10.3964/j.issn.1000-0593(2022)05-1471-07
实木板材抗弯强度的SWCSS-GFK-SVM数据迁移建模方法
木材的抗弯强度是木材重要的力学指标.光谱分析操作简单、方便、快速,已成为木材检测的重要手段.但是在应用中,面对检测环境的温湿度变化、仪器部件老化和附件更换等情况,采集到的光谱数据会发生一定程度的偏移.为了解决这一问题,以落叶松抗弯强度的近红外光谱预测模型为研究对象,针对不同类型光谱仪数据差异而导致主机模型泛化能力差的问题,提出了一种迁移学习与光谱转移校准结合的近红外光谱建模方法.加工200组落叶松板材试件样本,以NIRQuest512光谱仪为主机、One-chip微型集成光谱仪为从机,分别采集落叶松试材光谱数据,利用力学万能测试机检测试件力学真值;2类数据经过SNV、S-G、光谱剪切预处理后,从机数据使用PDS转移校正完成从机到主机光谱线性变换;然后,利用SWCSS对2类光谱数据进行特征提取,优选出主机与从机相关的稳定性一致光谱波段;最后,采用100组试件的2类近红外光谱数据进行GFK-SVM建模,得到适用于主机、从机设备的通用模型.为了验证模型方法的有效性,应用100组数据进行测试并对比了DS-PLS,PDS-PLS,DS-SWCSS-GFK-SVM和PDS-SWCSS-GFK-SVM等建模方法;结果表明,PDS采用了滑窗技术,方法相较DS方法可以更好地完成光谱数据的线形映射,在一定程度上提高了建模精度,统一了两组光谱仪之间的光程与波长数;SWCSS特征提取方法能够根据2组光谱数据集之间的差异与共性优选波段,保证特征选择的有效性与稳定性,提升建模精度;GFK-SVM适合不同光谱数据的迁移,能够通过合理的核函数参数优选实现不同类型光谱数据的高维映射,在高维空间中构建不同数据集的通用模型,实现主机模型在从机光谱预测上的泛化,提升了数据的使用效率,测试集相关系数Rp达到0.875,均方根误差RMSEP为11.975.
木材抗弯强度、模型转移、迁移学习、GFK-SVM
42
O657.33(分析化学)
引进国际先进农业科学技术计划(“948”计划);中央高校基本科研业务费专项资金项目
2022-05-11(万方平台首次上网日期,不代表论文的发表时间)
共7页
1471-1477