学位论文 > 优秀研究生学位论文题录展示
蔬菜农药残留电子鼻检测中特征提取方法研究
作 者: 王光芒
导 师: 殷勇
学 校: 河南科技大学
专 业: 食品科学
关键词: 电子鼻 农药残留检测 小波分析 特征提取
分类号: TS255.7
类 型: 硕士论文
年 份: 2009年
下 载: 78次
引 用: 0次
阅 读: 论文下载
内容摘要
蔬菜中的农药残留超标严重影响着人类食用安全和贸易。当前,蔬菜农药残留通常采用的检测方法有气相色谱、高效液相色谱、气质联用等,因其设备昂贵,操作程序相对复杂,且需要特定地实验条件和具有一定专业技术人员进行操作,一般不适合快速检测的要求。电子鼻作为一种模拟生物嗅觉原理的新颖仿生检测手段,以其快速、简单和廉价的特点,正好满足了蔬菜农药残留检测的这种客观需要。测量数据的特征提取是电子鼻识别过程中极其重要的一环,是后续模式识别的基础。本文主要对蔬菜农药残留中的特征提取进行了研究。采用不同的特征提取方法对蔬菜农药残留信号进行特征提取,并利用主成分分析和Fisher判别分析对提取的特征进行融合来实现对不同农药残留和同种农药不同浓度残留的鉴别。主要研究成果如下:1.介绍了5种电子鼻常用的特征提取方法,并运用PCA和FDA对蔬菜中不同的农药残留进行鉴别分析。2.利用小波能量倒数和小波系数平均值作为2种特征提取方法,对蔬菜中不同的农药残留进行鉴别分类研究,取得了良好的鉴别效果。3.研究了不同特征提取方法对蔬菜中同种农药不同的浓度的定量识别;建立了基于BP神经网络蔬菜农药残留浓度预测模型,效果良好。
|
全文目录
摘要 2-3 ABSTRACT 3-7 第1章 绪论 7-13 1.1 农药及蔬菜农药残留检测技术研究进展 7-9 1.1.1 农药及其在蔬菜生产中的作用 7 1.1.2 蔬菜农药残留检测技术研究进展 7-9 1.2 电子鼻系统简介及在蔬菜农药残留检测中的应用研究 9-10 1.2.1 电子鼻系统简介 9 1.2.2 电子鼻在蔬菜农药残留检测中的应用研究 9-10 1.3 电子鼻检测中特征信息提取简介 10-11 1.4 主要研究内容 11-12 1.5 本章小结 12-13 第2章 实验准备及模式识别、传感器阵列优化方法 13-23 2.1 实验装置 13-15 2.1.1 电子鼻系统 13-14 2.1.2 其他实验装置 14-15 2.2 实验研究 15-18 2.2.1 实验材料 15 2.2.2 实验内容 15-16 2.2.3 实验步骤 16-18 2.3 模式识别方法 18 2.3.1 主成分分析 18 2.3.2 Fisher 判别分析 18 2.4 传感器阵列优化 18-22 2.4.1 因子分析阵列优化方法 19 2.4.2 威尔克斯统计量阵列优化方法 19-22 2.5 本章小结 22-23 第3章 常用样本特征信息提取方法及分析 23-45 3.1 去基准处理 23 3.2 基于相对稳态响应值的特征提取方法 23-28 3.2.1 相对稳态响应值 23-24 3.2.2 相对稳态响应值特征提取效果分析 24-28 3.3 基于平均微分值的特征提取方法 28-32 3.3.1 平均微分值 28-29 3.3.2 平均微分值特征提取效果分析 29-32 3.4 基于相对稳态响应区间平均值的特征提取方法 32-36 3.4.1 相对稳态响应区间平均值 32-33 3.4.2 相对稳态响应区间平均值特征提取效果分析 33-36 3.5 基于积分值的特征提取方法 36-40 3.5.1 积分值法 36-37 3.5.2 积分值特征提取效果分析 37-40 3.6 基于响应信号方差的特征提取方法 40-43 3.6.1 响应信号方差 40 3.6.2 响应信号方差特征提取效果分析 40-43 3.7 本章小结 43-45 第4章 基于小波分析的特征信息提取方法及分析 45-57 4.1 小波分析发展状况 45 4.2 基于小波能量倒数的特征提取方法 45-50 4.2.1 小波基的选择及分解尺度的确定 45-46 4.2.2 小波能量倒数 46-47 4.2.3 小波能量倒数特征提取效果分析 47-50 4.3 基于小波系数平均值的特征提取方法 50-54 4.3.1 小波系数平均值 50-51 4.3.2 小波系数平均值特征提取效果分析 51-54 4.4 基于BP 神经网络对蔬菜农药残留浓度预测模型 54-56 4.5 本章小结 56-57 第5章 结论 57-58 参考文献 58-62 致谢 62-63 攻读硕士学位期间的研究成果 63
|
相似论文
- 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
- 航天继电器时间参数测试分析技术的研究,TM58
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
- Q学习在基于内容图像检索技术中的应用,TP391.41
- 直推式支持向量机研究及其在图像检索中的应用,TP391.41
- 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
- 空间交会接近视觉测量方法研究,TP391.41
- 图像实时采集、存储与处理方法研究,TP391.41
- 唇读中的特征提取、选择与融合,TP391.41
- 多币种纸币处理技术的研究与实现,TP391.41
- 基于类Harr特征和最小包含球的纸币识别方法的研究,TP391.41
- 基于图像的路面破损识别,TP391.41
- 移动机器人视觉检测和跟踪研究,TP242.62
- 高光谱与高空间分辨率遥感图像融合算法研究,TP751
- 基于汉语听觉认知的事件相关电位的研究,R318.0
- 基于随机森林的植物抗性基因识别方法研究,Q943
- 基于图像处理技术的烟叶病害自动识别研究,S435.72
- 基于视觉的番木瓜外观品质检测技术研究,S667.9
- 羊绒与羊毛纤维鉴别系统的研究,TS101.921
- 红外图像目标识别及跟踪技术研究,TP391.41
中图分类: > 工业技术 > 轻工业、手工业 > 食品工业 > 水果、蔬菜、坚果加工工业 > 果蔬加工品标准与检验
© 2012 www.xueweilunwen.com
|