陈勇
- 作品数：13 被引量：324H指数：6
- 供职机构：江苏大学电气信息工程学院更多>>
- 发文基金：国家自然科学基金江苏省“六大人才高峰”高层次人才项目江苏高校优势学科建设工程项目更多>>
- 相关领域：农业科学电子电信文化科学环境科学与工程更多>>
- 可能模糊鉴别C均值聚类的茶叶FTNIR分类研究被引量：2
- 2020年
- 茶叶傅里叶近红外光谱(FTNIR)中含有茶叶的有机物化学成分信息,不同品种茶叶的化学成分和含量都有差异,所以利用傅里叶近红外光谱进行茶叶品种分类是可行的。由于茶叶近红外光谱数据具有维数高,有波峰和波谷,光谱重叠交错等特点,所以准确分类光谱数据存在困难。为此,提出一种可能模糊鉴别C均值聚类(PFDCM)算法,将模糊线性判别分析(FLDA)引入到可能模糊C均值聚类(PFCM)算法中,在模糊聚类过程中FLDA可提取茶叶近红外光谱的鉴别信息和进行数据空间的转换。PFDCM在对茶叶光谱进行模糊聚类后得到的模糊隶属度和典型值可实现茶叶近红外光谱的准确聚类,具有聚类速度快,准确率高等优点。由于PFDCM的典型值没有隶属度之和为1的约束条件,因而PFDCM在聚类含噪声的光谱数据方面优于模糊C均值聚类(FCM)。采集岳西翠兰,六安瓜片,施集毛峰和黄山毛峰四种茶叶共260个样本,采用AntarisⅡ型傅里叶近红外光谱仪采集茶叶的傅里叶近红外光谱。光谱波数范围为10000~4000 cm-1,实验所得近红外光谱为1557维的高维数据。首先,将光谱数据用多元散射校正(MSC)进行预处理以减少光谱散射和噪声影响和增加信噪比;其次,用主成分分析法(PCA)降低光谱数据空间的维数,经过PCA处理后光谱数据维数为7;然后,用线性判别分析(LDA)提取光谱数据中的鉴别信息并将光谱数据空间的维数进一步降低到3维;最后,分别用FCM,可能模糊C均值聚类(PFCM)和PFDCM进行数据的聚类分析,实现茶叶品种的准确分类。实验结果:权重指数m=2.0,η=2.0,FCM,PFCM和PFDCM聚类算法的聚类准确率分别为93.60%,93.02%和98.84%;FCM收敛时共迭代25次,而PFCM和PFDCM收敛时分别迭代8次和23次;模糊聚类收敛所消耗的时间,FCM最少,而PFDCM最多。FTNIR技术结合MSC,PCA,LDA和PFDCM提供了一种实现茶叶品种准确鉴别的分类模型。
- 武斌傅海军武小红陈勇贾红雯
- 关键词：茶叶近红外光谱模糊聚类
- 利用醋糟开发植物栽培基质的发酵技术被引量：33
- 2003年
- 对利用酿造工业废弃物醋糟开发有机栽培基质的发酵技术进行了试验研究。结果表明:通过加入鸡粪、粉煤灰、石灰水和尿素等碱性物质调节酸度后,能促进醋糟正常发酵,发酵后的产物理化性状均适合于作植物栽培基质。
- 李萍萍胡永光赵玉国陈勇
- 关键词：酿造工业废弃物醋糟发酵技术
- 偏振-高光谱多维光信息的番茄叶片营养诊断被引量：4
- 2014年
- 以Venlo型温室中无土栽培模式下自行培育的25%,50%,75%,100%,150%五个梯度水平的氮、磷、钾营养胁迫样本为研究对象,利用高光谱成像系统以及课题组自行研发的偏振反射光谱测量分析系统分别采集不同氮磷钾营养水平番茄叶片的偏振光谱和高光谱数据。通过扫描电镜分析阐明营养胁迫叶片非光滑表面的凹凸和质地发生的一系列变化与偏振反射辐射之间具有一定的联系。由斯托克斯公式将偏振光谱换算成偏振度后,提取偏振度与氮磷钾实测值之间的各4个偏振度特征;同时将高光谱数据经过主成分分析降维并确定氮磷钾各4个特征波长,再通过相关分析法提取这4个特征波长下的各8个高光谱图像纹理特征。偏振度特征与高光谱纹理特征相加累计氮磷钾各12个特征作为支持向量回归(SVR)的输入变量。对这12个特征变量进行最大-最小值归一化后,采用SVR建立番茄氮磷钾营养水平的定量诊断模型,求得氮的相关系数r=0.961 8,均方根误差RMSE=0.451;磷的相关系数r=0.916 3,均方根误差RMSE=0.620;钾的相关系数r=0.940 6,均方根误差RMSE=0.494。研究结果表明采用偏振反射光谱结合高光谱的多维光信息融合技术能够建立精度较高的番茄营养水平预测模型,具有较好的诊断作用,对于提高模型的精度和专用仪器的开发具有一定的指导意义,为番茄养分含量的快速检测提供了新的思路。
- 朱文静朱文静毛罕平李青林刘红玉孙俊左志宇
- 关键词：番茄叶片氮磷钾支持向量回归
- 温室环境控制方法研究进展分析与展望被引量：53
- 2018年
- 温室环境优化调控方法和技术能有效改善温室作物的生产条件,提高光能资源的利用效率,从而实现温室作物的高产、高效、优质生产。为了充分利用国内外的研究成果,促进我国在该领域的研究与应用,从基于设定值、智能算法、多目标优化、多因子耦合和基于作物生长信息的环境控制方法等5方面,综述了温室环境控制方法的国内外研究进展。针对我国该领域的研究现状和存在的问题,提出今后应解决光/温/营养耦合高效控制机理、植物表型高通量检测方法等重大科学问题,突破信息感知、物联网、智慧管控等关键技术,形成具有中国特色的温室智能化测控技术体系。
- 毛罕平晋春晋春
- 关键词：温室环境控制多目标优化
- 不同物质调节醋糟基质理化性状分析及其应用效果被引量：17
- 2007年
- 针对醋糟原料酸度大、粗孔隙比例高的特点,采用多种有机和无机物质对其进行调节,堆制发酵后取样进行理化性状分析和作为栽培基质进行育苗栽培试验。结果表明,加入一定量的菇渣、芦苇末、鸡粪、粉煤灰等各种物质后,醋糟基质的pH值调整在5.9～6.3,EC值调整在1.65～1.82 ms/cm,大小孔隙比由1.63降到1.24～1.48。作为栽培基质进行在叶用莴苣和番茄无土栽培育苗中应用效果良好。试验结果表明,用石灰水和尿素作调节物质出苗效果不佳。
- 李萍萍胡永光赵玉国陈勇李国权
- 关键词：醋糟基质理化性状育苗
- 基于介电特性与IRIV-GWO-SVR算法的番茄叶片含水率检测被引量：18
- 2018年
- 为了探究利用介电特性检测作物水分状况的可行性,研究了一种基于介电特性的有效、快速、精确检测番茄叶片含水率的方法。以300片不同含水率的番茄叶片为研究对象,通过LCR测量仪测定叶片在0.05~200 k Hz下的相对介电常数ε′和介质损耗因数ε″,并采用干燥法测量叶片含水率。利用迭代保留信息变量法(iteratively retains informative variables,IRIV)对介电参数进行特征变量选取,并与连续投影算法(successive projections algorithm,SPA)进行比较,利用支持向量回归机(support vector regression,SVR)分别建立叶片全变量、2种特征变量与叶片含水率的关系模型。结果表明,基于迭代保留信息变量法选取特征变量的支持向量回归模型(IRIV-SVR)具有良好的预测能力,但预测精度仍需提高,故引入灰狼优化算法(grey wolf optimizer,GWO)优化模型的参数c(惩罚因子)和g(核函数参数)。最终,经GWO优化后的模型(IRIV-GWO-SVR)的预测集决定系数R2与均方根误差RMSE分别为0.963 8,0.020 7。因此,利用介电特性结合IRIV-GWO-SVR算法预测番茄叶片含水率是可行的,同时为其他叶片含水率检测提供了一种新的方法和思路。
- 孙俊莫云南戴春霞陈勇杨宁唐游
- 关键词：水分番茄叶片含水率介电特性
- 疫情期间“数字电子技术”线上混合式教学实践被引量：7
- 2021年
- 针对疫情期间的特殊情况,我们课程教研组选择腾讯课堂、超星泛雅课程平台和学习通软件等工具,实施了“数字电子技术”课程的SPOC混合式线上教学工作,并取得良好的教学效果。本文对近一学期的教学实践过程进行了梳理和分析,探讨了疫情过后继续开展线上、线下SPOC混合式教学的前景。
- 王振宇孙俊陈勇
- 关键词：线上教学混合式教学数字电子技术课程
- 基于改进卷积神经网络的多种植物叶片病害识别被引量：186
- 2017年
- 针对训练收敛时间长,模型参数庞大的问题,该文将传统的卷积神经网络模型进行改进,提出一种批归一化与全局池化相结合的卷积神经网络识别模型。通过对卷积层的输入数据进行批归一化处理,以便加速网络收敛。进一步缩减特征图数目,并采用全局池化的方法减少特征数。通过设置不同尺寸的初始层卷积核和全局池化层类型,以及设置不同初始化类型和激活函数,得到8种改进模型,用于训练识别14种不同植物共26类病害并选出最优模型。改进后最优模型收敛时间小于传统卷积神经网络模型,仅经过3次训练迭代,就能达到90%以上的识别准确率;参数内存需求仅为2.6 MB,平均测试识别准确率达到99.56%,查全率和查准率的加权平均分数为99.41%。改进模型受叶片的空间位置的变换影响较小,能识别多种植物叶片的不同病害。该模型具有较高的识别准确率及较强的鲁棒性,该研究可为植物叶片病害的识别提供参考。
- 孙俊谭文军毛罕平武小红陈勇汪龙
- 关键词：病害植物图像处理卷积神经网络
- 模糊协方差学习矢量量化的茶叶品种分类研究
- 2023年
- 茶叶是全球最受欢迎饮品之一,且具有丰富的营养价值,但目前市面上的茶叶鱼龙混杂,难以辨别。因此,快速准确的分类方法对茶叶进行鉴别具有重要的研究意义。由于大多数化合物基频吸收带均出现在波长为2500~25000 nm的中红外区域,茶叶的中红外光谱中含有大量关于茶叶品种的特征鉴别信息,利用这一显著特点可以对其进行分类。提出模糊协方差学习矢量量化(FCLVQ),该算法在GK(Gustafson-Kessel)聚类的基础上,引入学习向量量化(LVQ)中学习速率的概念,用以控制模糊类中心的更新速率。FCLVQ结合中红外光谱,通过不断迭代计算样本模糊隶属度值和模糊聚类中心,实现对茶叶的快速精准分类。选取市场上的峨眉山茶叶、优质竹叶青茶叶、劣质竹叶青茶叶作为实验对象。将实验对象分为3组(每个品种各1组),每组32个,共计96个样本。利用FTIR-7600型傅里叶红外光谱分析仪分别采集每组样本的中红外光谱数据,每组样本采集三次,取其平均值作为样本的红外光谱数据。首先,由于原始光谱含有噪声数据,故使用多元散射校正(MSC)作降噪预处理;其次,由于光谱数据维数高达1868维,采用主成分分析(PCA)将光谱数据降至14维,其14个主成分的累计贡献率为99.74%;然后将降维后的光谱数据使用线性判别分析(LDA)进一步降至2维,同时提取数据中的鉴别信息;最后运行模糊C均值聚类算法(FCM),将其运算得到的聚类中心作为FCLVQ的初始聚类中心参与迭代,设置模糊隶属度的权重指数m=2,最终分类准确率高达95.25%。将FCM算法、GK算法、模糊Kohonen聚类网络(FKCN)算法与FCLVQ算法的运行结果进行对比,FCM,GK和FKCN的分类准确率分别为90.91%,92.41%和90.91%。结果表明,与其他三个算法相比较,FCLVQ在m=2,主成分个数为14时有着更好的分类效果,可以用来实现对茶叶品种的准确分类。
- 李晓陈勇梅武军武小红冯亚杰武斌
- 关键词：中红外光谱茶叶模糊聚类主成分分析线性判别分析
- 模糊K-Harmonic-Kohonen网络的FTIR光谱数据聚类分析被引量：2
- 2023年
- 食品的品种不同则其含有营养成分和功效存在差异,得到的傅里叶变换红外光谱也存在差异。为了准确的实现品种分类,设计了一种将傅里叶变换红外光谱与模糊聚类分析方法相结合的品种鉴别方法。在模糊Kohonen聚类网络(FKCN)基础上将模糊K调和聚类(FKHM)引入到Kohonen聚类网络的学习速率和更新策略中,提出了模糊K-Harmonic-Kohonen网络(FKHKCN)算法。FKHKCN利用模糊C均值(FCM)聚类的模糊隶属度计算其学习速率,以FKHM的聚类中心为基础通过推导计算得到FKHKCN的聚类中心,可以解决模糊Kohonen聚类网络方法对于初始类中心敏感而导致聚类结果不稳定的问题。FKHKCN作为一种模糊聚类算法,可实现傅里叶变换红外光谱数据的聚类分析。采用三种数据集:(1)采集产自四川的三种茶叶(优质和劣质的乐山竹叶青以及峨眉山毛峰)作为实验样本,样本总数为96。(2)两个品种(robusta和arabica)的咖啡样本。(3)三个品种(鸡肉、猪肉和火鸡)的肉类样本。首先对三个光谱数据集进行预处理,利用多元散射校正降低茶叶样本原始光谱数据集的散射影响,使用Savitzky-Golay减少噪声对肉类和咖啡这两个光谱数据集的影响。再利用主成分分析将高维的三种光谱数据集压缩至低维。然后采用线性判别分析进行特征提取,将光谱数据投影到求得的鉴别向量上。最后分别采用FCM,FKCN和FKHKCN对茶叶、肉类和咖啡进行判别。最终结果如下:FCM,FKCN和FKHKCN对茶叶品种的聚类准确率分别为90.91%,90.91%和93.94%;对肉类品种的聚类准确率分别为90.83%,0.00%和92.50%;对咖啡品种的聚类准确率分别为89.17%,89.17%和90.83%。以上实验结果表明:采用傅里叶红外光谱技术结合主成分分析、线性判别分析和FKHKCN的方法能够较有效地对食品的品种进行鉴别,且鉴别准确率比FCM和FKCN更高,聚类结果更稳定。
- 陈勇郭云柱王威武小红武小红武斌
- 关键词：傅里叶变换红外光谱模糊KOHONEN聚类网络聚类分析
