西瓜成熟度无损检验的冲击振动方法

在试验分析了西瓜的力学和物理特性的基础上,提出了利用西瓜的振动频率响应来判断西瓜成熟度的无损检验方法。研究表明,传统的判断西瓜成熟度的含糖量与西瓜的振动基频有较好的相关关系。在此基础上,考虑了西瓜质量的影响,提出了用ｆ^２ｍ^２／３做为西瓜的成熟度指数,并初步确定了“京欣”品种西瓜的成熟度指数范围。研究结果表明,冲击振动方法是一种比较有效的西瓜成熟度无损检验方法,为工程应用在线测量及分机处理奠定了基础。     

基于音频和近红外光谱融合技术的西瓜成熟度判别

为了满足西瓜成熟度的快速无损检测需求,该研究主要利用声学技术、近红外光谱技术结合K最近邻法(k-nearest neighbor,KNN)、线性判别分析(linear discriminant analysis,LDA)和反向传播人工神经网络(back propagation artificial neural network,BP-ANN)3种化学计量学方法对不同成熟度的西瓜进行定性判别;同时采用联合区间偏最小二乘筛选法(synergy interval partial least squares,Si-PLS)分别建立声学技术、近红外光谱技术、融合技术的西瓜可溶性固形物预测模型。结果表明融合技术处理结果均优于单一信号,其LDA模型数据的西瓜成熟度模型识别率较佳,校正集和预测集的识别率分别为100.00%和91.67%。同时,基于融合技术所建立的西瓜可溶性固形物预测模型效果较佳,其校正集的均方差根误差(root mean squared error of the calibration set,RMSECV)为0.601%,预测集的均方差误差(root mean squared error of the prediction set,RMSEP)为0.725%,相比的单独音频信号其均方根误差分别降低了0.081、0.068个百分点。研究结果可为高精度的西瓜品质快速鉴别提供参考。     

基于水培生菜力学特征的成熟度分类方法

为了能准确识别生菜的成熟度,实现生菜适时采收,避免因采收期不当而造成品质下降等问题,该研究提出用穿刺试验力学特征表征水培生菜成熟度的方法,提取同一颗生菜不同叶片的不同部位时域和频域的力学特征,得到叶片力学特征与叶片成熟特性指标的相关性。为了对水培生菜未成熟株、成熟株、过成熟株进行准确分类,设计双阈值深度遍历算法,确定分类准确率最高的叶片类型和区域;采用6种机器学习算法以该区域所有的力学特征为输入,以成熟度3种分类为输出进行训练。试验结果表明,生菜叶片力学特征与成熟度特性指标紧密相关,生菜中叶叶茎区域分类准确率最高,可优化集成分类机器学习算法准确率最高为94.3%。研究结果提供了一种应用力学特征解决水培生菜成熟度检测与分类的新方法。     

基于声学特性的西瓜糖度检测系统

该研究优化了由包裹橡皮的金属小球、压电式加速度传感器、电荷放大器、光电式触发电路、数据采集卡和计算机等组成的西瓜声学特性测试系统。由所获取的声波信号幅值谱计算出声透过率,采用TQ软件中SMLR(逐步多元线性回归)函数选取6个特征频率:752、869、1001、4556、322、3950Hz,由其对应的声透过率值建立了西瓜品质检测的多元线性回归模型。对47个西瓜样本的试验数据分析表明:将敲击点和接收点分别放置在西瓜自然生长状态的中部对侧可获得最佳的测定模型,模型的校正相关系数R、校正均方根误差RMSEC和预测均方根误差RMSEP分别是0.80753、0.646和0.655。实现了西瓜糖度检测目的,为声学无损检测西瓜成熟度提供了参考。     

利用近红外高光谱图像技术快速鉴别西瓜种子品种

为了研究采用近红外高光谱图像技术对西瓜种子品种快速无损鉴别的可行性,该文采用近红外高光谱图像技术,通过提取西瓜种子的光谱反射率,结合Savitzky-Golay (SG)平滑算法,经验模态分解算法（empirical mode decomposition,EMD）和小波分析（wavelet transform,WT）对提取出的光谱数据进行去除噪声处理,采用连续投影算法（successive projections algorithm,SPA）和遗传-偏最小二乘法（genetic algorithm-partial least squares, GA-PLS）进行特征波长选择。基于全波段光谱建立了偏最小二乘判别分析（partial least squares-discriminant analysis,PLS-DA）,基于特征波长建立了反向传播神经网络（back-propagation neural network,BP NN)判别模型和极限学习机（extreme learning machine,ELM）判别模型。试验结果表明,基于特征波长的BPNN模型和ELM模型的结果优于基于全部波长的PLS-DA模型,基于SG预处理光谱提取的特征波长建立的ELM模型取得最优的判别效果,建模集和预测集的判别正确率均为100%。结果表明应用近红外高光谱成像技术对西瓜种子品种鉴别是可行的,为西瓜种子的品种快速鉴别提供了一种新方法。     

基于高光谱成像技术的沙金杏成熟度判别

为了实现对不同成熟度沙金杏进行快速、准确识别的目的,该研究利用高光谱成像技术(400~1 000 nm)对沙金杏的成熟度进行了判别研究,利用高光谱成像系统分别采集了处于4种不同成熟阶段(七成熟、八成熟、九成熟和十成熟)的沙金杏共480个样本的高光谱数据。首先,对不同成熟阶段所有样本的可溶性固形物含量值进行测定和单因素方差分析,结果表明,可溶性固形物与成熟度之间存在相关性,其相关系数为0.9386,可用该指标对沙金杏的成熟度进行划分。然后,对光谱数据利用偏最小二乘回归(partial least squares regression,PLSR)模型提取得到9个特征波长(434、528、559、595、652、678、692、728、954 nm),对图像数据利用灰度共生矩阵(gray level co-occurrence matrix,GLCM)提取到6项图像纹理指标(均值、对比度、相关性、能量、同质性和熵),并对图像数据采用RGB模型提取到6项图像颜色指标(R、G、B分量图像的平均值和标准差)。将这三类指标进行最优组合并分别建立关于沙金杏成熟度判别的极限学习机(extreme learning machine,ELM)模型。结果表明:使用特征波长与颜色特征融合值建立的ELM模型的判别正确率最高,达到93.33%。该研究为沙金杏的成熟度在线无损检测提供了理论参考。     

基于近红外光谱技术的大米品种快速鉴别方法

为探索大米无损检测技术,提出了一种基于可见-近红外光谱技术快速、无损鉴别大米品种的新方法。首先采用主成分分析法对大米品种进行聚类,然后利用小波变换技术提取光谱特征信息,把光谱特征信息作为人工神经网络的输入建立品种识别模型,对大米品种进行鉴别。从每种大米60个样本共计180个样本中随机抽取150个样本（每种50个样本）用来建立神经网络模型,剩下的30个大米样本用于预测。品种识别准确率达到100%。说明所提出的方法具有很好的分类和鉴别作用,为大米的品种鉴别提供了一种新方法。     

杨树人工林无损年轮计量特征气象响应分析

为了掌握树木年轮计量特征，探究植被径向生长以及其对气候因子的响应，研究以多密度杨树人工林为对象，采用无损测定技术获取年轮计量特征，选用多种径向生长模型拟合树轮生长，并整理树木生长时期的气候因子进行响应分析，结果表明：1）三维点云定量、精准描述活立木干形，随着株行距缩小密度增大立木干型通直饱满，形率可达到0.57；2）阻力仪无损测定年轮宽度和密度，反应了树轮气候敏感性，方形种植配置更易受气候因素的影响；3）研究区杨树的径向生长采用logistic模型拟合，R²均达到0.94以上；4）四种种植配置年轮宽度对年度气候因子的响应存在明显差异，对年平均风速响应均呈显著正相关(最高为6 m×6 m种植配置的早材年轮宽度达到0.85)，年轮密度与年度气象因子的响应均为负相关，其中年均相对湿度呈较显著相关性（最高为3 m×8 m种植配置达到?0.82）；5）月度气象因子响应表现为季节性，春季温度因子与年轮计量特征呈负相关，而湿度因子对年轮宽度呈现正相关，风速因子和年轮计量特征的相关性在春季最大，随着种植配置的稀疏风速和年轮计量特征的相关性逐渐增大。该研究为准确评估树木生长以及分析年轮对气象因子的响应提供了新思路，为森林可持续经营管理提供理论依据。     

石英晶体微天平传感器检测香蕉成熟度的试验

为了对采后香蕉的成熟度进行无损检测,提高货架品质和减少过熟造成的损失,以巴西香蕉为研究对象,以1,2-二油锡甘油-3-磷-L-丝氨酸、半乳糖神经酰胺、纤维素乙酯、乙基纤维素做为敏感材料,采用滴涂法修饰了4个石英晶体微天平(quartz crystal microbalance,QCM),测试了1~7级成熟度的香蕉的挥发性有机化合物的响应特性,并用主成分分析法和线性判别分析法对响应结果做了分析。试验表明,在4种敏感膜中纤维素乙酯对香蕉的7个成熟阶段的挥发性气体的响应最明显,响应值先随香蕉成熟度增加而增加,在4级成熟阶段时最大,随后降低。用主成分分析法对7个成熟阶段香蕉的挥发物的响应值聚类分析,97%能够正确聚类;用线性判别分析法可获得100%的识别率。据此,4种材料修饰的石英晶体微天平传感器可以用于香蕉成熟度的识别。该研究结论对香蕉成熟度自动化分级研究有一定实用价值。     

鸡蛋新鲜度的光特性无损检测

光学特性正越来越广泛应用于农产品质量分析、新鲜度和成熟度检测中。本研究目的是探讨光特性无损检测鸡蛋新鲜度的原理和实现方法。试验以200个不同新鲜度的鸡蛋为研究对象，在温度为(28±2)℃，相对湿度为55%的贮藏条件下，在200～800 nm光谱测量范围内对鸡蛋的新鲜度与贮藏时间的相关性进行了追踪光透射特性试验，同时对鸡蛋新鲜度与不同贮藏时间的相关性进行了分析。通过Origin 6.0对光谱透射数据的统计分析建立了透射率与波长，透射率与贮藏时间的相关数学模型，其相关系数分别为0.86和0.94，并找出了用于检测新鲜度的特征波长为465 nm。试验结果表明鸡蛋的透射特性应用于鸡蛋新鲜度检测具有可行性和快速性。     

免疫捕捉PCR法检测西瓜细菌性果斑病研究

利用免疫吸附富集结合经典PCR技术建立了免疫捕捉PCR检测西瓜果斑病菌的检测法，并与直接PCR和生长检测法作了比较。结果表明，所测果斑病菌Acidovorax avenae subsp. citrulli都产生360bp左右的特异性片段，而10个不同属的对照菌株无特异性片段产生。免疫捕捉PCR检测果斑病菌的灵敏度为50-102cfu/ml，而直接PCR则在104cfu/ml，两者的灵敏度相差100倍左右。免疫捕捉PCR法对市售7种瓜种的检测发现，其中1种哈密瓜种子、2种甜瓜种子和2种西瓜种子检出果斑病菌，与人工气候箱内生长检测的发病结果基本吻合。显示了该法准确、灵敏、快速、低成本等优点。     

宁夏硒砂瓜产量动态预测

通过对产量与各生育阶段气象要素的相关分析,研究宁夏中卫环香山地区气候条件对硒砂瓜产量的影响,建立产量动态预报模式。结果表明：降水是影响宁夏硒砂瓜生长的主要因素,播种前及全生育期降水量对产量的增减起着决定性的作用;各气象因子对硒砂瓜的影响主要集中在苗期和伸蔓膨瓜期,其中降水、平均相对湿度、平均风速的影响较显著。一定范围内,降水越多产量越高,平均最高气温越高、空气湿度越小、风速越大,硒砂瓜产量越低。     

小型西瓜果实成熟度表征因子筛选

为了判断小型西瓜生长过程中的成熟度,实时监控其内部品质,该文研究了小型西瓜"京秀"果实在生长过程中,多种基础信息随着生长天数的变化情况。西瓜的内部品质指标变化具有一定的规律性,且部分指标的变化规律相似。由相关性分析、因子分析及构造新变量的结果可知,小型西瓜"京秀"果实在授粉后20～38d的过程中,品质变化主要表现为可溶性固形物、可滴定酸、瓜瓤含水率及叶绿素含量的变化,其中叶绿素含量的变化主要在22～25d的过程中表现较为显著,28～30d的过程中主要表现为可溶性固形物、可滴定酸和含水率的变化,31～38d的过程中品质基本上已经达到稳定,只在小范围内有些波动。研究结果为小型西瓜品质和成熟度的光学无损检测提供了参数选择的依据。     

基于改进YOLOv7的油茶果实成熟度检测

为确保油茶果实处于最佳成熟度进行采摘,提高油茶果实的出油率及茶油品质,该研究针对自然环境下油茶果实多被遮挡的问题,以原始YOLOv7模型为基础进行改进,提出一种油茶果实成熟度检测方法。首先,在主干网络中引入十字交叉注意力机制（criss-cross attention,CCA）加强对被枝叶遮挡果实成熟度特征的提取能力;其次,使用基于距离和交并比的非极大值抑制（distance-iou non-maximum suppression,DIoU-NMS）算法代替传统非极大值抑制（nonmaximum suppression,NMS）算法,从而加强模型对相互遮挡果实的检测能力;最后,以训练集中3 098张油茶果实图像训练改进的YOLOv7模型,验证集中442张图像用于在训练过程中评估模型,并对测试集中885张图像进行测试。改进后的YOLOv7模型在测试集下的精确率P为93.52%,召回率R为90.25%,F1分数为91.86%,平均精度均值mAP为94.60%,平均检测时间为0.77 s,模型权重大小为82.6 M。与Faster R-CNN、EfficientDet、YOLOv3、YOLO...     

基于改进EfficientDet的油橄榄果实成熟度检测

自然环境下自动准确地检测油橄榄果实的成熟度是实现油橄榄果实自动化采摘的基础。该研究根据成熟期油橄榄果实表型特征的变化以及参考国际油橄榄理事会和中国林业行业标准的建议制定了油橄榄果实成熟度标准,并针对油橄榄果实相邻成熟度特征差异不明显以及果实之间相互遮挡问题,提出一种改进EfficientDet的油橄榄果实成熟度检测方法。首先改进特征提取网络,在特征提取网络中引入卷积注意力模块（Convolution Block Attention Module,CBAM）细化不同成熟度之间的特征映射;其次改进特征融合网络,在加权双向特征金字塔网络（Bidirectional Feature Pyramid Network,Bi-FPN）中增加跨级的数据流加强果实的相对位置信息,最后通过623幅油橄榄测试图像对改进的EfficientDet模型进行测试。改进EfficientDet模型在测试集下的精确率P、召回率R和平均精度均值mAP分别为92.89%、93.59%和94.60%,平均检测时间为0.337 s,模型大小为32.4 M。对比SSD、EfficientDet、YOLOv3、YOLOv5s和Faster R-CNN模型,平均精度均值mAP分别提升7.85、4.77、3.73、1.15和1.04个百分点。改进EfficientDet模型能够为油橄榄果实的自动化采摘提供有效探索。     

不同熟相小麦品种生育后期的群体光合强度及同化物的运转分配

用CXH-305型红外CO_2分析仪和同位素示踪技术研究了4个不同熟相小麦品种生育后期的群体光合强度和同化物在不同器官中的运转分配。结果表明,落黄较好的小麦品种,其籽粒灌浆初期的群体光合强度与落黄较差品种无显著差异;但到籽粒灌浆中后期,前者的群体光合强度则极显著地高于后者;到籽粒灌浆末期,落黄较好的品种仍维持相对较高的群体光合强度。~(14)CO_2示踪研究表明,在小麦生育后期,落黄较好品种植株各器官的放射性比活度高于落黄较差的品种。就同化物的运转分配而言,在籽粒灌浆期,落黄较好品种光合产物运输到茎秆和根系的比例较大,而落黄较差的品种运输到穗部的比例较大。文中讨论了不同熟相小麦品种产量差异的生理原因,并就小麦生产中的有关问题提出了建议。     

三倍体西瓜种子种壳结构及机械破壳力学特性

为实现机械破壳代替人工破壳的方式提高无子西瓜种子的发芽率。对比二倍体西瓜种子,用种壳超微结构分析方法解释了三倍体西瓜种子的发芽障碍原因;并采用3种常见的三倍体西瓜种子黑牛、蜜红和花皮,含水率分别为11.1%、11.2%和10.6%,运用常用试验方法对实现机械破壳的力学特性进行了试验研究。试验结果得出三倍体西瓜种子的加载速度对破壳力的影响;设计压缩摇杆时,其调节量标准以各品种的压缩变形量最大值为基准;加载速度宜选择80～100mm/min;最大破壳力为68.97N。研究得到的结果为开发三倍体西瓜种子破壳机械提供了基本参数和理论计算依据。     

西瓜的有限元模型及其应用

西瓜的硬度可以通过检测其固有频率得到。试验时,采用一个摆动的木球激励被测西瓜,产生的信号由加速度传感器采集,利用ANSYS 7.0建立了西瓜的有限元模型,并确定最佳激励点及适于测量其固有频率的传感器。试验结果表明,西瓜的杨氏模量与其固有频率之间具有较高的相关性,相关系数高达0.90,西瓜的硬度可以由其杨氏模量来表征,研究结果为进一步研究西瓜硬度无损检测装置打下了基础。