|
搜索
搜 索
高等教育领域数字化综合服务平台
基于荧光光谱和智能算法的食品安全检测技术
1、项目简介
本项目在三维荧光光谱技术的基础上，建立光谱数据矩阵计算模型和处理方法，建立了基于荧光光谱和智能算法的食品安全检测新技术。应用于白酒检测，实现了白酒品种和年份酒年份的科学化、仪器化和智能化鉴别和测定；应用于食品添加剂检测，实现了目标物的种类和含量的方便、快捷、灵敏、准确测定。
2、创新要点
本项目研发用于复杂混合物体系检测的高分辨率荧光光谱技术，结合数学建模方法和智能计算技术，以三维荧光光谱获得更多信息，以三维数阵校正智能算法进行混合物光谱特征信息的提取和处理，在处理复杂混合物体系光谱信息方面发挥优势，实现了以“数学分离”代替“化学分离”、以“计算识别”代替“人工判别”，解决了复杂混合物荧光光谱特征指向问题，建立了新的食品安全检测技术。
3、效益分析
“白酒年份酒的荧光光谱检测技术及鉴别系统”可实现对所建库中不同品牌白酒及不同年份白酒进行准确鉴别，可应用于白酒企业的生产管理和年份白酒消费市场的监督管理，将促进我国白酒年份酒的产生和销售的规范和发展，推动品牌白酒鉴别工作的技术进步，为打击假冒伪劣、保护名牌提供技术支持，具有直接的经济效益和良好的社会效益。
4、推广情况
建立的白酒荧光光谱检测技术对“中国白酒 169 计划”和“白酒 3C”计划的家白酒企业的产品进行了应用。在“山西杏花村汾酒厂股份有限公司”，本项目成果已应用于公司的生产管理和市场的监督管理.本项目成果已在“无锡市凯得灵糖果食品有限公司”得到应用，应用于公司生产原料和成品的检测。为本公司确保产品质量，提供了有效的技术支持，促进了产品质量的稳定和提高，应用二年多时间以来，糖果的产销量有了显著的增长。
江南大学
2021-04-13
一种基于线性链表的图像置乱方法
本发明的目的是提出一种线性链表的图像置乱方法，方法简单，安全性好，置乱度高，通用性强，并且能抵抗一定的攻击，可以很好的用于信息隐藏的预处理和图像加密，而且可以满足数字图像加密和隐藏的鲁棒性要求。
辽宁大学
2021-04-11
一种基于Matlab的图像加密和解译方法
本成果在不引起图像质量变化的情况下加载记录信息和提取加载信息，可以用于数字产品的的知识产权保护，涉密产品的授权使用。技术创新点：不破坏数字图像的前提下实现信息的隐藏和提取。
西北农林科技大学
2021-05-11
一种基于细胞荧光图像的药物筛选方法
本发明提供一种基于细胞荧光图像的药物活性组分筛选方法，通过控制荧光倒置显微镜上的高精度可控电动平台精确走位，应用荧光探针特异性标记细胞、细胞显微图像自动获取、荧光图像识别及数据生成，通过分析图像信息来获取心肌细胞保护作用的相关指标筛选和评价活性组分。本发明能够在活细胞内通过标记线粒体荧光强度来测量心肌细胞的活力状态从而对活性物质的保护效果进行评估，并能够对细胞的形态结构和分布进行实时监测，具有快速、经济、高通量的特征，可在定量筛选评价心血管疾病治疗药物中的应用。
浙江大学
2021-04-11
一种基于图像边缘矢量的匹配方法
本发明公开了一种基于图像边缘矢量的匹配方法。利用边缘的 方向和大小，实现对缩放、噪声、光照变化、局部遮挡、旋转平移等 情况的匹配；提取模板边缘中有代表性的矢量，与目标图像的边缘特 征进行比较，而不是逐边缘点比较，大大减少计算量，具有较好匹配 准确度；先用金字塔得到较小的模板和目标图像，并采用较大且合适 的参数步长，得到较为粗匹配的匹配位置和参数，再选取更为精细且 满足匹配要求的参数步长，在粗匹配的结果基础上再次搜索匹配，得 到精确的匹配位置和参数。
华中科技大学
2021-01-12
一种基于 Zernike 矩的图像匹配方法
本发明公开了一种基于 Zernike 矩的图像匹配方法，包括 S1 建 立 N 层模板金字塔图像；S2 计算每层模板图像的 K 个矩并建立 RCS 表；S3 建立 N 层目标金字塔图像；S4 通过查找 RCS 表计算 N 层中第L 层中每个目标子图像的 K 个矩；S5 计算第 L 层模板金字塔图像与第 L 层每个目标金字塔图像子图像 K 个矩的相关系数，获得第 L 层目标 金字塔图像匹配点位置；S6 判断 L 是否等于 1，若是，则进入 S8；若 否，则 L＝L-1，进入 S7；S7 在第 L 层以
华中科技大学
2021-01-12
一种基于图像边缘矢量的匹配方法
本发明公开了一种基于图像边缘矢量的匹配方法。利用边缘的方向和大小，实现对缩放、噪声、光照变化、局部遮挡、旋转平移等情况的匹配；提取模板边缘中有代表性的矢量，与目标图像的边缘特征进行比较，而不是逐边缘点比较，大大减少计算量，具有较好匹配准确度；先用金字塔得到较小的模板和目标图像，并采用较大且合适的参数步长，得到较为粗匹配的匹配位置和参数，再选取更为精细且满足匹配要求的参数步长，在粗匹配的结果基础上再次搜索匹配，得到精确的匹配位置和参数。
华中科技大学
2021-04-14
基于形态稀疏协同表示的高光谱遥感图像分类
本成果属于高光谱图像信息处理技术，为高光谱遥感图像分类方法。首先对高维高光谱图像提取第一主成分特征图，并利用结构元素对主成分特征图进行多维的空间结构特征提取，结合提取的形态学特征与原始光谱特征，利用联合稀疏表示算法将同一空间区域中的像元联合进行稀疏系数矩阵的求解，最终通过最小残差判断准则确定像元类别。这种方法有效地并且充分的挖掘了高光谱遥感图像中的空间信息、形态信息和光谱信息。考虑到稀疏表示方法在迭代求解稀疏向量时的耗时性与对非线性数据的不可分性，进一步提出了基于差分形态学核协同表示的高光谱遥感图像分类算法。该成果方法通过核化的协同表示分类算法避免了优化求解的耗时性，同时克服了高维特征空间下数据的线性不可分性。算法首先通过差分形态学方法在高光谱遥感图像的主成分分析图上进行空间特征提取，并通过核变换方法将新特征字典投影到高维的线性核特征空间，最后利用核化协同表示算法的高效性对高光谱图像进行分类。
主要技术指标
University of Pavia 通过 ROSIS-03 传感器记录，该图像捕获了意大利帕维亚的帕维亚大学周围的市区。图像尺寸为 610×340×103，空间分辨率为 1.3 m / 像素，光谱覆盖范围为 0.43 至 0.86μm。该图像考虑了九个类别。其具有 42776 个标记样本。每类取 50 个有标记样本共 450 个样本作为训练样本。
请参阅表 1，本方法提出的高光谱图像分类方法，相比于传统分类器 SVM，OA 提高了约 18%；相比于 JSRC，OA 提高了约 5%；同时参阅表 2，展示了本成果方法的时间运行效率与相关方法的比较。该成果无需使用 GPU 资源在保证精度的同时有效提升了分类的精度和效果。
表 1 PaviaU 数据集上对比实验结果
表 2 不同数据集上时间运行对比实验结果
西安电子科技大学
2023-03-14
一种基于纹理基元的遥感图像分类方法
本发明公开了一种基于纹理基元的遥感图像分类方法，包括：·741·选取典型地物的遥感图像作为第一训练集和第二训练集；提取第一训练集中同类地物图像的邻域特征向量并聚类形成纹理基元，不同地物的纹理基元组成纹理基元字典；利用纹理基元字典对第二训练集中图像的邻域特征向量进行标记，并对中心像素进行分箱，统计各个图像的中心像素-纹理基元二维联合分布，形成纹理模型库；将待分类的图像划分成超像素，经拉普拉斯校准后统计各超
华中科技大学
2021-04-14
基于图像的焦炭光学组织自动识别系统
成果简介通过光度计采集不同偏光下焦炭显微图像， 采用图像处理的方法焦炭提取图像中颜色、 纹理、 分形、 区域及边界等特征， 并采用模式识别的方法， 实现焦炭光学组织的自动分类与识别。成熟程度和所需建设条件硬件平台及软件系统均已构建， 算法已得到实验验证。 作为成熟产品， 软件尚需要进一步优化， 软硬件需要联调。技术指标识别准确率： 各向同性与各向异性>95%， 片状 98%， 纤维状 99%， 镶嵌状>95%。
安徽工业大学
2021-04-14