公共文化服务平台

共 7 条记录，以下是 1-7

全选清除导出

排序方式：

高光谱成像技术及其在农产品检测中的应用被引量：6: 2013年; 高光谱成像是一项将光谱与成像科学相结合的分析技术,本文介绍了高光谱成像的基本原理和系统构成,指出其优点及不足之处,并讨论了高光谱在农产品检测中的一些应用。; 丁冬; 关键词：高光谱成像无损检测农产品

基于机器视觉的牛肉结缔组织特征和嫩度关系研究被引量：12: 2016年; [目的]嫩度是肉品质量的首要指标,其影响牛肉的消费和商业价值;寻找合适的嫩度指标,快速、无损、客观地预测牛肉嫩度一直是肉品学研究的热点之一。[方法]本文基于机器视觉技术和图像处理方法,分割牛肉图像的肌间结缔组织区域,提取肌间结缔组织的特征参数,运用统计学方法关联该特征参数和熟肉剪切力值,结合经过专门训练的评级小组的分级,采用Stepwise多元线性回归(Stepwise-MLR)建模,对牛肉嫩度进行预测和分级。[结果]70个样本图像的结缔组织特征数据全部用于训练模型,采用留一法交叉验证(Leave-one-out cross validation)测试模型,验证模型的牛肉嫩度判别系数(R^2)为0.857,剩余标准误差(residual standard error,RSEC)为6.453;将牛肉分为嫩、中等、老3个等级,全部预测集的总体等级预测正确率为88.57%。[结论]肌间结缔组织特征是预测牛肉嫩度的重要指标,本文所用的软硬件方法对牛肉嫩度的快速、无损、客观预测和分级具有一定的实用价值及指导意义。; 陈士进丁冬李泊沈明霞林盛业; 关键词：牛肉嫩度结缔组织机器视觉

穆斯堡尔谱学的原理及其应用被引量：1: 2014年; 本文介绍了穆斯堡尔效应的基本概念和原理,说明了穆斯堡尔谱的产生及其特点,指出其应用领域和价值。; 丁冬; 关键词：穆斯堡尔谱 Γ射线

基于SPOC的大学物理实验课程教学改革实践及思考被引量：2: 2019年; 通过分析传统大学物理实验教学过程中的问题,探讨了将SPOC引入大学物理实验教学,开展混合模式的教改实践。实践结果表明,这样的教学方式在提升教学效率、提高学生自主学习能力方面有明显效果,但同时也对教师的教学设计和学生主动学习能力提出了更高的要求。; 丁冬赵志刚吴威; 关键词：物理实验教学模式

基于计算机视觉的牛肉质量分级研究进展被引量：6: 2015年; 牛肉品质分级对于肉牛产业具有重要意义,为克服人工评级的弊端,客观、无损的自动分级技术成为研究热点。本文综述了国内外利用计算机视觉对牛肉大理石纹、生理成熟度、肉色和脂肪色这些指标进行分级预测的研究进展情况,讨论了研究过程中诸如图像分割、特征提取方面存在的困难,最后指出了计算机视觉技术在牛肉品质分级应用过程中存在的问题以及可能的发展方向。; 丁冬陈士进沈明霞彭增起梁琨; 关键词：计算机视觉牛肉

基于决策树雪花牛肉大理石花纹分级模型被引量：3: 2015年; 为建立雪花牛肉大理石花纹等级评价方法,根据不同等级雪花牛肉大理石花纹图像特征及人工评级的标准,确定了影响大理石花纹的等级主要因素。本研究提出影响大理石花纹等级的几何参数特征、几何分布参数特征和统计参数特征。其中几何参数特征主要反映大理石花纹面积、周长等;几何分布特征主要反映大理石花纹图像中脂肪颗粒沉积的密度,根据脂肪颗粒沉积情况可分为大颗粒脂肪、中颗粒脂肪、小颗粒脂肪等;统计参数特征主要反映大理石花纹丰富程度以及大理石花纹分布均匀性。利用相关性分析提取影响雪花牛肉大理石花纹等级的特征参数。建立基于C4.5和CART算法的决策树模型,结果表明:对于C4.5算法建立的决策树分级模型,三级和五级大理石花纹分级预测精度分别为91.80%、92.31%,而该模型针对四级样本建立的模型无效,其结果多数误判为三级;对于CART算法建立的决策树模型同样存在这样的问题,即三级和五级大理石花纹分级预测精度高,而对四级样本分级无效。; 梁琨丁冬彭增起沈明霞林盛业曹辉; 关键词：决策树

基于高光谱图像与视觉词袋模型的稻种发芽率预测研究被引量：1: 2016年; 为实现稻种品质的快速鉴定,以稻种最重要的品质参数之一——发芽率作为主要评价指标,通过高光谱成像技术结合视觉词袋(Bo VW)模型的方法进行稻种发芽率的分级评价。挑选Y两优302、两优108和内5优8015三个品种的杂交水稻种子各100粒,在温度40℃、相对湿度100%条件下对三种稻种分别老化处理0、1、2、3、4 d,得到5个活力梯度的稻种。采集300粒稻种的高光谱图像,随机分为训练集(200份)和测试集(100份)。图像采集完毕后,进行稻种发芽实验,第14天时计算发芽率。采用主成分分析(PCA)方法选取特征波长,利用密集尺度不变特征变换(SIFT)算法提取稻种图像局部特征,再根据K-means算法聚类生成视觉词典。利用以径向基(RBF)核为核函数的支持向量机(SVM)分类器建立稻种发芽率分级预测模型,判别精度为95.65%。结果表明,采用高光谱成像技术结合视觉词袋模型进行水稻发芽率的快速、无损预测是可行的。; 于施淼卢伟丁冬洪德林党晓景; 关键词：高光谱成像稻种发芽率支持向量机

全选清除导出

共1页<1>

丁冬