安徽省高等学校优秀青年人才基金(2012SQRL218)
- 作品数：14 被引量：35H指数：3
- 相关作者：杨春兰薛大为孔慧芳周治华方平更多>>
- 相关机构：蚌埠学院合肥工业大学更多>>
- 发文基金：安徽省高等学校优秀青年人才基金安徽省高校省级自然科学研究项目国家级大学生创新创业训练计划更多>>
- 相关领域：自动化与计算机技术轻工技术与工程电气工程农业科学更多>>
- 基于生物阻抗技术的淡水鱼新鲜度检测方法研究被引量：1
- 2014年
- 针对单独以阻抗模值条件或相角条件对淡水鱼新鲜度检测存在判别准确度不高的问题,提出了综合阻抗模值和相角两个条件并结合神经网络对淡水鱼新鲜度进行检测的方法.以模值和相角作为输入因子,以TVB-N作为输出因子,建立了淡水鱼新鲜度3层BP神经网络预测模型.实验结果表明,该模型对于淡水鱼新鲜度判别准确率达到95%,相对于单独模值条件或相角条件判别,准确度显著提高.
- 薛大为杨春兰
- 关键词：淡水鱼新鲜度阻抗特性BP神经网络
- 基于生物阻抗技术的淡水鱼新鲜度测量系统设计
- 2015年
- 对于目前淡水鱼新鲜度测量存在的精度低、速度慢等问题,设计了一种基于生物阻抗技术的测量系统.系统利用AT89C52单片机分别产生1KHz和10KHz的激励电流信号,施加在鲫鱼鱼体腮部平行于测线方向,通过测量电极的电压值,最终得到鱼体的新鲜度.并与化学法的测试结果进行对比,系统测量准确度达95%,可以作为淡水鱼新鲜度检测使用.
- 杨春兰薛大为
- 关键词：淡水鱼生物阻抗新鲜度测量系统
- 电子鼻检测黄山毛峰茶贮藏时间方法研究被引量：2
- 2016年
- 利用电子鼻对6个不同贮藏时间下5个等级黄山毛峰茶进行检测。首先获取反映茶叶香气的原始特征向量,再通过主成分分析法(PCA)提取出前5个主成分作为主特征向量,然后以主特征向量作为BP神经网络(BPNN)的输入,建立黄山毛峰茶贮藏时间预测模型(称为PCA-BPNN)。通过对75个测试样本(每等级15个)实验测试表明:PCA-BPNN对于贮藏0 d的茶叶,最大预测误差为7 d,5个(6.67%)样本预测误差超过10 d;对于贮藏60 d的茶叶,最大预测误差为10 d,4个(5.33%)样本预测误差超过10 d;对于贮藏120 d的茶叶,最大预测误差为16 d,7个(9.33%)样本预测误差超过10 d;对于贮藏180 d的茶叶,最大预测误差为19 d,8个(10.67%)样本预测误差超过10 d;对于贮藏240 d的茶叶,最大预测误差为21 d,8个(10.67%)样本预测误差超过10 d;对于贮藏300 d的茶叶,最大预测误差为14 d,6个(8.00%)样本预测误差超过10 d。验证了PCA-BPNN预测模型用于检测黄山毛峰茶贮藏时间的可行性,同时与以原始特征变量作为输入的BPNN预测模型相比,性能更好。
- 薛大为杨春兰孔慧芳鲍俊宏
- 关键词：黄山毛峰茶电子鼻BPNN
- 基于单片机的多功能数字频率计的设计被引量：3
- 2016年
- 频率计在生活及生产领域的应用极其广泛.为了得到频率等参数的精确测量值,系统在简易频率计的基础上,采用AT89C52单片机作为主控芯片,能够测定三角波、矩形波、正弦波等多种波形信号的频率、周期、占空比以及脉宽,最终通过LCD液晶显示器显示测量的参数.着重介绍了硬件设计及软件编程,同时采取Proteus仿真,结果显示仿真运行良好,可测量三角波、正弦波等多种波形的频率等多种参量.
- 杨春兰薛大为
- 关键词：频率计AT89C52PROTEUS仿真
- 主成分分析与神经网络结合的黄山毛峰茶品质检测被引量：8
- 2014年
- 研究了利用主成分分析与BP神经网络结合的方法对黄山毛峰茶进行品质检测。首先应用主成分分析法对反映茶叶香气信息的原始特征变量进行分析,提取出前5个主成分,再以这些主成分作为BP神经网络的输入,建立3层BP神经网络预测模型。试验结果表明,该模型相对于未经过主成分分析的BP神经网络模型,建模效率大大提高,判别准确率也由92.5%提高到97.5%。说明主成分分析与BP神经网络结合应用于黄山毛峰茶品质检测是有效的。
- 薛大为孔慧芳杨春兰
- 关键词：黄山毛峰茶电子鼻主成分分析BP神经网络
- 基于单片机的火车站台安全警戒系统设计
- 2016年
- 随着高铁时代的到来,火车站台的安全候车问题越来越受到重视。文中设计了基于AT89C52单片机的火车站台安全警戒系统,包括单片机最小系统、红外传感器模块及语音播报模块。详细介绍了系统的硬件设计及软件设计,能够实现火车站台的安全警戒,可逐步推广使用。
- 方平周治华葛难难杨春兰
- 关键词：警戒系统AT89C52红外语音芯片
- 基于电子鼻技术的茶叶贮藏时间检测方法被引量：1
- 2016年
- 主要探索茶叶贮藏时间的检测方法.以黄山毛峰茶为研究对象,利用电子鼻对7个不同贮藏时间下的干茶叶进行检测.根据电子鼻传感器阵列响应特点选取了特征变量,以特征变量为自变量,以茶叶贮藏时间为因变量,建立了茶叶贮藏时间的BP神经网络预测模型.通过测试样本对模型进行实验分析,结果表明:该模型对于7个不同贮藏时间茶叶样本最大预测误差为42.1天;预测误差超过10天的最大样本数为5个,占总样本数的7.14%.验证了所建立的茶叶贮藏时间BP神经网络预测模型的可行性.
- 杨春兰薛大为
- 关键词：茶叶电子鼻贮藏时间BP神经网络
- 基于虚拟仪器的淡水鱼阻抗测量系统被引量：1
- 2014年
- 为获取淡水鱼的阻抗特性,设计了基于虚拟仪器的淡水鱼阻抗测量系统。针对激励电流相移导致的相角测量误差,采用串联参考电阻法进行消除。系统硬件由电流源模块、信号调理模块以及数据采集卡组成。系统软件采用LabVIEW编写,实现数据采集、阻抗参数提取、显示及数据存储等功能。实验结果表明,系统对于鱼体阻抗模值测量的最大相对误差为0.47%,相角最大相对误差为4.35%,具有较高的测量精度。
- 薛大为杨春兰
- 关键词：淡水鱼阻抗测量虚拟仪器LABVIEW
- 电子鼻定量检测淡水鱼新鲜度的方法研究被引量：5
- 2016年
- 挥发性盐基氮(total volatile basic nitrogen,TVB-N)值是定量评价淡水鱼新鲜度的重要指标之一,为了寻求更加准确检测TVB-N值的有效方法,自行设计了电子鼻系统。该系统由金属氧化物感器阵列、数据采集卡、信号调理电路以及数据采集与处理程序构成。以鲢鱼为研究对象,利用电子鼻系统对其新鲜度进行检测。以传感器阵列响应值作为自变量,以鱼肉TVB-N值作为因变量,分别采用多元线性回归(multiple linear regression,MLR)、主成分回归(principal component regression,PCR)和反向传播神经网络(back propagation neural network,BPNN)建立了TVB-N值的预测模型。通过测试样本对3种模型进行验证,MLR预测模型对TVB-N的预测值与测量值之间的相关系数R、预测标准误差SEP、最大误差百分比RE-max及平均误差百分比RE-mean分别为0.65、5.11、7.45%和5.04%;PCR预测模型分别为0.80、2.77、5.64%和3.15%;BPNN预测模型分别为0.97、1.56、3.51%和2.18%。结果表明:BPNN预测模型性能最优,PCR预测模型性能次之,MLR预测模型性能最差。该研究为定量化检测淡水鱼新鲜度的检测提供了一种有效的方法。
- 杨春兰薛大为
- 关键词：电子鼻淡水鱼新鲜度挥发性盐基氮主成分回归反向传播神经网络
- 黄山毛峰茶贮藏时间电子鼻检测方法研究被引量：15
- 2016年
- 利用电子鼻对6个贮藏时间5个等级的黄山毛峰茶进行检测,首先获取反映茶叶香气的原始特征向量,再通过主成分分析法(PCA)提取出前5个主成分作为主特征向量,然后以主特征向量作为BP神经网络(BPNN)的输入,建立黄山毛峰茶贮藏时间预测模型(PCA-BPNN)。结果表明:PCA-BPNN对于贮藏0 d的茶叶,最大预测误差为11 d,5个(6.67%)样本预测误差超过13 d;对于贮藏60 d的茶叶,最大预测误差为13d,4个(5.33%)样本预测误差超过10 d;对于贮藏120 d的茶叶,最大预测误差为16 d,7个(9.33%)样本预测误差超过10 d;对于贮藏180 d的茶叶,最大预测误差为19 d,8个(10.67%)样本预测误差超过10 d;对于贮藏240 d的茶叶,最大预测误差为21 d,8个(10.67%)样本预测误差超过10 d;对于贮藏300 d的茶叶,最大预测误差为14 d,6个(8.00%)样本预测误差超过10 d。该研究所建立的PCA-BPNN预测模型可用于检测黄山毛峰茶贮藏时间,且与以原始特征变量作为输入的BPNN模型相比,性能更好。
- 杨春兰薛大为鲍俊宏
- 关键词：电子鼻BPNN
