• <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
    黄色怎么调成土黄色| 久久精品国产a三级三级三级| 99国产综合亚洲精品| 国产高清激情床上av| 久久精品熟女亚洲av麻豆精品| 精品国产超薄肉色丝袜足j| 嫩草影视91久久| 老熟妇仑乱视频hdxx| 日韩一区二区三区影片| 亚洲成人免费电影在线观看| av天堂久久9| 真人做人爱边吃奶动态| 91麻豆av在线| 免费在线观看日本一区| 久久ye,这里只有精品| 在线观看舔阴道视频| 女性被躁到高潮视频| 成年人午夜在线观看视频| 狠狠精品人妻久久久久久综合| 色在线成人网| 涩涩av久久男人的天堂| 久久99热这里只频精品6学生| 久久久精品94久久精品| 一级毛片电影观看| 国产免费视频播放在线视频| 一本综合久久免费| www日本在线高清视频| 啦啦啦中文免费视频观看日本| 高潮久久久久久久久久久不卡| 在线观看免费午夜福利视频| 91麻豆精品激情在线观看国产 | 十八禁网站免费在线| 精品国产亚洲在线| 每晚都被弄得嗷嗷叫到高潮| 黑人猛操日本美女一级片| 亚洲一码二码三码区别大吗| 黄色视频,在线免费观看| 99re6热这里在线精品视频| 人妻 亚洲 视频| 欧美午夜高清在线| 自线自在国产av| 无遮挡黄片免费观看| 国产日韩欧美在线精品| 满18在线观看网站| 亚洲第一欧美日韩一区二区三区 | 国产免费av片在线观看野外av| 国产成人精品无人区| 亚洲第一欧美日韩一区二区三区 | videosex国产| 汤姆久久久久久久影院中文字幕| 亚洲成a人片在线一区二区| 两性夫妻黄色片| 老司机影院毛片| 视频在线观看一区二区三区| 女人久久www免费人成看片| 国产精品国产av在线观看| videos熟女内射| 国产高清videossex| 99香蕉大伊视频| 18禁黄网站禁片午夜丰满| 操出白浆在线播放| 在线观看免费日韩欧美大片| 99久久精品国产亚洲精品| 岛国毛片在线播放| 久久久久久久精品吃奶| 国产成人精品久久二区二区91| 亚洲av欧美aⅴ国产| 国产欧美日韩一区二区精品| 精品国产乱码久久久久久小说| 国产精品久久电影中文字幕 | 日韩 欧美 亚洲 中文字幕| 欧美日本中文国产一区发布| 19禁男女啪啪无遮挡网站| 亚洲黑人精品在线| 久热这里只有精品99| 久久av网站| 久久毛片免费看一区二区三区| av有码第一页| cao死你这个sao货| 女人精品久久久久毛片| 色播在线永久视频| 欧美激情久久久久久爽电影 | 久久亚洲精品不卡| 1024香蕉在线观看| 在线亚洲精品国产二区图片欧美| av天堂在线播放| 久久久久久久大尺度免费视频| 99久久人妻综合| 久久狼人影院| 久久久久精品人妻al黑| 国产高清激情床上av| 午夜福利免费观看在线| 久久久久久久精品吃奶| 99精国产麻豆久久婷婷| 十八禁人妻一区二区| 午夜久久久在线观看| 欧美人与性动交α欧美软件| 老熟妇仑乱视频hdxx| 男女午夜视频在线观看| 国产欧美日韩精品亚洲av| 色精品久久人妻99蜜桃| 三级毛片av免费| 国产成人精品久久二区二区91| 久久久久久亚洲精品国产蜜桃av| 日日爽夜夜爽网站| 悠悠久久av| 欧美日本中文国产一区发布| tocl精华| 淫妇啪啪啪对白视频| 亚洲精品成人av观看孕妇| 久久久久久免费高清国产稀缺| 天堂俺去俺来也www色官网| 国产精品国产av在线观看| 男女边摸边吃奶| 中文字幕色久视频| 人人澡人人妻人| 欧美日韩av久久| 精品国产亚洲在线| 免费日韩欧美在线观看| 黄色成人免费大全| 97在线人人人人妻| 日韩三级视频一区二区三区| 天天操日日干夜夜撸| a在线观看视频网站| 国产日韩欧美在线精品| 曰老女人黄片| 岛国在线观看网站| 免费在线观看视频国产中文字幕亚洲| 免费在线观看视频国产中文字幕亚洲| 在线观看免费视频日本深夜| 乱人伦中国视频| 欧美黑人精品巨大| 精品少妇黑人巨大在线播放| 另类亚洲欧美激情| 最近最新免费中文字幕在线| 在线av久久热| 国产99久久九九免费精品| 欧美性长视频在线观看| 9热在线视频观看99| 无限看片的www在线观看| 老汉色∧v一级毛片| 每晚都被弄得嗷嗷叫到高潮| 搡老岳熟女国产| 久久久欧美国产精品| 韩国精品一区二区三区| 韩国精品一区二区三区| videos熟女内射| 久久av网站| 亚洲一卡2卡3卡4卡5卡精品中文| 真人做人爱边吃奶动态| 99久久人妻综合| 捣出白浆h1v1| 久久性视频一级片| 国产高清国产精品国产三级| 九色亚洲精品在线播放| 日本黄色视频三级网站网址 | 99久久人妻综合| 日韩视频一区二区在线观看| 首页视频小说图片口味搜索| 国产成+人综合+亚洲专区| 一级a爱视频在线免费观看| 国产淫语在线视频| 中国美女看黄片| 国产在线精品亚洲第一网站| 精品国产亚洲在线| 岛国毛片在线播放| 日本一区二区免费在线视频| 高清在线国产一区| 99九九在线精品视频| 午夜精品国产一区二区电影| 久久毛片免费看一区二区三区| 国产欧美亚洲国产| 俄罗斯特黄特色一大片| 国产亚洲精品久久久久5区| 丝袜人妻中文字幕| 亚洲国产av新网站| 菩萨蛮人人尽说江南好唐韦庄| xxxhd国产人妻xxx| 亚洲中文字幕日韩| 久久精品熟女亚洲av麻豆精品| 国产高清激情床上av| 天堂中文最新版在线下载| 亚洲性夜色夜夜综合| 十八禁人妻一区二区| 99久久精品国产亚洲精品| 老司机午夜福利在线观看视频 | 美女视频免费永久观看网站| 在线观看免费视频网站a站| 成人免费观看视频高清| 亚洲av日韩精品久久久久久密| 久久精品成人免费网站| 色婷婷av一区二区三区视频| 青青草视频在线视频观看| 超碰成人久久| 亚洲全国av大片| 日本黄色日本黄色录像| 亚洲国产精品一区二区三区在线| 国产成人一区二区三区免费视频网站| 在线看a的网站| 桃红色精品国产亚洲av| 欧美久久黑人一区二区| 侵犯人妻中文字幕一二三四区| 天天影视国产精品| 人人妻人人澡人人爽人人夜夜| 性色av乱码一区二区三区2| 国产欧美日韩综合在线一区二区| 国产精品偷伦视频观看了| 19禁男女啪啪无遮挡网站| 国产在线一区二区三区精| 99re6热这里在线精品视频| 18在线观看网站| 成人三级做爰电影| 国产在线精品亚洲第一网站| 黄色怎么调成土黄色| 亚洲成人手机| 999久久久精品免费观看国产| 精品人妻1区二区| 大香蕉久久网| 亚洲国产欧美一区二区综合| 久久ye,这里只有精品| 色综合婷婷激情| 亚洲 国产 在线| 国产又爽黄色视频| 国产精品亚洲一级av第二区| 亚洲成人国产一区在线观看| 国内毛片毛片毛片毛片毛片| 男人操女人黄网站| 亚洲综合色网址| av天堂久久9| 亚洲欧美精品综合一区二区三区| 欧美 日韩 精品 国产| 亚洲久久久国产精品| 国产成人av教育| 看免费av毛片| 女同久久另类99精品国产91| 日本av免费视频播放| 在线av久久热| 激情在线观看视频在线高清 | 丝瓜视频免费看黄片| 午夜福利免费观看在线| 亚洲免费av在线视频| www日本在线高清视频| 久久久精品免费免费高清| 欧美亚洲 丝袜 人妻 在线| 人人澡人人妻人| 91字幕亚洲| 黄色视频,在线免费观看| 成年女人毛片免费观看观看9 | www.精华液| 亚洲成人免费电影在线观看| 深夜精品福利| 制服诱惑二区| 欧美日韩国产mv在线观看视频| av线在线观看网站| 俄罗斯特黄特色一大片| 亚洲成a人片在线一区二区| 亚洲va日本ⅴa欧美va伊人久久| av视频免费观看在线观看| 桃红色精品国产亚洲av| 亚洲国产欧美在线一区| 在线观看免费视频日本深夜| 天堂动漫精品| 免费在线观看黄色视频的| 国产1区2区3区精品| 纯流量卡能插随身wifi吗| 日韩欧美一区二区三区在线观看 | 久久久久久久精品吃奶| 久久热在线av| 亚洲国产成人一精品久久久| 99精国产麻豆久久婷婷| 亚洲国产中文字幕在线视频| 麻豆乱淫一区二区| 午夜福利,免费看| 后天国语完整版免费观看| 怎么达到女性高潮| 精品一区二区三区视频在线观看免费 | 一级片'在线观看视频| 亚洲av片天天在线观看| 亚洲av成人不卡在线观看播放网| 天堂动漫精品| 一边摸一边抽搐一进一小说 | 后天国语完整版免费观看| 精品免费久久久久久久清纯 | 亚洲国产欧美网| 曰老女人黄片| 新久久久久国产一级毛片| 国产免费现黄频在线看| 女警被强在线播放| 脱女人内裤的视频| 国产精品久久久久久精品古装| 国产真人三级小视频在线观看| 视频在线观看一区二区三区| xxxhd国产人妻xxx| 十八禁高潮呻吟视频| 国产av精品麻豆| 国产激情久久老熟女| 精品国产超薄肉色丝袜足j| 国产亚洲欧美在线一区二区| 成年女人毛片免费观看观看9 | 成人18禁高潮啪啪吃奶动态图| 激情视频va一区二区三区| 老司机影院毛片| 亚洲欧洲日产国产| 少妇粗大呻吟视频| 51午夜福利影视在线观看| 成人影院久久| 大型黄色视频在线免费观看| 黄频高清免费视频| 两个人看的免费小视频| av线在线观看网站| a级毛片在线看网站| 精品少妇久久久久久888优播| 女人高潮潮喷娇喘18禁视频| 麻豆av在线久日| 中文字幕高清在线视频| 亚洲成人免费av在线播放| 捣出白浆h1v1| 久久久久国产一级毛片高清牌| 精品一区二区三区视频在线观看免费 | 国产三级黄色录像| 亚洲国产欧美在线一区| 国产无遮挡羞羞视频在线观看| 免费高清在线观看日韩| 一级毛片电影观看| 日韩欧美国产一区二区入口| av超薄肉色丝袜交足视频| 国产99久久九九免费精品| 久久国产精品男人的天堂亚洲| 欧美成狂野欧美在线观看| 一本大道久久a久久精品| 91麻豆精品激情在线观看国产 | 建设人人有责人人尽责人人享有的| av欧美777| 十八禁人妻一区二区| 丁香六月欧美| 亚洲成人免费av在线播放| 中文字幕人妻丝袜一区二区| 亚洲人成电影观看| 国产精品 欧美亚洲| 国产精品久久久久成人av| 精品人妻在线不人妻| 99国产综合亚洲精品| 国产97色在线日韩免费| 国产成+人综合+亚洲专区| 他把我摸到了高潮在线观看 | 精品少妇内射三级| 老汉色∧v一级毛片| 人成视频在线观看免费观看| 欧美一级毛片孕妇| 每晚都被弄得嗷嗷叫到高潮| 19禁男女啪啪无遮挡网站| 99国产综合亚洲精品| 丰满迷人的少妇在线观看| 免费日韩欧美在线观看| 中文字幕av电影在线播放| 亚洲成人免费av在线播放| 亚洲五月婷婷丁香| www日本在线高清视频| 国产一区二区激情短视频| 法律面前人人平等表现在哪些方面| 日本黄色视频三级网站网址 | 一区二区三区精品91| 搡老熟女国产l中国老女人| 天堂动漫精品| 高清av免费在线| 精品国产亚洲在线| 一级,二级,三级黄色视频| 日韩免费高清中文字幕av| 国产一区二区激情短视频| 久久ye,这里只有精品| 国产不卡一卡二| 三级毛片av免费| 国产亚洲av高清不卡| 国产精品二区激情视频| 免费久久久久久久精品成人欧美视频| 免费黄频网站在线观看国产| 国产精品美女特级片免费视频播放器 | 精品高清国产在线一区| 精品人妻在线不人妻| 欧美成人免费av一区二区三区 | 精品久久久精品久久久| kizo精华| 国产成人欧美在线观看 | 一级黄色大片毛片| 国产成人精品在线电影| svipshipincom国产片| 一区二区三区激情视频| 国产一区二区三区综合在线观看| 在线av久久热| 日韩一区二区三区影片| 欧美日韩亚洲高清精品| 国产一区二区三区在线臀色熟女 | 大型av网站在线播放| 黄色a级毛片大全视频| 亚洲国产毛片av蜜桃av| 国产av又大| 免费日韩欧美在线观看| 日本黄色日本黄色录像| 亚洲精品乱久久久久久| 少妇粗大呻吟视频| 高清黄色对白视频在线免费看| 欧美日韩国产mv在线观看视频| 国产不卡av网站在线观看| 欧美精品av麻豆av| 亚洲久久久国产精品| 国产av国产精品国产| av有码第一页| 久久精品亚洲精品国产色婷小说| 男女免费视频国产| 少妇 在线观看| 高清毛片免费观看视频网站 | 国产成人啪精品午夜网站| 久久久精品免费免费高清| 搡老乐熟女国产| 亚洲成av片中文字幕在线观看| 日日夜夜操网爽| 人人妻人人澡人人爽人人夜夜| 美国免费a级毛片| 天堂中文最新版在线下载| 曰老女人黄片| 91国产中文字幕| 欧美亚洲日本最大视频资源| 国产成人av教育| 亚洲美女黄片视频| 法律面前人人平等表现在哪些方面| 欧美午夜高清在线| 怎么达到女性高潮| 亚洲性夜色夜夜综合| 欧美国产精品va在线观看不卡| 久久亚洲真实| 激情视频va一区二区三区| 最黄视频免费看| 99国产极品粉嫩在线观看| 狂野欧美激情性xxxx| 日韩欧美一区视频在线观看| 欧美久久黑人一区二区| 成人亚洲精品一区在线观看| 不卡av一区二区三区| av超薄肉色丝袜交足视频| 久久久精品区二区三区| 热99re8久久精品国产| 精品亚洲成a人片在线观看| 午夜激情久久久久久久| 久久av网站| 少妇猛男粗大的猛烈进出视频| 成在线人永久免费视频| 国产精品熟女久久久久浪| 免费看十八禁软件| 在线亚洲精品国产二区图片欧美| 两人在一起打扑克的视频| 国产xxxxx性猛交| 欧美精品av麻豆av| 女人久久www免费人成看片| 日韩免费高清中文字幕av| av网站免费在线观看视频| 男女高潮啪啪啪动态图| 他把我摸到了高潮在线观看 | 丝袜美腿诱惑在线| 国产精品1区2区在线观看. | av又黄又爽大尺度在线免费看| 精品一品国产午夜福利视频| 欧美久久黑人一区二区| www.999成人在线观看| 50天的宝宝边吃奶边哭怎么回事| 亚洲人成77777在线视频| 欧美 亚洲 国产 日韩一| 狠狠狠狠99中文字幕| 一边摸一边做爽爽视频免费| 午夜精品久久久久久毛片777| 新久久久久国产一级毛片| 国产精品免费大片| 99精品欧美一区二区三区四区| 真人做人爱边吃奶动态| 男女下面插进去视频免费观看| 日本黄色视频三级网站网址 | 色综合婷婷激情| 国产有黄有色有爽视频| 国产精品一区二区精品视频观看| 99香蕉大伊视频| 精品亚洲乱码少妇综合久久| 亚洲精品国产一区二区精华液| 国产精品国产av在线观看| 国产av国产精品国产| 国产亚洲精品久久久久5区| 九色亚洲精品在线播放| 欧美人与性动交α欧美精品济南到| 国产亚洲精品第一综合不卡| svipshipincom国产片| 久久久水蜜桃国产精品网| 精品久久久精品久久久| a级毛片在线看网站| 欧美日韩亚洲高清精品| 精品午夜福利视频在线观看一区 | 一本—道久久a久久精品蜜桃钙片| 新久久久久国产一级毛片| 精品国产乱码久久久久久小说| 久久午夜综合久久蜜桃| 女人久久www免费人成看片| 国产成人免费观看mmmm| 黄色 视频免费看| 亚洲精华国产精华精| 日韩一区二区三区影片| 中文欧美无线码| 亚洲欧美精品综合一区二区三区| 日韩人妻精品一区2区三区| 国产精品国产高清国产av | 女人久久www免费人成看片| 精品久久蜜臀av无| 97在线人人人人妻| 婷婷丁香在线五月| 丝瓜视频免费看黄片| 亚洲成a人片在线一区二区| 少妇精品久久久久久久| 亚洲国产中文字幕在线视频| tube8黄色片| 久久久久国产一级毛片高清牌| 一区二区日韩欧美中文字幕| 在线播放国产精品三级| 人人妻人人爽人人添夜夜欢视频| 国产免费视频播放在线视频| 免费观看人在逋| 在线观看舔阴道视频| 欧美日韩亚洲综合一区二区三区_| 在线十欧美十亚洲十日本专区| 亚洲国产欧美一区二区综合| 建设人人有责人人尽责人人享有的| 亚洲熟女精品中文字幕| 不卡一级毛片| av福利片在线| www.自偷自拍.com| aaaaa片日本免费| 99re在线观看精品视频| 久久午夜综合久久蜜桃| 国产在线免费精品| 99久久99久久久精品蜜桃| 性色av乱码一区二区三区2| 国产精品98久久久久久宅男小说| 中亚洲国语对白在线视频| 成人特级黄色片久久久久久久 | 亚洲国产欧美在线一区| 国产日韩欧美在线精品| 制服人妻中文乱码| 欧美黑人欧美精品刺激| 午夜福利视频精品| 午夜福利免费观看在线| 高清欧美精品videossex| 久久亚洲真实| 国产精品免费视频内射| 成年人免费黄色播放视频| 午夜福利视频精品| 俄罗斯特黄特色一大片| 国产亚洲精品一区二区www | 宅男免费午夜| 色视频在线一区二区三区| 国产一区二区三区综合在线观看| 在线观看免费高清a一片| 露出奶头的视频| 亚洲专区字幕在线| 在线看a的网站| 亚洲五月色婷婷综合| 超色免费av| 午夜视频精品福利| e午夜精品久久久久久久| 美女午夜性视频免费| 日韩一卡2卡3卡4卡2021年| 国产成人系列免费观看| 欧美国产精品一级二级三级| 99精品欧美一区二区三区四区| 亚洲精品av麻豆狂野| 女人久久www免费人成看片| 99久久99久久久精品蜜桃| 亚洲欧美一区二区三区黑人| 欧美日韩精品网址| 在线观看免费日韩欧美大片| 久久久久久人人人人人| 国产97色在线日韩免费| 亚洲精品久久成人aⅴ小说| 黑人欧美特级aaaaaa片| 性高湖久久久久久久久免费观看| 久久精品亚洲精品国产色婷小说| 亚洲黑人精品在线| 妹子高潮喷水视频| 美女主播在线视频| 国产在线一区二区三区精| av网站在线播放免费| 91成人精品电影| 午夜成年电影在线免费观看| 啦啦啦免费观看视频1| 久久国产精品人妻蜜桃| 国产高清激情床上av| 欧美精品av麻豆av| 大香蕉久久网| 日韩免费高清中文字幕av| 国产精品av久久久久免费| 国产成人免费无遮挡视频| 成在线人永久免费视频| 岛国在线观看网站| 这个男人来自地球电影免费观看| 亚洲精品中文字幕在线视频| 精品久久久久久电影网| 久久狼人影院| 91老司机精品| 一个人免费在线观看的高清视频| 色老头精品视频在线观看| 欧美亚洲 丝袜 人妻 在线| 自线自在国产av| 久久久久国产一级毛片高清牌| 国产不卡av网站在线观看| 日日摸夜夜添夜夜添小说| 国产亚洲精品久久久久5区| 亚洲专区国产一区二区| 在线观看免费午夜福利视频| 国产一区有黄有色的免费视频| 国产人伦9x9x在线观看| 国产在线免费精品|