关键词： 模式识别   决策树   奶牛反刍   鼻羁压力   特征提取  

摘要： 反刍是反刍动物将植物资源转化为动物资源的重要行为,并且反映了动物的生理健康及福利水平。疾病、产犊、发情、日粮颗粒、应激反应等都会影响反刍行为的时长,因此可以通过监测反刍行为的变化来反馈动物的生理健康及福利水平。传统的人工监测方法耗时费力,效率不高,随着养殖规模的扩大和精准畜牧业研究的深入,对反刍自动监测系统的需求也日益增加。为了实现反刍行为的自动监测,本文以压力传感器为核心器件,设计了一套奶牛鼻羁压力信号获取设备。通过分析鼻羁压力信号的特点,选取短时能量、标准差、形状指数、均方根包络和极值包络作为鼻羁压力信号的时域特征,选取周期图法频谱、多窗口法频谱和最大熵法频谱作为鼻羁压力信号的频域特征,并利用经验模态分解获取了鼻羁压力信号的本征模态函数。采用Kruskal-Wallis检验方法分别计算各类特征参数之间的区分度,在不影响模型识别准确率的前提下,对9类特征参数进行优化,利用BP神经网络模型验证对识别准确率贡献小的参数,并将相应特征参数剔除。验证结果表明可以将区分度小的参数去掉,并且不影响识别结果,这就有效的去除了冗余参数。完成特征参数的优化后,分别利用BP神经网络、极限学习机和决策树分类器这三类模式识别方法识别奶牛反刍鼻羁压力信号,将优化后的时域特征、频域特征、本征模态函数以及特征参数之间的组合作为输入特征参数,进而分析分类器识别效果,选择最佳分类器。结果表明决策树分类器的反刍识别准确率高于BP神经网络和极限学习机的反刍识别准确率。因此,本文采用决策树分类器来识别奶牛反刍鼻羁压力信号。在以决策树为分类器的基础上,构建了反刍主要参数(反刍次数、反刍时长和反刍食团数)识别模型,结果显示,基于决策树的反刍主要参数识别模型可以很好的识别反刍次数、反刍时长和反刍食团数,与人工记录的反刍信息相比,该模型对反刍次数、反刍时长和反刍食团数的识别准确率分别为95.38%、94.67%和92.87%、平均绝对百分比误差分别为1.41%、1.87%和3.038%,表明该方法可以有效的识别反刍行为。本文基于决策树分类器实现了奶牛反刍次数、反刍时长和反刍食团数的识别,为奶牛反刍的自动监测提供了一种新方法。

关键词： 仿生嗅觉   中药材鉴别   模式识别   GC-MS   气味分析  

摘要： 中药材种类繁杂、品质优劣难辨,常出现贵重稀有药材假冒伪劣,严重制约了中药材市场的稳定发展。传统性状鉴别主观性强,可重复性差,理化鉴别操作繁琐耗时、仪器复杂,在中药材鉴别领域难以推广。仿生喚觉技术通过模拟生物嗅觉系统,可以测量一种或多种气味物质,与传统的气味分析技术,如气相色谱法、质谱法、火焰离子化检测等相比较,仿生嗅觉技术具有快速、简便、准确性高等优点,目前已广泛应用于食品、农业、医药、环境检测等领域。本文以仿生嗅觉技术应用于中药材气味鉴别为应用背景,结合气相色谱-质谱联用仪(Gas Chromatography-Mass Spectrometer,GC-MS)气味成分分析技术,对仿生嗅觉技术应用于中药材气味数据处理、气味信息鉴别的物质基础展开了深入研究。本研究从探索电子鼻传感器气味特征与气味成分之间的相关性出发,比较不同模式识别方法对中药材气味分类鉴别的性能,提出了面向仿生嗅觉技术的中药材关键气味成分预测模型和中药材等级评判方法。利用本文构建的关键成分预测模型可实现中药材气味成分定量分析,为中药材质量(或等级)鉴别提供客观依据,从而为中药材质量(或等级)鉴别提供一种简便快速、准确性高的评判方法。具体研究工作和结论如下:(1)本文以不同产地砂仁、不同产地高良姜为例,分别利用PEN3电子鼻检测样品气味信息,研究中药“气味”鉴别的基本原理和数据处理方法。通过比较三种不同模式识别方法:偏最小二乘法(Partial Least Squares,PLS)、支持向量机(Support Vector Machine,SVM)和卷积神经网络(Convolutional Neural Network,CNN)的气味分类鉴别结果,SVM和CNN的分类鉴别准确率基本相似,训练集和测试集的正确率都大于95%,高于PLS分类模型,说明SVM和CNN分类模型比PLS模型分类非线性数据时更有优势。(2)结合国家标准技术研究所(NIST 14.L)质谱库,利用GC-MS分析不同产地砂仁和不同产地高良姜的挥发性成分。结果显示,三种不同产地砂仁样品共鉴定出65种挥发性成分,这些成分分别属于6类不同化学类别:萜烯类(42种)、醇类(12种)、酯类(4种)、酮类(3种)、烷烃类(2种)和醛类(2种)。在这65种化合物成分中,广东砂仁鉴定出37种成分,占总挥发性成分的93.51%,广西砂仁鉴定出40种成分,占总挥发性成分的97.13%,海南砂仁鉴定出47种成分,占总挥发性成分的97.41%。砂仁的平均出油率约为0.0137 m L/g(1.37%,V/W)。三种不同产地高良姜样品共鉴定出56种成分,这些成分分别属于4类不同化学类别:萜烯类(37种)、醇类(12种)、酯类(4种)、其他(3种)。在这56种化合物成分中,广东高良姜鉴定出52种成分,占总挥发性成分的95.25%,广西高良姜鉴定出43种成分,占总挥发性成分的93.12%,海南高良姜鉴定出42种成分,占总挥发性成分的92.25%。高良姜的平均出油率约为0.0083 m L/g(0.83%,V/W)。并分别分析了它们的共有挥发性成分和特有挥发性成分,以及这些成分引起的不同传感器响应变化。(3)提出了电子鼻传感器特征-中药材气味成分相关性分析研究。以分析不同产地砂仁、不同产地高良姜为例,利用主成分分析方法分别研究传感器特征-样品产地、气味成分-样品产地、传感器特征-气味成分之间的相关性,并用双标图显示相应分析结果。结果表明,砂仁挥发性化合物中的萜烯类、醇类和酯类与PEN3电子鼻的6个传感器(S1、S3、S5、S7、S8和S9)关系密切;高良姜气味成分中萜烯类、醇类和酯类化合物与PEN3电子鼻传感器S7、S8和S9有紧密关系。这些挥发性化合物与传感器的相互作用而产生响应信号,依据这些不同响应值则可成功实现对不同产地中药材的分类鉴别。(4)根据传感器特征和气味成分相关性研究,提出并构建了基于PLS、SVM和CNN算法的中药关键气味成分预测模型。结果表明,针对不同产地砂仁的6种关键气味成分:樟脑、β3-石竹烯、d-杜松烯、樟脑萜、冰片和乙酸龙脑酯进行含量预测模型中,PLS模型结果为:(RC)2(校准系数)和(Rp)2(预测系数)值大部分在0.90左右;SVM预测模型中,冰片预测效果最好,其(RC)2=0.952,(Rp)2=0.941,除了β-石竹烯(RC)2=0.879,(Rp)2=0.854 外,其他成分的(RC)2 和(Rp)2值均大于 0.92。CNN 模型中,预测效果最好的是樟脑帖成分(RC)2=0.963,(Rp)2=0.931,其他化合物成分预测结果都大于0.93。在不同产地高良姜挥发性成分预测模型中,构建了分别基于PLS、SVM和CNN算法的3种主要气味成分:β3-石竹烯、桉树醇和α-法尼烯的预测模型。其

关键词： 风电叶片   缺陷   无损检测   性能评估   模式识别  

摘要： 风电叶片是风力发电的核心部件,由于风电叶片结构复杂、工艺繁多、不可避免的会在其生产过程中产生缺陷,缺陷的存在会严重影响风电叶片的使用性能。典型的叶片缺陷包括夹杂缺陷与褶皱缺陷,夹杂缺陷的产生机制是由于在加工过程中掺入夹杂物而产生,褶皱缺陷的产生是由于在铺层过程中出现褶皱。这两种缺陷对于叶片的力学性能的影响程度极大,夹杂缺陷和褶皱缺陷会造成风电叶片的力学强度下降。不同褶皱高宽比和夹杂缺陷层数对于风电叶片的影响差异很大,其对叶片的性能影响评估显得格外重要。目前常规超声无损检测法不能对缺陷的种类进行有效识别,而缺陷种类的不确定会导致后续的缺陷修复没有数据依据,极大增加了修复的成本,因此工业上迫切需要能够对风电叶片的缺陷类别进行区分的方法。本文初步研究了这两种缺陷对于风电叶片力学性能的影响,并基于小波包分析与BP神经网络相结合实现了对风电叶片典型缺陷类型的模式识别。主要研究的内容如下:(1)对具有夹杂缺陷和褶皱缺陷的实验样品进行了拉伸压缩实验,以评估不同高宽比和不同夹杂厚度对叶片性能的影响。实验结果表明褶皱缺陷高宽比在0.08范围时,褶皱缺陷对风电叶片造成的影响在安全范围内,当褶皱高宽比大于0.08时其力学性能下降显著,需要对其进行修补。当夹杂缺陷的厚度低于2层时其力学强度下降不太明显,但是当具有3层夹杂缺陷时其力学性能下降迅速下降,需要对其缺陷进行重点关注。(2)为了能够找到实现缺陷识别的方法,对褶皱和夹杂两种缺陷样品进行了超声检测,对缺陷信号进行频谱分析和小波包分解。结果表明,不同的缺陷能谱系数分布不同,可以将能谱系数作为特征参量,区分不同的缺陷。(3)构建BP神经网络,以能谱系数矩阵作为BP神经网络的输入向量,输入到BP神经网络中进行训练、验证和测试。实验结果表明:运用BP神经网络与小波包分析相结合的分析方法使对风电叶片缺陷种类智能识别成为了可能,最后通过对BP神经网络的期望误差和训练次数的优化实现了风电叶片缺陷识别率的提高,其识别率为92.8%。

关键词： 模式识别   机器学习   目标检测   危险源识别   宽度学习系统  

摘要： 视频图像识别技术在机器学习、计算机视觉、图像处理、模式识别等相关领域的发展推动下逐渐得以应用于社会各行各业。其中,航运物流领域也将视频监控作为其安全生产的主要管理手段。很多研究都提出将视频图像识别算法植入到视频监控系统以实现集装箱货运站(Container Freight Station,CFS)的智能化监管,但CFS物流作业繁忙,各种作业设备复杂。对于监管来说,在安全隐患相对较多的复杂环境下,如何实现作业现场的危险源识别是一个颇具挑战性的难题。就保障作业员工人身安全这一具体目标而言,佩戴安全帽是最直接最有效的方法,所以监督作业员工佩戴安全帽成为了安全生产中最重要的环节。为了解决码头安全保障中的安全帽检测仍主要依赖人工值守的方式而造成的资源浪费和监控效率低下等问题,本文主要针对CFS这一重要的码头作业场所,对CFS作业人员安全帽检测系统中的识别算法模块进行了较为深入的研究。首先,从视频中提取图像,通过对图像进行灰度化、形态学等预处理之后,对视觉背景提取算法(Visual Background Extractor,ViBe)和高斯混合模型(Gaussian Mixture Model,GMM)两种运动前景检测算法进行了实验以提取视频图像中的运动目标作为图像检测的候选集,实验表明ViBe算法在实际提取过程中受“鬼影”(Ghost)影响较大,所以本研究选择了 GMM算法进行视频图像的运动前景检测,再结合一些图像定位技术对图像进行较为精准的定位及分割,并将提取到的图像分为CFS背景、戴安全帽的操作工和不戴安全帽的操作工3类构建安全帽图像数据库。其次,采用卷积神经网络(Convolutional Neural Networks,CNN)、支持向量机(Support Vector Machine,SVM)以及宽度学习系统(Broad Learning System,BLS)分别在“多阶段”与“端到端”两种识别模式下进行对比实验,实验表明“端到端”模式下的安全帽图像识别算法总体上表现得更加稳定,识别准确率更高,模型训练时间更短,而利用BLS在“端到端”模式下可以在安全帽检测任务上获得最高准确率的同时,消耗最短的模型训练时间,为后续将其应用于CFS视频监控系统奠定了基础。最后,本文在CFS环境下检测码头操作工是否佩戴安全帽的任务上,选择“端到端”检测模式下的BLS作为安全帽检测的图像识别分类器,准确且快速地将视频中的未按规定佩戴安全帽的CFS的作业人员的图像进行了标记并发出预警,在有限的硬件条件下实现安全帽图像的智能识别且效果良好。

关键词： 支持向量机   单形进化优化算法   随机搜索   多态进化策略   模式识别  

摘要： 支持向量机(Support Vector Machines,SVM)是基于统计学习理论的一种新的学习方法。然而,有一类支持向量机的泛化能力在很大程度上取决于核函数的选择。根据目前支持向量机的研究现状,发现引入智能优化算法对支持向量机参数进行优化有一定的局限性。例如,一些智能优化算法在优化时过于依赖参数的控制,控制参数的变化对支持向量机的分类和识别有很大的影响。本文首先对支持向量机进行了研究,发现由于神经网络本身的优点,可以更好地应用于支持向量机,提高其泛化能力。因此,本文首先研究了基于神经网络实现的支持向量机。随着研究的不断深入,发现基于神经网络实现的支持向量机在参数优化中或多或少存在不稳定性。由于控制参数多,难以控制和修改,结果达不到预期值。为此,本文引用了单形进化优化算法(Surface-Simplex Swarm Evolution,SSSE),单形进化算法是一种新型的群智能优化算法。单形进化优化算法的单控制参数特性,提高了算法的可靠性与普适性;通过算法的多角色态的特点,平衡了群体搜索的针对性和多样性,提高了训练算法的搜索效率和收敛性能,保证了算法的通用性,验证了训练算法的有效性。最后,本文对基于单形进化支持向量机的训练算法进行了性能测试和应用验证。通过数据的应用,对新的支持向量机中神经网络的权值、阈值和核函数进行了优化,得到了全局最优解,提高了识别率。实验采用三组数据库数据,分别选取高斯核函数和多项式核函数对数据进行模拟,并对实验结果进行了分析。仿真实验结果表明,该算法训练的支持向量机相比于其他的算法不仅有效地提高了识别率,还减少了控制参数对学习性能的影响,提高了算法在应用中的普适性与鲁棒性。对于基于单形进化的支持向量机运用于现实中有一定的发展推进。

关键词： 可穿戴传感器   特征提取   集成学习   模式识别   老年人动作识别  

摘要： 开展基于可穿戴传感器的人体动作行为识别研究,将传感器嵌入到服装,使老年人通过穿戴智能服装得到健康监护,对于老年人的健康监护、预防跌倒、康复治疗等方面具有重要意义和广泛的应用前景。在基于可穿戴传感器的人体动作行为识别中,以往的研究大多都集中在单类型传感器和单分类器。由于少量的单一类型传感器无法捕捉动作变化的细节(如关节部位),给较复杂体态动作识别带来困扰,而增加传感器的数量又会增大装置的复杂性,并给佩戴者带来不便。与此同时单分类器在提升人体动作识别分类准确率方面也存在明显不足。面对这些人体动作识别研究中亟待解决的问题,针对老年人动作特点,本文采用三维加速度传感器和柔性传感器组合方式采集老年人日常动作数据,可以直接获得人体主干动作数据和关节部位动作变化细节。采用基于Boosting框架的集成算法构建老年人动作识别模型,分析比较了集成分类器与单分类器性能的差别,以及几种Boosting算法模型的性能差异。本文还对以往的特征提取方法进行了改进,相比于使用小波变换提取时频特征,提取时域特征和关联特征方法更能快速地构建高准确率的识别模型。不同于其它人体动作识别研究中的特征降维方法,本文使用线性判别分析方法对特征向量进行降维,通过实验发现,与主成分分析方法相比,线性判别分析方法在获得更低维度的情况下能保留大部分原数据信息,并且动作识别率也高于主成分分析方法。在构建XGBoost集成模型时,针对自动网格寻优方法在寻找超参数上的不足,使用贝叶斯优化算法代替自动网格寻优方法寻找最优的超参数组合,实验结果显示动作识别率有明显提升。通过实验分析得出,本文的特征提取方法与以往方法相比有很大的优越性,使用改进的超参数调优方法能构建更好的动作识别模型,这些动作识别中的关键技术研究对老年人群的临床管理与健康监护,对运动功能障碍人群的康复治疗等方面有着良好的实际应用价值。

关键词： Talent Identification   Talent Development   Expertise Development   Microstructure of Practice   Skill Acquisition   Machine Learning   Pattern Recognition   Cricket   Rugby Union   Super-Elite  

摘要： This thesis advances understanding of expertise development by addressing notable methodological issues, to become the first in field to quantitatively measure the influence of the microstructure of practice in the development of expertise in a sample of truly elite (super-elite) sportsmen, using machine learning techniques. The research protocol provides a means of bridging the existing gap between expertise development theory and research, and its application for talent identification and development (Baker, Schorer & Wattie, 2018; Holt et al., 2018). The thesis contains six chapters, including three research papers. Chapter 1 critically reviews the research on expertise development in sport to date and presents the rationale for the research programme, which aimed to overcome the theoretical and empirical limitations of this research, namely: (i) restricting investigation to comparisons of practice quantity; (ii) one-dimensional studies of individual expertise domains, disregarding the multifaceted nature of expertise; (iii) reliance on linear analysis techniques in identifying isolated precursors of expertise; (iv) assumptions of homogeneity within sports; and (v) inconsistent benchmarking measures for classifying expertise (Coutinho, Mesquita & Fonseca, 2016; Jones, Lawrence & Hardy, 2018; Schorer & Elferink-Gemser, 2013). Chapter 2 presents two studies to determine whether the relative age effect (RAE) observed in youth sport, extends into 'super elite' performers (Cobley, Baker, Wattie & Mckenna, 2009). The findings provide new evidence of RAEs at the super-elite level, presenting both inter and intra-sport differences (Jones et al., 2018). The research developed and applied a set of stringent criteria to benchmark super-elite expertise, and considered inter and intra-sport differences, by assessing RAE prevalence across the disciplines/positions of cricket and rugby union separately. Potential explanations for the findings are explored, owing to the survival

关键词： Hesitant fuzzy linguistic term sets   distance measure   similarity measure   hesitance degree   pattern recognition  

摘要： As two important features of hesitant fuzzy linguistic term sets (HFLTSs), distance and similarity measures have been applied widely in many fields such as pattern recognition, decision making and prediction. Through analyzing the existing distance and similarity measures on HFLTSs, we find that they are not reasonable in some cases. Therefore, we first define the hesitance degree on HFLTSs to reflect the hesitant degree among several linguistic terms. On the basis of hesitance degree on HFLTSs, we develop several novel distance measures and further discuss their properties. Afterwards, several similarity measures based on hesitance degree are proposed and applied to pattern recognition. By comparing our novel proposed distance and similarity measures with the existing methods and giving an example of pattern recognition, we prove that our proposed distance and similarity measures are more reliable than the previous method in some cases.

关键词： 机器视觉   保边滤波   裂纹检测   模式识别  

摘要： 裂纹检测作为机械零部件、土木结构件和建筑物等工程质量检测的重要一环,一直是学术界研究的热点与难点课题。传统的裂纹检测任务由工人根据自身经验完成,具有主观性太强、检测质量不稳定、成本代价高昂等缺点,因此裂纹的自动化检测是未来发展的趋势。本文从磁环裂纹检测问题出发,结合裂纹的开裂特点,提出一种新的基于图像的裂纹检测方法。首先,本文对磁环表面纹理噪声干扰、伪裂纹特征干扰进行了分析,分析对比了空间域、时频域滤波算法。空间域滤波方法中,研究了保边滤波算法在磁环裂纹图像中的处理效果,并比较了双边滤波器、导向滤波器和带权最小二乘滤波器处理磁环裂纹图像的性能,通过峰值信噪比对其性能指标进行了量化评价;时频域滤波方法中,基于小波分析利用极坐标变换提出了一种磁环裂纹的小波分析方法。提出了一种基于极坐标变换的图像采样方法,有效减少了原始数据,实验结果表明该方法稳定性较好。然后,分析了裂纹的开裂特点,并据此对裂纹的图像特征建立了模型。结合梯度矢量和局部特征描述子方法,提出了一种基于图像梯度矢量的局部特征描述子(LDGV),并基于LDGV提出了一种裂纹种子点检测方法;基于小波分析方法提出了另一种裂纹种子点检测方法,并对两种方法进行了对比实验。根据种子点和区域生长法,提出一种基于局部能量的前向传播法(FPLE),在搜素算法的终止问题上,提出一种基于动量的搜素停止条件,使得在仅有一个位于裂纹区域的像素点条件下,即可准确分割完整的裂纹骨架。在获得裂纹骨架的基础上,提出一种局部Otsu分割的动态阈值法,最终精准分割出完整的裂纹区域。实验验证了本文提出的裂纹检测算法的有效性。最后,为区分裂纹特征与干扰特征,研究模式识别方法。在特征提取的问题上,针对裂纹提出一种具有平移不变性和旋转不变形的连通域残差标准差特征。在特征的分类问题上,基于线性判别分析对裂纹特征与干扰特征进行分类,并研究了最优特征组合,进行了分类器的离线训练和测试,实验表明本文提出的裂纹识别方法在磁环裂纹检测问题中获得94.1%的识别率。

关键词： 模式识别   食品认证   衍射光栅   机器视觉  

摘要： 随着人们对生活质量的期望越来越高,消费者对高质量的食品要求也越来越高。为了保证食品质量的准确性,食品认证技术也得到了科学界的重视。食品认证是一种技术手段,用来确认食品的成分,进而分析食品的好坏优劣。目前主要的认证方法是基于光谱技术的认证方法,该技术具有快速信息采集,无损检测的特点,然而这种技术的局限性在于造价昂贵,同时还需要专业的实验环境条件,难以推广于大众市场。因此研究和开发一种新型,低成本,且快速高效的食品认证系统是非常重要的。同时机器视觉技术也是目前最流行的食品认证技术之一,它通过模式识别方法提取食品的物理特性,根据待测物的特征属性完成测量,该技术具有非接触性,速度快,精度高的特点。传统机器视觉技术需要仔细设置外部摄像机和照明系统,用以确保所需的精度能达到标准水平。这些局限性使得机器视觉技术无法适用于消费者,难于推广于市场。此外,传统的机器视觉技术无法提供光谱信息,而这些信息对于食品的成分至关重要。针对上述问题,本文以苹果,牛奶,橄榄油为食品样本进行研究,利用衍射光栅,机器视觉技术,结合模式识别算法对数据进行预处理,建模和分析。并通过偏最小二乘法判别分析(PLS-DA)、核偏最小二乘法(PLS)、局部加权偏最小二乘法(LW-PLS)等模式识别算法建模,验证了衍射光栅和本文提出的机器视觉方法在食品认证上的可行性,并为食品认证的研究提供新的思路。本文的主要研究内容包括:1.基于衍射光栅的食品认证研究(1)设计一款基于衍射光栅的计算机视觉系统,以有机苹果认证为研究对象,进行数据采集,预处理,并建立基于模式识别算法的有机苹果认证模型,有机苹果认证准确率达93.3%。对未来研究新型低成本,快速无损的检测方案提供新的研究方案。(2)在基于衍射光栅的有机苹果认证系统中,建立基于偏最小二乘法(PLS),支持向量机(SVM),随机森林(RF)等12种模式识别判别模型,探究适合在食品认证上效果较好的模式识别算法,对食品认证模型的建立上提供相应的研究思路。2.基于机器视觉技术的食品认证研究(1)利用机器视觉技术结合模式识别算法,建立有机苹果认证模型。运用图像处理技术,利用局部二值模型(LBP)提取苹果图像中的纹理特征,通过进行实验,有机苹果认证的准确度能达94%。实验结果说明该方法能在可见光的条件下取得专业仪器的实验标准。(2)利用机器视觉技术结合智能手机模块实现对牛奶的脂肪含量,橄榄油掺假的快速测定,开发一套新型便携式液体食品认证系统对实验样品进行数据采集,该系统利用图像的光谱空间信息进行建模,同时对局部偏最小二乘法(LW-PLS)进行了扩展,利用该算法快速实现了数据分类,橄榄油掺假准确率能达到96.2%,牛奶脂肪含量的测量准确率更是高达100%。说明了该系统具有推广于大众市场的可行性。本文研究表明,所提出的基于衍射光栅和机器视觉的食品认证方法具有可行性,并且能够推广于大众市场,对未来食品认证的研究提供了有效的解决方案。