植物油市场中出售的芝麻油、玉米油和花生油有多种品牌, 不同品牌间价格差距较大, 且存在假冒的现象, 利用荧光光谱技术可以无损地鉴别购买油种是否为标签所标种类。主成分分析方法及平行因子方法可对这3种油种进行人工分类, 但其存在类间距离相比于类内距离过小的不足, 在结合传统的聚类分析方法时, 会造成误分类现象。本文以提高类间距离、达到正确聚类为目标, 经过比较分析, 选择均值、标准差、光谱重心坐标、二阶混合中心距、相关系数、等价椭圆二倍倾角正切值、在重心激发波长处的发射光谱的偏度系数和峰度系数作为统计参数, 相比于直接使用聚类方法, 芝麻油分类的正确率从92.3%提高到100%, 玉米油分类的正确率从75%提高到100%, 花生油从57.1%提高到100%。用偏最小二乘判别分析方法验证了本文方法的合理性。本文方法可以用于植物油检测仪器的自动分类, 利于市场监管及指导人们日常消费。

木材表面节子是木材缺陷中非常重要的一类缺陷，也是评定木材外观等级、锯材和单板质量的重要指标。为了提高节子缺陷识别效率及准确性，并改善检测过程的自动化程度，对应用木材表面图像的灰度直方图统计特征进行节子缺陷识别进行研究。通过利用类间距离对7 个统计特征的分类能力进行评价，从而确定出识别节子缺陷的最佳统计特征，即平滑度特征；同时提出一种自适应的最大类间方差聚类法进行分类阈值的确定，进而采用阈值判别实现节子缺陷识别。经在线检测实验证实，该方法的识别率高于99%。