基于多传感器融合的鸡蛋裂纹系统性识别

被引：15

作者：

刘鹏

屠康

潘磊庆

刘明

詹歌

机构：

[1] 南京农业大学食品科技学院

来源：

农业机械学报 | 2010年 / 41卷 / 10期

关键词：

鸡蛋; 裂纹; 支持向量机; 判别模型; 多传感器融合;

D O I：

暂无

中图分类号：

TS253.3 [机械与设备];

学科分类号：

083203 ;

摘要：

通过图像分析、敲击振动和电子鼻3种传感器分别输出与鸡蛋外部常规裂纹、外部细小裂纹和内部裂纹有关的无损检测参数并进行实验,设计一组针对鸡蛋裂纹程度的支持向量机判据。用该判据并结合实验数据构建一对多的支持向量数为4的鸡蛋裂纹判别模型。模型性能参数(模型拟合度为0.973 5,收敛误差在0.000 1以内)和验证性实验(对确定的5种裂纹状态判别准确率均可达90%)表明该模型具有可信的结构和较好的判别能力。

引用

页码：185 / 189+203 +203

页数：6

共 17 条

[11]

多传感器数据融合理论及应用[M]. 北京理工大学出版社 , (美)LawrenceA.Klein著, 2004

[12] Image fusion of visible and thermal images for fruit detection [J].

Bulanon, D. M. ;

Burks, T. F. ;

Alchanatis, V. .

BIOSYSTEMS ENGINEERING, 2009, 103 (01) :12-22

[13] Multivariate calibration of mango firmness using vis/NIR spectroscopy and acoustic impulse method [J].

Valente, Marc ;

Leardi, Riccardo ;

Self, Guy ;

Luciano, Giorgio ;

Pain, Jean Pierre .

JOURNAL OF FOOD ENGINEERING, 2009, 94 (01) :7-13

[14] A tutorial on Support Vector Machines for pattern recognition [J].

Burges, CJC .

DATA MINING AND KNOWLEDGE DISCOVERY, 1998, 2 (02) :121-167

[15]

Sphere-structuredsupport vector machines for multi-class pattern recognition .2 ZHU Mei-lin,WANG Yue,CHEN Shi-fu,et al. Procof the 9th International Conference on Rough Set,Fuzzy Sets,DataMining and Granular Computing . 2003

[16]

Coordinate Descent Method for Large-Scale L2-Loss Linear SVM .2 Chang K W,Hsieh C J,Lin C J. Journal of Machine Learning Research . 2008

[17] 基于神经网络分析的鲜蛋破损检测 [J].

黄耀志 .

振动、测试与诊断, 2003, (03) :51-55+78

← 1 2 →