基于虚拟仪器的鱼粉新鲜度电子鼻测量系统

为寻求方便快捷的鱼粉新鲜度测量手段,根据鱼粉腐败过程中产生的气体成分,选择TGS822醇类及有机溶剂型传感器、TGS825硫化氢型传感器、TGS826氨气和胺类传感器及TGS832卤烃型传感器作为电子鼻的气体传感器阵列,设计了基于USB总线标准的便携式采集装置和基于虚拟仪器开发平台LabVIEW的鱼粉新鲜度电子鼻测量系统。利用该系统对鱼粉样本进行气味信号采集,同时对鱼粉样本中的TVB-N的含量采用半微量凯式定氮法进行检测,通过主成分分析(PCA)法对鱼粉样本的电子鼻数据进行聚类分析,并与化学分析结果进行对比,验证系统的有效性。结果表明,基于虚拟仪器鱼粉新鲜度电子鼻测量能够区别不同新鲜度的鱼粉样本,证明了该电子鼻测量系统的有效性。     

基于仿生嗅觉的猪肉质量快速评测系统设计与应用

根据模拟生物嗅觉的原理和机制,提出了一种基于仿生嗅觉的猪肉质量快速评测仪的设计方法。其硬件主要包括气体采集装置、信号调理电路、气动元件控制电路等,采用Matlab编制上位机监测界面,对多路原始信号进行采集和基线处理,之后采用主成分分析(PCA)对多路传感器信号降维后提取主要特征,最终采用K-均值对不同新鲜度等级的猪肉进行聚类分析。结果表明,设计的系统能够快速、无损地检测出待测样品的新鲜度,且精度在85%以上,在猪肉新鲜度检测中具有很好的应用前景。     

鸡蛋新鲜度神经网络检测系统的研究

鸡蛋内部颜色信息（H、I、S）的变化表征蛋的新鲜度等内部品质的变化。用计算机视觉装置获取鸡蛋颜色参数（H、I、S）,通过试验获得鸡蛋的新鲜度大小（哈夫值）,用它们作为样本数据建立BP神经网络模型,获取鸡蛋新鲜度与其图像颜色参数之间的最优关系,达到自动检测鸡蛋新鲜度。经检验,系统正确识别率为90．8％。     

基于图像特征的猪肉新鲜度无损检测方法

以计算机视觉为基础,研究使用图像特征检测猪肉新鲜度的方法,通过对采集到的猪肉图像进行消噪和图像分割处理,从背景中分离出猪肉样本图像用于进一步处理;提出颜色区域比作为检测猪肉新鲜度的图像特征,使用聚类算法检验图像特征与新鲜度的相关性,并计算出分类阈值用于新鲜度检测.经试验验证颜色区域比与猪肉新鲜度间有较高的相关性,且本方法能够实现对猪肉新鲜度的检测和分类.     

基于电子鼻的鱼类新鲜度检测系统设计

针对鱼类新鲜度检测的实际需求,提出基于电子鼻系统的鱼类新鲜度检测方案,对其关键技术及系统构架进行了研究.在研究电子鼻气体传感器阵列及其工作原理的基础上,通过分析检测系统功能需求,利用STC12C5A单片机结合气味传感器采集鱼类新鲜度气味信号,上传至数据分析处理系统,最终通过模式识别实现气体组成分析.测试结果表明,利用电子鼻系统可以快速、简便、准确地检测鱼类新鲜度,可应用于鱼类的物流和仓储等领域.     

基于多信息融合技术的河套蜜瓜品质评价

提出应用机器视觉和近红外光谱信息融合技术进行河套蜜瓜品质的评价,利用自行开发设计的在线检测系统获取154个试验样本的图像信息和光谱信息,通过对采集样本应用支持向量机算法进行数据融合。结果发现,基于多信息融合技术能够更有效地对蜜瓜的品质进行识别,评判的准确性较单个信息模型有所提高,当把蜜瓜的颜色特征、体积和果形指数作为外部特征融合蜜瓜光谱特征进行建模时效果最好,其模型的r、均方根校正偏差(RMSE)高达0.863 0、0.940 7。     

基于机器视觉技术的烤烟鲜烟叶成熟度检测

为准确判定烟叶采收成熟度,以不同成熟度中部烟叶为材料,利用机器视觉技术提取不同成熟度烟叶图像的颜色和纹理特征值,采用主成分分析法对3个颜色特征值(色调、饱和度、亮度)和5个纹理特征值(角二阶矩、相关度、熵、对比度、逆差距)进行优化,利用BP神经网络建立烟叶成熟度检测模型。结果表明,采用前4个主成分可综合反映3个颜色特征值和5个纹理特征值的分级信息,实现了参数的优化;在图像信息主成分因子数为4,中间节点数为16时,该识别模型最佳,模型平均识别率为93.67%,表明基于机器视觉技术对烤烟鲜烟叶成熟度的检测是可行的。     

基于近红外光谱与图像识别技术融合的烟叶成熟度的判别

为提高鲜烟叶成熟度的识别精度,提出基于近红外光谱和图像识别的多源信息融合技术的烟叶成熟度判别方法：利用随机森林(RF)方法分别建立近红外光谱判别模型、图像判别模型和多源信息融合判别模型,对烟叶成熟程度进行检测。近红外光谱模型对红花大金元、K326和云烟87等3个烤烟品种烟叶成熟度的识别正确率分别为91.27%、90.43%、89.44%,图像模型的识别正确率分别为86.20%、86.96%、81.23%,融合模型的识别正确率分别为94.08%、94.78%和92.96%。与近红外光谱模型相比,融合模型的判别正确率平均提高了3.93%;与图像模型相比,融合模型的判别正确率平均提高了10.83%。     

基于色彩识别特征的柳杉锯材表面活节和死节的机器视觉识别系统．

利用色彩特征信息开发了柳杉锯材表面活节和死节的机器视觉自动识别系统.该系统由3部分组成:CCD工业摄像图像采集硬件系统、缺陷检出的图像处理模块和基于识别规则的缺陷识别模块.潜在缺陷区域可由大津自动阈值分割算法结合T-检验来完成,活节和死节的检出率分别为92.6%和97.1%.基于2个形状识别特征和6个色彩识别特征构建了缺陷的识别规则,利用构建的识别规则可实现活节和死节的识别率分别为92.0%和94.1%.系统整体检测准确率为87.6%,此结果表明基于识别规则的彩色机器视觉自动识别系统是检测柳杉锯材表面活节和死节的一个有效手段.     

基于小波神经网络的柑橘pH机器视觉检测

【目的】研究涟红温州蜜柑pH的机器视觉检测及影响检测精度的因素。【方法】对机器视觉系统采集的柑橘图像进行图像裁切、RGB空间至HSI空间的转换和差值法去图像背景,用色调H和饱和度S为输入,建立小波神经网络柑橘pH预测模型,无损检测柑橘pH。【结果】30个测试样本的检测结果表明,预测偏差最大值为9.95%、偏差最小值为-3.6%、平均偏差为0.8%、标准偏差为2.95%,pH±0.1精度内的正确识别率为80%,pH±0.2精度内的正确识别率为93.33%。【结论】涟红温州蜜柑pH与果皮色泽之间具有相关性,可用机器视觉检测其pH。但进一步提高预测精度,首先须在图像处理环节上去除各种虫斑与病斑的影响。