江辉
- 作品数：27 被引量：130H指数：7
- 供职机构：江苏大学电气信息工程学院更多>>
- 发文基金：国家自然科学基金江苏省自然科学基金国家科技型中小企业技术创新基金更多>>
- 相关领域：理学生物学自动化与计算机技术农业科学更多>>
- 新农科新工科融合形势下农业电气化专业建设改革探索被引量：7
- 2020年
- 在新农科新工科融合发展的新形势下,结合贯彻落实习近平总书记给全国涉农高校书记校长和专家代表的回信精神,以江苏大学农业电气化专业建设为研究对象,进行了新农科新工科融合背景下的专业教学改革新路径的积极探索。
- 江辉徐雷钧闫小喜
- 关键词：农业电气化
- 基于OC-SVM和近红外光谱的秸秆固态发酵进程监测被引量：7
- 2012年
- 利用近红外光谱技术结合一类支持向量机(OC-SVM)快速监测秸秆蛋白饲料固态发酵进程。首先获取发酵物样本在10 000～4 000 cm-1波数范围内的近红外漫反射光谱并对其进行主成分分析,提取前7个主成分因子作为模型的输入变量,然后运用OC-SVM算法建立判别模型。在模型建立过程中,采用交互验证的方法优化OC-SVM模型的相关参数。实验结果表明,在相同的条件下,OC-SVM模型在处理失衡训练样本的问题上明显优于SVM模型,当训练集中目标类和非目标类样本数比为1∶8时,OC-SVM模型在验证集中的正确判别率达到85%。
- 江辉刘国海梅从立肖夏宏于霜丁煜函
- 关键词：秸秆固态发酵近红外光谱主成分分析
- 一种基于SCARS策略的近红外特征波长选择方法及其应用被引量：18
- 2014年
- 针对近红外光谱数据的内在特点,提出了一种基于稳定性竞争自适应重加权采样(stability competitive adaptive reweighted sampling,SCARS)策略的近红外特征波长优选方法。该方法以PLS模型回归系数的稳定性作为变量选择的依据,其过程包含多次循环迭代,每次循环均首先计算相应变量的稳定性,而后通过强制变量筛选以及自适应重加权采样技术(ARS)进行变量筛选;最后对每次循环后所得变量子集建立PLS模型并计算交互验证均方根误差(RMSECV),将RMSECV值最小的集合作为最优变量子集。利用饲料蛋白固态发酵过程近红外光谱数据集对所提方法进行了验证,并与基于PLS的蒙特卡罗无信息变量消除法(MC-UVE)和竞争自适应重加权采样(CARS)方法所得结果进行了比较。试验结果显示:建立在SCARS方法优选的21个特征波长变量基础上的PLS模型预测效果更好,其预测均方根误差(RMSEP)和相关系数(Rp)分别为0.054 3和0.990 8;该优选策略能有效地增强固态发酵光谱数据特征波长变量选择的准确性和稳定性,提高了模型的预测精度,具有一定的应用价值。
- 刘国海夏荣盛江辉梅从立黄永红
- 关键词：光谱分析近红外SCARS
- 梨可溶性固形物含量NIR与变量筛选无损检测被引量：17
- 2010年
- 为提高利用近红外光谱技术快速检测梨可溶性固形物含量的精度和稳定性,结合区间偏最小二乘和遗传算法(iPLS-GA)来筛选校正模型中的特征光谱区和变量,通过交互验证法确定模型中的主成分因子数和筛选的变量,并以预测均方根误差(RMSEP)和相关系数(Rp)作为模型评价标准。试验结果显示:iPLS-GA最优模型包含5个光谱区、50个变量和10个主成分因子。最佳预测模型相关系数(Rp)和RMSEP分别为0.939 8和0.325 0,研究结果表明近红外光谱结合iPLS-GA算法可以准确、无损检测梨的可溶性固形物含量。
- 朱伟兴江辉陈全胜郭建光
- 关键词：可溶性固形物含量近红外光谱遗传算法
- 固体发酵过程软测量与智能控制成套装备
- 刘国海梅从立江辉朱湘临陆建明丁煜函沈跃廖志凌李康吉于霜程锦翔
- 属机械制造领域，涉及在线检测、智能控制技术与固体发酵装备设计，任务源于自选项目、863计划课题：海洋生物酶发酵过程软测量与优化控制研究(2007AA091602)“基于神经网络逆的生物反应过程软测量技术及优化控制(200...
- 关键词：
- 基于嗅觉可视化技术的花生黄曲霉毒素B_(1)定量检测被引量：1
- 2022年
- 花生在储运过程中极易受到各种霉菌的污染而产生真菌毒素,其中以黄曲霉毒素B_(1)(AFB_(1))最为常见。提出了基于嗅觉可视化技术的花生AFB1定量检测。利用顶空固相微萃取气相色谱-质谱联用技术(HS-SPEM-GC-MS)分析得到不同霉变花生的指示性挥发性物质成分,据此选择12种化学染料制备特异性强的色敏传感器阵列,用于采集不同霉变程度花生样本的气味信息。引入遗传算法(GA)结合反向传播神经网络(BPNN)优化预处理后的传感器特征图像的颜色分量。借助支持向量回归(SVR)构建基于优化特征颜色分量组合的定量模型实现花生AFB1的定量检测;在此过程中,比较网格搜索(GS)和麻雀搜索算法(SSA)对SVR参数的优化性能。研究结果显示:SSA-SVR模型性能整体优于GS-SVR模型性能;且基于7个特征颜色分量组合的最佳SSA-SVR模型的预测相关系数(RP)达到0.9142,预测均方根误差为5.6832μg/kg,剩余预测偏差为2.3926。研究结果表明,利用嗅觉可视化技术可实现花生AFB1的定量检测。
- 江辉刘良源陈全胜
- 关键词：花生
- 基于dbiPLS-SPA变量筛选的固态发酵湿度近红外光谱检测被引量：12
- 2013年
- 为了提高基于近红外光谱技术的固态发酵关键过程参数——湿度快速检测的精度和稳定性,研究采用动态反向区间偏最小二乘(dbiPLS)法结合连续投影算法(SPA)进行最佳光谱子区间和特征组合变量的筛选,通过交互验证法确定偏最小二乘(PLS)模型的主成分因子数,并以预测均方根误差(RMSEP)和相关系数(Rp)作为模型的评价标准。试验结果显示,最佳dbiPLS-SPA模型筛选的组合变量个数为8,其RMSEP和Rp分别为1.1795%(质量分数)和0.9430。试验结果表明,dbiPLS-SPA是一个有效的波长组合变量筛选方法,可简化模型结构、增强模型精度和稳健性。
- 刘国海江辉梅从立
- 关键词：发酵近红外光谱连续投影算法
- 近红外光谱结合ELM快速检测固态发酵过程参数pH值被引量：7
- 2012年
- pH值是固态发酵过程关键参数之一,为此提出基于近红外光谱技术的秸秆蛋白饲料固态发酵过程参数pH值检测方法。利用近红外光谱系统获取140个固态发酵过程产物样本在10 000～4 000cm-1范围内的近红外光谱数据,通过酸度计测得近红外光谱预测模型的参考测量值;运用ELM算法建立pH值的预测模型,在模型建立过程中由交互验证法确定最佳主成分因子数和ELM网络隐含层节点数。试验结果显示:最佳ELM网络模型的拓扑结构为10-40-1,模型预测集相关系数(Rp)和预测均方根误差(RMSEP)分别为0.961 8和0.104 4。研究结果可为固态发酵过程参数的在线检测提供技术基础。
- 刘国海江辉肖夏宏张东娟梅从立丁煜函
- 关键词：近红外光谱极限学习机PH固态发酵
- 基于CARS变量筛选的固态发酵pH值近红外检测被引量：7
- 2014年
- 为了提高近红外光谱技术快速检测固态发酵过程中pH值的精度和稳定性,提出了采用竞争自适应重加权采样(competitive adaptive reweighted sampling,CARS)法筛选出与pH相关的波长变量建立PLS预测模型,对验证集样本进行预测的方法。并与2种常见的变量筛选法GA-PLS和蒙特卡罗无信息变量消除法(MC-UVE)相比较.实验结果表明:CARS方法能有效筛选有用波长26个变量建立PLS模型,其校正集交互验证均方根误差(RMSECV)以及交互验证相关系数(Rc)分别为0.0368和0.9950;验证集的预测均方根误差(RMSEP)以及预测相关系数(Rp)分别为0.0589和0.9895。
- 于霜刘国海梅从立江辉夏荣盛
- 关键词：固态发酵近红外光谱CARS
- siPLS-LASSO的近红外特征波长选择及其应用被引量：6
- 2018年
- 近红外技术广泛应用于食品、药品等生产过程和产品质量检测,具有样品无需预处理、成本低、无破坏性、测定速度快等优点。但是,全光谱数据维数高、冗余信息多,直接应用于建模会导致模型复杂性高、稳定性差等问题。siPLS是最常见的光谱数据降维方法,但是难以处理光谱数据的共线性问题。LASSO是一种相对新的数据降维方法,但在小样本应用中具有不稳定性。针对siPLS和LASSO在近红外光谱数据应用中存在的问题,提出了基于siPLS-LASSO的近红外特征波长选择方法,并将其应用于秸秆饲料蛋白固态发酵过程pH值监测。该方法首先采用siPLS算法,实现对光谱波长最佳联合子区间的优选;然后,对优选联合子区间使用LASSO算法进行特征波长选择,在此基础上建立PLS校正模型。同时,将siPLS-LASSO方法与其他传统特征波长选择方法进行了对比。结果表明:建立在siPLS-LASSO方法优选33个特征波长基础上的PLS模型预测结果更好,其预测方差(RMSEP)和相关系数(Rp)分别为0.071 1和0.980 8;所提siPLSLASSO方法有效选取了特征波长,提高了模型预测性能。
- 梅从立梅从立尹梁尹梁江辉陈旭丁煜函
- 关键词：近红外光谱
