基于高光谱成像和BP神经网络的聚织物的水分含量检测
Xiaoke Jin1, Haonan He1, Lin Ming1
1College of Textile Science and Engineering (International Institute of Silk), Zhejiang Sci-Tech University, 928 2nd Street, Xiasha Higher Education Park, Hangzhou 310018, China.
概括
超光谱成像可以准确检测聚织品中的水含量. 一个反向传播的神经网络模型实现了超过99.9%的准确性,检测误差低至0.3%.
科学领域:
- 材料科学 材料科学 材料科学
- 频谱学是一种光谱学.
- 织工程 织工程 织工程
背景情况:
- 精确的水含量检测对于聚织品质量控制至关重要.
- 超光谱成像为材料分析提供了一种非破坏性的方法.
- 了解光谱特征是开发可靠检测模型的关键.
研究的目的:
- 为了验证用于聚织品水分含量检测的高光谱成像.
- 开发和评估用于定量水分分析的反向传播神经网络模型.
- 识别关键的光谱变量,以提高检测准确度.
主要方法:
- 获取了150张不同湿度和厚度的聚织物的超光谱图像.
- 分析光谱曲线,重点关注1363和1890nm左右的特征峰值.
- 使用光谱特征变量开发反向传播神经网络模型.
主要成果:
- 湿度含量显著改变了聚织物的光谱曲线和特有的峰值形状.
- 面积和全宽度在特征峰值的最大的一半是有效的光谱变量.
- 开发的反向传播神经网络模型显示出高精度 (R > 0.999,RMSE < 0.3%).
结论:
- 超光谱成像是一种可行且准确的方法,用于检测聚织物的湿度.
- 反向传播神经网络使用光谱数据有效地模拟水分含量.
- 该模型实现了大约0.3%的低检测误差.
更多相关视频
06:50O-cresol Concentration Online Measurement Based On Near Infrared Spectroscopy Via Partial Least Square Regression
Published on: November 8, 2019
6.6K
10:25Construction of Models for Nondestructive Prediction of Ingredient Contents in Blueberries by Near-infrared Spectroscopy Based on HPLC Measurements
Published on: June 28, 2016
10.6K
