关键词： 半夏   无机元素   模式识别   产地溯源   计量学模型  

摘要： 为建立不同产地半夏无机元素的分析方法和溯源体系,为半夏药材的质量控制和道地性评价提供技术支持。采用电感耦合等离子体质谱法(ICP-MS)和电感耦合等离子体原子发射光谱法(ICP-AES)对我国6个主产区72份半夏样品中K、Ca、Na、Mg、Al等37种无机元素的含量进行测定,并采用方差分析、主成分分析、因子分析等计量学方法进行统计与评价。通过对比BP-神经网络算法、K-最近邻算法、最小二乘支持向量机等多种模式识别方法,探索适合半夏产地溯源的最佳模型。结果表明:不同产地半夏中无机元素的构成各具特征,各无机元素含量在产地间差异显著(P<0.05),其中La、Pb、As、Na、Bi、Hg、Sn、Cd、Ag 9种元素在不同产区间的差异最为明显;3D-plots图显示不同产地半夏样品分布相对集中,具备产地分类的可行性;KNN分类模型(曼哈顿距离)是半夏产地溯源的最佳方法,测试集的正确率达到100%。无机元素分析技术结合适当的计量学模型可以实现半夏的产地溯源。

关键词： 控制图   模式识别   复杂产品制造过程   t分布随机近邻嵌入(t-SNE)   卷积神经网络(CNN)  

摘要： 为解决控制图质量异常模式识别中， 实时质量数据呈现出高维非线性等复杂特征导致模型过拟合以及失真等问题， 提出一种基于融合特征 t分布随机近邻嵌入(t-DistributedStochasticNeighborEmbedding，t-SNE)降维的控制图质量异常模式识别方法. 首先， 从生产过程动态数据流中提取其统计特征、形状特征并与原始特征进行融合， 形成动态数据流的高维融合特征; 然后利用 t-SNE 算法对融合特征进行降维， t-SNE 算法能够有效地处理线性和非线性数据， 并产生更有意义的聚类; 进而利用一维卷积神经网络(1-Dimensional Convolutional Neural Networks， 1DCNN)作为分类器实现复杂产品制造过程的质量异常模式识别; 最后， 通过仿真实验将本文所提方法与单一类型特征方法、融合特征方法以及融合特征主成分分析法(Principal Component Analysis， PCA)、核主成分分析(Kernel PCA， KPCA) 和局部线性嵌入算法(Locally Linear Embedding， LLE) 降维方法的识别模型进行比较， 并利用锂离子电池极片制造过程为例进一步说明本文模型的有效性与实用性. 仿真与实例结果表明， 本文所提算法具有更高的识别效率和精度， 特别适用于处理在复杂产品制造过程背景下的高维非线性数据.

关键词： 黄茶   闷黄   人工感官   成分检测   模式识别   智能仿生技术  

摘要： 黄茶是我国主要的消费茶类之一。黄茶加工步骤为萎凋、闷黄和干燥,其中闷黄是黄茶品质特征形成的关键环节,快速准确对黄茶闷黄度作出判别,对于黄茶加工至关重要。黄茶闷黄工艺影响因子及品质评价技术研究是认识影响因子、品质评价技术与闷黄质量关系的前提。然而,黄茶闷黄体系受自身复杂性和不可直接测定性的限制,目前闷黄品质评价技术普遍存在精确度低、重复性差和操作复杂等问题。综述已有文献表明,温度、含水率、时间及闷黄过程中微生物等环境因素均会影响黄茶品质特征化合物的形成,从而影响其品质。目前常用的品质评价技术主要包括人工感官、成分检测及智能仿生技术。人工感官易受主观因素影响;成分检测专业性强、操作难度大、前处理复杂;智能仿生技术具有简单、快速、无损等特点,可检测黄茶闷黄适度快速高效评价。通过回顾近年来针对黄茶闷黄影响因子及3种主要评价技术研究进展,重点关注闷黄影响因子与黄茶品质成分之间的关联性及智能仿生技术的发展趋势,以期为黄茶标准化和数字化加工提供支持。

关键词： 模式识别   轴承   智能组装   压装电机   铁路货车   振动信号  

摘要： 组装后的轴承可以保证铁路货车稳定地运行,为了提高轴承振动信号在不同失效模式下的稳定性,提出基于模式识别技术的铁路货车轴承智能组装系统设计。通过设计铁路货车轴承自动压装电机、轴端信息采集器和全自动型合套装球机,完成系统的硬件设计;在系统的软件设计中,利用模式识别技术,识别出铁路货车轴承表面的温度,根据轴承表面的温度,计算铁路货车轴承传热,结合铁路货车轴承智能组装算法的设计,实现铁路货车轴承的智能组装。测试结果表明,文中系统可以过滤掉铁路货车轴承振动信号中的噪声,提高轴承振动信号在不同失效模式下的稳定性。

关键词： 变压器   故障   模式识别   小样本   生成对抗网络  

摘要： 针对变压器故障数据难以获取且数据量不均衡性显著的问题,提出一种基于BO-AC改进GAN的变压器故障诊断方法。针对局放超声信号的噪声干扰问题,采用小波阈值降噪提升了数据的信噪比;以一维时域超声信号作为数据源,基于GAN算法进行样本生成和故障诊断,通过在经典GAN架构中添加辅助条件层,优化模型的泛化性能,采用BO策略优化模型超参数,提升识别性能。通过与多种方法在不同方案下识别效果的对比,验证了文中方法的有效性和优越性。文中方法基于不均衡实测数据训练后的测试准确率均在95%以上,解决了样本数据不均衡条件下变压器故障类型的准确诊断问题,为保障变压器的可靠运行提供了新方法。

关键词： 光谱学   中红外光谱   模式识别   参数优化   掺伪判别  

摘要： 开展了独立成分分析(independent component analysis, ICA)联合支持向量机(support vector machine, SVM)模型对食品掺伪的判别.通过傅里叶变换红外光谱仪获得食用植物油(正品油、掺伪油和炸货油)以及奶粉(纯奶粉和掺三聚氰胺奶粉)的中红外光谱,首先,探究不同的光谱预处理方法对所建立模型的影响,经考察选取归一化结合移动平滑对光谱进行预处理;然后采用特征矩阵联合近似对角化(joint approximate diagonalization of eigenmatrices, JADE)方法提取光谱特征信息,其结果优于主成分分析对特征信息的提取效果;通过Kennard-Stone算法划分训练集和测试集,利用贝叶斯优化(Bayesian optimization, BO)对SVM模型参数进行优化.经考察,所构建的JADE-BO-SVM模型对掺伪食品的识别准确度达到100%,该法可为食品掺伪的高效、准确鉴别提供新的途径和思路.

关键词： 图像识别技术   大数据   物体识别   模式识别   面部识别   智慧物流   海量图像数据   物流行业  

摘要： 大数据图像识别技术是一种能从海量图像数据中识别和提取有效信息的技术,其应用领域广泛,包括面部识别、物体识别、模式识别等。在物流领域,大数据图像识别技术主要用于识别货物、追踪货物的运输过程、优化库存管理等。智慧物流作为物流行业的一种新型模式。

关键词： 赤足足迹   轮廓相似度   形状上下文   变量投影重要性   模式识别  

摘要： 轮廓作为赤足足迹的一个重要特征,在同源与异源赤足足迹的检验鉴定中发挥着重要作用.针对赤足足迹的轮廓特征难以量化的问题提出一种相似度计算方法,以提高检验鉴定的科学性和准确性.首先收集920名志愿者的2120枚赤足足迹样本,经过图像预处理后利用形状上下文算法对赤足足迹脚趾区、跖前缘和跟后缘的轮廓相似度进行计算.借助偏最小二乘判别分析计算三个区域的变量投影重要性,经权重归一化后分别为0.41、0.42和0.17.将3个区域设置权重后计算总体轮廓相似度,在该相似度下同源、异源赤足足迹具有显著差异且模式识别正确率分别为83.0％和100.0％.最终建立了一个赤足足迹相似度评估体系,该体系可对赤足足迹检材与样本之间的相似度进行计算,实现对于同源与异源赤足足迹的有效区分,辅助检验鉴定工作.

关键词： 虹膜识别   生物特征识别   模式识别   计算机视觉   深度学习  

摘要： 虹膜识别技术是一种十分安全的生物识别技术，以其卓越的精确性、安全性和稳定性等特点在边境管理、公共安全、金融支付等领域展现出巨大潜力。当前的虹膜识别系统在约束用户状态和采集设备的条件下展现出了较为稳定的性能，但是无法适应目前复杂多样的开放场景。开放场景中包含了大量不确定采集因素，例如采集的虹膜图像容易受到睫毛、头发遮挡和镜面反射等因素的干扰，这些不确定性因素往往会造成图像质量的整体下降，导致虹膜图像分割和特征提取环节性能的显著下降。因此，虹膜识别技术的研究应该进一步突破现有的限制，从受限制的场景扩展到约束条件更少的开放场景中进行研究。近年来，深度学习算法已被广泛应用于虹膜识别，旨在提升系统对开放场景的适应性。对深度学习技术在虹膜识别领域的应用现状进行了综述，总结了其在提高开放场景下识别精度的关键作用。首先，分析比较了各类深度学习模型在虹膜分割、特征提取和特征匹配任务中的表现，阐述了它们的优势和局限；接着，系统地总结了常见的虹膜数据集及其特性；最后，指出了虹膜识别任务新挑战及未来探索的潜在方向。提供了对基于深度学习的虹膜识别技术全面而深入的认识，有利于促进虹膜识别技术在实际应用中的创新和优化。

关键词： 轨道角动量   人工智能   模式识别   谱测量  

摘要： 涡旋光束携带的轨道角动量作为一种全新的光场调控自由度在超大容量光通信、旋转探测、高分辨率成像、光信息存储、量子技术等前沿领域展现了巨大的应用潜力。在上述应用中，实现快速、高精度的轨道角动量模态感知十分重要。随着人工智能在各领域的快速发展，将人工智能技术作为光束轨道角动量模态感知的新型解决方案引起了国内外学者的广泛关注。本文从人工智能的应用模型角度出发，对近年来基于人工智能技术的光束轨道角动量模态感知方法进行了系统性综述，主要包括机器学习、深度学习及混合学习模型下的轨道角动量模式分布探测和多模混合光束谱测量，同时讨论了扰动下的人工智能轨道角动量模态感知方法研究进展。