Preview

Izmeritel`naya Tekhnika

Advanced search
Open Access Open Access  Restricted Access Subscription Access

Методы измерений спектральных характеристик и распознавания элементов зерновых смесей в системах сепарации реального времени

Abstract

The problem of the grain mixture components recognition on the basis of reflectance and luminescence spectrometry aiming at the higher effectiveness of photoseparation stream systems is considered. The procedures of reflectance and luminescence spectrometry of grain components and the results of comparative studies of pattern recognition algorithms of the grain mixture components are presented.

About the Authors

Э. Алгазинов
Воронежский государственный университет
Russian Federation


М. Дрюченко
Воронежский государственный университет
Russian Federation


Д. Минаков
Воронежский государственный университет
Russian Federation


А. Сирота
Воронежский государственный университет
Russian Federation


В. Шульгин
Воронежский государственный университет
Russian Federation


References

1. Pat. 5638961 US. Cereal grain color sorting apparatus / S. Satake, T Ito, N. Ikeda. 1997.

2. Pat. 5779058 US. Color sorting apparatus for grains / S. Satake, T. Ito, N. Ikeda. 1998.

3. Сарычева И. Н. и др. Ранняя диагностика кариеса зубов методом лазерно-индуцированной флуоресценции // Российская стоматология. 2012. № 3. С. 50-56.

4. Пат. 2464549 РФ. Оптоволоконное устройство для регистрации флуоресценции / И. Н. Сарычева и др. // Изобретения. Полезные модели. 2012. № 29.

5. Кирсанов Э. А., Сирота А. А. Обработка информации в пространственно-распределeнных системах радиомониторинга: статистичекий и нейростевой подходы. М.: Физматлит, 2012.

6. Татузов А. Л. Нейронные сети в задачах радиолокации. М.: Радиотехника, 2009.

7. Осовский С. Нейронные сети для обработки информации. М.: Финансы и статистика, 2002.

8. Фролов И. И., Садыхов Р. Х. Построение классификатора на основе машины опорных векторов для распознавания символов // Докл. Белорусского гос. ун-та информатики и радиоэлектроники. 2008. № 1. С. 103-108.

9. Scholkopf B. e. a. Advances in Kernel Methods. Support Vector Learning. Cambridge (USA): MIT Press, 1998.


Review

For citations:


 ,  ,  ,  ,   . Izmeritel`naya Tekhnika. 2014;(1):36-41. (In Russ.)

Views: 93


ISSN 0368-1025 (Print)
ISSN 2949-5237 (Online)