由于水体及水中的悬浮粒子对光的吸收和散射作用,水下观测到的图像呈现出模糊、对比度低、噪声严重等问题,加大了水下图像分析与理解的难度。为了克服这些缺陷,以水下光学成像模型为基础,提出了一种基于拉普拉斯算子先验项的,可同时去雾、去噪的快速变分复原方法。首先,根据水下光学成像模型设计变分模型的数据项和规则项,对拟恢复图像采用拉普拉斯算子先验项作为变分能量方程的规则项。然后,采用改进后的红通道先验估计得到全局背景光,结合红通道先验估计得到每个通道的透射率图。为进一步提高计算效率,引入交替方向乘子法(ADMM)对所提出的模型进行交替优化迭代求解。实验结果表明,该算法能有效地去除水雾,抑制水下图像的噪声,提高图像的对比度和清晰度。

将多种单分类器模型融合, 并用融合后的模型对不同品种干红葡萄酒进行判别分析。 用BRUKER MPA傅里叶变换型近红外光谱仪采集170个干红葡萄酒样品的近红外透射光谱, 选取PLS-DA, SVM, Fisher和AdaBoost作为单分类器建模方法, 分别建立葡萄酒品种判别模型, 通过差异性度量值对单分类器进行筛选, 得到差异性较大的四个单分类器作为基分类器, 其中基分类器对测试集葡萄酒品种判别准确率最高为88.24%, 最低为81.18%。 然后通过加权投票机制对基分类器进行融合, 融合后的模型对测试集葡萄酒品种判别准确率提高至92.94%, 误判样品个数由单分类器最少的9个降为6个。 实验结果表明多分类器融合所建立的模型优于传统近红外光谱定性分析一般采用单分类器模型结果, 提高了葡萄酒品种判别的准确性, 采用基于近红外光谱的多分类融合方法对葡萄酒种类判定具有可行性。

提出一种将循环伏安电化学法和近红外光谱法联立, 用PLS-DA的D-S证据理论融合二者信息进行葡萄酒品种溯源研究的方法。 分别采集来自不同产区的三类不同品种的171个干红葡萄酒样品的循环伏安曲线和近红外透射光谱。 用PLS-DA法分别建立循环伏安电化学法和近红外光谱法的判别模型, 以此为证据; 用两个证据的D-S合成规则实现近红外判别结果与循环伏安法判别结果的重新决策。 融合后的结果为: 多产区不同品种葡萄酒溯源模型的建模集准确率为95.69%, 检验集准确率为94.12%; 单一产区不同品种葡萄酒溯源模型的建模集准确率为99.46%, 检验集准确率为100%; 判别结果都比融合前单一循环伏安电化学法和近红外光谱法的判别准确率得到了提高。 实验结果表明, 该方法具有较高的溯源识别准确度, 可以快速准确地对待测葡萄酒品种进行定性检测。

葡萄酒带有浓厚的葡萄原产地地域特点与个性, 快速准确地判别葡萄酒原产地具有重要意义, 感官评定的方法存在一定的局限性。 提出用贝叶斯信息融合技术将葡萄酒样品的近红外透射光谱及中红外衰减全反射光谱联立进行葡萄酒原产地判别的方法。 分别用近、 中红外光谱仪采集来自中国四个不同葡萄主栽产地(河北怀来、 山东烟台、 甘肃、 河北昌黎)的153个葡萄酒样品的近红外透射光谱和中红外衰减全反射光谱, 然后用偏最小二乘判别分析法(PLS-DA)分别建立基于近红外光谱和中红外光谱的葡萄酒产区判别模型; 该模型输出的节点值归一化后作为所有样品分属每一类别的先验概率, 代入Bayes判别公式得到后验概率, 根据此概率判断样品的新类别属性, 即用贝叶斯信息融合技术实现了两种判别结果的修正决策。 近红外和中红外融合后的模型结果为: 十次随机划分建模集和检验集, 四产区葡萄酒判别模型建模集的平均准确率由78.21%(近红外)和82.57%(中红外)变为融合后的87.11%, 检验集平均准确率由82.50%(近红外)和81.98%(中红外)变为融合后的90.87%, 均优于单独采用一种光谱技术的判别结果。 实验结果表明: 信息融合技术有助于模型判别效果的提高, 采用近、 中红外光谱的贝叶斯信息融合技术对葡萄酒原产地进行快速识别是可行的。

以三种不同陈酿方式的96个干红葡萄酒样品为试验对象， 用傅里叶变换中红外光谱仪外加衰减全反射（attenuated total reflectance， ATR）附件扫描其光谱， 然后分别用定性偏最小二乘法和支持向量机法建立三种不同陈酿方式葡萄酒的判别模型， 10次随机划分建模集与预测集后建模， 不同模式识别方法所建模型的建模集、 预测集的判别准确率均高于90%。 结果表明， 采用中红外ATR光谱技术结合模式识别方法对不同陈酿方式红葡萄酒进行快速识别是可行的。

利用快速气相色谱(GC-Flash)型电子鼻对不同贮藏时间红星苹果的香气进行检测,检测速度快(每次检测不超过5分钟)、重复性好且不破坏样品.所得数据经主成分分析(PCA)、统计质量控制(SQC)、货架期(SL)和气味指纹图谱四种化学计量学的方法进行处理后,果实的香气按照贮藏天数得到了很好地区分,反映了其采后质量的变化过程,预测出红星果实的常温货架期为20天,并用传统的理化指标法进行了验证,结果表明基于化学计量学的电子鼻技术是一种新的检测和分析产品质量的好方法.