡精品| 国产精品精品国产色婷婷| 亚洲成人av在线免费| 非洲黑人性xxxx精品又粗又长| 国产精品av视频在线免费观看| 国产精品野战在线观看| 国产精品久久久久久av不卡| 亚洲精品自拍成人| 久久精品国产亚洲av天美| 欧美性猛交黑人性爽| av福利片在线观看| 麻豆精品久久久久久蜜桃| 亚洲美女视频黄频| 亚洲成av人片在线播放无| 午夜老司机福利剧场| 神马国产精品三级电影在线观看| 久久精品国产亚洲av天美| 国产视频首页在线观看| 国产熟女欧美一区二区| 免费看av在线观看网站| 国产男人的电影天堂91| 伊人久久精品亚洲午夜| 成人性生交大片免费视频hd| 精品国产三级普通话版| 人人妻人人看人人澡| 能在线免费看毛片的网站| 免费看a级黄色片| 日本一本二区三区精品| av在线播放精品| 久久热精品热| 高清在线视频一区二区三区 | 成人欧美大片| 丝袜美腿在线中文| 亚洲精品自拍成人| 国产亚洲av片在线观看秒播厂 | 禁无遮挡网站| av国产免费在线观看| 欧美潮喷喷水| 欧美xxxx黑人xx丫x性爽| 自拍偷自拍亚洲精品老妇| 99热这里只有是精品50| 一个人免费在线观看电影| 国产高潮美女av| 欧美高清性xxxxhd video| 久久久久久大精品| 欧美日韩一区二区视频在线观看视频在线 | 久久亚洲精品不卡| 在线播放无遮挡| 日本欧美国产在线视频| 亚洲成人中文字幕在线播放| 国产精品野战在线观看| 丰满少妇做爰视频| 少妇人妻一区二区三区视频| 亚洲丝袜综合中文字幕| av国产久精品久网站免费入址| 中文欧美无线码| 成人一区二区视频在线观看| 午夜福利在线观看吧| 日韩欧美精品v在线| 美女被艹到高潮喷水动态| 成人无遮挡网站| 亚洲国产精品sss在线观看| 国产精品电影一区二区三区| 国模一区二区三区四区视频| 国产三级在线视频| 99热精品在线国产| 午夜福利在线观看吧| 深夜a级毛片| 免费一级毛片在线播放高清视频| 性色avwww在线观看| 五月伊人婷婷丁香| 人人妻人人看人人澡| 亚洲av免费高清在线观看| 搡女人真爽免费视频火全软件| 国产伦理片在线播放av一区| 精品一区二区三区视频在线| 精品一区二区免费观看| 日韩国内少妇激情av| 久久精品夜色国产| 黑人高潮一二区| 三级经典国产精品| 三级国产精品片| 国产精品人妻久久久影院| h日本视频在线播放| 干丝袜人妻中文字幕|