排序方式: 共有13条查询结果,搜索用时 0 毫秒
1.
目的:利用卷烟包装上同色油墨的红外光谱差异快速区分卷烟包装纸真伪。方法:分别收集了云烟、玉溪和红塔山3个品牌的真假卷烟包装纸共116个,使用傅里叶变换红外光谱仪(FTIR)衰减全反射(ATR)采集附件采集样品中红色油墨的红外光谱图。对光谱进行二阶导处理后,以光谱范围为3 200~2 700,1 800~1 580,801~720 cm1,56个真品为模型集合,每品牌各20个赝品验证准确性。分别按照品牌区分和不分品牌区分,使用马氏距离判别建立卷烟包装纸真伪鉴别模型。结果:建立了真假卷烟包装纸定性鉴别模型,对云烟、玉溪和红塔山3个品牌的预测准确率为100%,混合模型对随机样品的预测准确率也达到100%。结论:该组模型将同色油墨作为总体样本,预测准确率可达100%,并能大大提高筛查真假卷烟包装纸的工作效率。 相似文献
2.
目的 为快速准确地鉴别多品牌卷烟真伪,提出一种基于视觉词袋模型提取烟盒胶痕图像特征的鉴别方法。方法 首先,利用自主设计的多光源胶痕采集装置获取烟盒内部的胶痕图像,通过图像处理技术去除原始图像的部分背景后得到胶痕图像样本;然后,从胶痕图像样本中提取尺度不变特征转换(SIFT)特征,并用K-Means算法对特征聚类生成视觉词典;再依据视觉词典的视觉单词直方图特征集对胶痕图像进行训练分类,从而达到鉴别卷烟真伪的目的。结果 以10种真品包装机型生产的烟盒胶痕图像以及假冒烟盒胶痕图像为对象,烟盒样品涉及64个卷烟品牌,对360张胶痕图像分类测试,得到真伪识别率为97.22%,每个样本平均鉴别时间为0.05s。结论 提出的方法采集胶痕图像简便、真伪鉴别效率和准确率高,并适用于多种卷烟品牌。为提高真伪卷烟鉴别效率、准确率和通用性提供了技术支持。 相似文献
3.
4.
针对传统桥梁结构损伤诊断方法在时间联合序列信号特征提取及损伤识别方面不理想的问题,提出一种基于联合卷积神经网络(convolutional neural network,CNN)和长短时记忆神经网络(long short-term memory,LSTM)模型的桥梁结构损伤诊断方法,通过CNN对动挠度、动应变进行传感器... 相似文献
5.
6.
研究了菌株YNCA0116对孕酮和4-雄烯二酮(4-AD)的生物转化,并对该转化菌株进行形态学和分子生物学鉴定,转化产物经分离纯化后,运用核磁共振(NMR)、质谱(MS)、红外光谱(IR)分析进行结构鉴定。结果鉴定,该菌株为刺盘孢属(Colletotrichum sp.),该菌转化孕酮得到主产物11α,15α-二羟基孕酮和副产物6β,11α-二羟基孕酮,转化4-AD得到11β,15α-二羟基-4-雄烯二酮。刺盘孢属菌株YNCA0116具有转化甾体二羟基化的能力,对不同甾体化合物羟基化特点有差异。 相似文献
7.
针对常用的卷烟包装图像真伪鉴别,目前深度学习方法需要较高的设备成本与较长的训练时间。本文提出了一种基于Inception和ResNet卷积神经网络结合的卷烟包装图像真伪鉴别模型IRCNN(Inception-ResNet Convolutional Neural Network)。利用Inception网络并行结构自动学习并提取卷烟包装图像的不同尺度特征,同时在线路中加入三维卷积核,有效地增强不同线路之间的信息交互。利用残差结构减少由于网络加深导致的模型退化。实验结果表明,与其他深度学习方法相比较,本文提出的方法不仅减少算法设备成本和训练时间,而且准确率可达到99.88%。因此,通过采用多线路Inception和残差网络相结合的IRCNN模型,可以有效地提高卷烟真伪鉴别效率和精度,为将来实际应用提供技术支持。 相似文献
8.
9.
采用模式识别技术对不同品种(柴葛及粉葛)及不同产地(云南、安徽、广西、湖北、四川、重庆、湖南)的葛根进行判定。采集12个产地共120个葛根样品的近红外光谱数据,对光谱进行预处理并建立共有模式后,进行相似度及PLS判别分析,多元统计分析结果显示,除安徽柴葛外,其他组样品之间的相似度较高。分别选择不同的样品为测试集和训练集,基于PLS-DA对葛根种类粉葛和柴葛进行模式识别,对种类识别率为100%,对产地识别率为84.44%。采用kNN分析对葛根产地和品种同时进行模式识别,样品识别率达100%。实验结果表明,采用kNN模式识别可以很好识别不同产地和类别的葛根样品,方法具有可行性和有效性,为利用近红外光谱结合模式识别技术进行葛根品种真伪优劣鉴别、道地性及产地可追溯研究提供了理论依据和实用方法。 相似文献
10.
烟草是国家和地方财税的重要来源,而卷烟是最主要的烟草制品。卷烟生产主要包括烟叶加工、制丝工艺、烟支卷接和卷烟包装四个环节,针对卷烟生产工艺中传统人工或半自动方法耗时费力且易造成较大误差的问题,大量基于机器视觉的方法与应用被提出,进一步提高卷烟生产自动化和标准化程度。为深入了解基于机器视觉的卷烟生产研究,整理和分析了近年来国内外的相关文献。首先,阐述了机器视觉基本原理和卷烟生产的主要工艺流程;然后,从图像处理技术、传统机器学习和深度学习三类,对近年来机器视觉在卷烟生产中的研究与应用进行梳理,并分析了现有方法面临的挑战;最后,对机器视觉技术在卷烟生产领域的应用进行展望。该文系统梳理了机器视觉在卷烟生产中的应用,对卷烟的人工智能化生产具有重要参考价值。 相似文献