基于电镜观察及介质理论分析高压脉冲电场处理果蔬机理

通过对苹果和白萝卜进行高压脉冲电场(HPEF)预处理及超微结构电镜试验,研究HPEF预处理脉冲强度、脉冲宽度和脉冲个数对果蔬细胞结构的作用机理。结果表明,HPEF预处理可改变果蔬细胞膜通透性,使果蔬细胞结构受到严重破坏。通过结合介质理论对其机理进行推导,得知高压脉冲电场处理果蔬的主要影响因素为电场强度。在电场作用下,果蔬组织内部的受力与电场强度的平方成正比,脉冲宽度和脉冲个数对电击穿也有一定的影响,为高压脉冲电场处理果蔬工艺参数的选择提供了理论依据。     

高压脉冲电场对果蔬生物力学性质的影响

高压脉冲电场预处理果蔬,使其组织细胞在产生可逆击穿下,进行真空冷冻干燥加工,可大大地提高脱水速率和降低冻干能耗。但认识其作用机理和优化工艺参数,需要进一步研究高压脉冲电场对果蔬材料生物力学性质的影响。该文研究了高压脉冲电场处理胡萝卜、白萝卜和苹果对其生物力学性质的影响,通过测定其剪切强度、弹性模量、材料硬度值和压缩屈服极限,并与对照组进行比较,结果表明预处理后材料的剪切强度、弹性模量及屈服极限均比对照组降低,胡萝卜的硬度值比对照组降低,而白萝卜和苹果的硬度值则高于对照组。运用SAS软件对试验数据进行多元回归分析获得了高压脉冲电场预处理果蔬的工艺参数以及相关寻优模型,为高压脉冲电场预处理工艺的确定提供参考。     

高压脉冲电场预处理对果蔬动态黏弹特性的影响

为了解高压脉冲电场（high pulsed electric field,HPEF）预处理对果蔬动态黏弹性的影响,该文应用DMA-Q800热动态力学性能分析仪对几种大众果蔬苹果、梨、萝卜、马铃薯等进行了动态压缩试验研究,获得了不同高压脉冲电场参数、不同振荡频率下果蔬的储能模量、损耗模量及损耗正切等黏弹性参数,并结合果蔬细观组织结构扫描电镜分析了高压脉冲电场预处理对果蔬动态黏弹性的影响机理。结果表明：果蔬的储能模量、损耗模量及损耗正切随频率的增加而增大,随着电场强度、脉冲宽度、脉冲时间的增大,苹果和马铃薯组织模量下降,白萝卜组织模量增加,梨试样组织模量先增大后减小,果蔬细观组织扫描电镜分析表明高压脉冲电场预处理引起的果蔬细胞结构、膨压及细胞间隙变化是造成果蔬动态黏弹性变化的主要原因,在25～90℃温度范围内,随温度的升高4种果蔬组织的储能模量、损耗模量呈下降趋势,梨和白萝卜的对照组试样先上升后下降。研究结果可为高压脉冲电场预处理果蔬实现低能耗冻干加工工艺参数优化等应用提供理性分析基础。     

南瓜片真空脉动干燥特性及含水率预测

为探索南瓜片真空脉动干燥特性,并实现干燥过程中南瓜的含水率预测,该文研究了不同常压保持时间、真空保持时间、干燥温度和切片厚度对南瓜干燥时间和速率的影响;利用温度传感器实时采集南瓜在干燥过程中的中心温度,阐述压力脉动过程对物料传热传质的影响;建立了输入层个数为5,隐藏层个数为11,输出层为南瓜含水率,结构为"5-11-1"的BP神经网络模型,实现对南瓜含水率实时预测.结果表明:真空保持时间和常压保持时间均对南瓜干燥时间有显著影响,干燥温度60℃,切片厚度7mm条件下,常压保持时间10min和真空保持时间9min所用干燥时间最短,约为352min;干燥温度和切片厚度均对干燥时间有显著影响,提高干燥温度、减少切片厚度能够有效缩短干燥时间.采用Levenberg-Marquardt算法为训练函数,经过有限次训练得到的BP神经网络模型,其预测值与实测值之间的决定系数R2为0.9968,均方根误差RMSE为0.0173,能够很好预测南瓜在真空脉动干燥过程中的含水率.研究结果为南瓜真空脉动应用以及含水率在线预测提供理论依据.     

辐照预处理对苹果脱水特性的影响

采用60Co γ射线辐照处理苹果,研究了苹果细胞结构变化对其脱水速率的影响,以及不同辐照剂量对苹果的脱水速率的影响和不同热风干燥温度时的脱水特性[1].结果表明:苹果组织结构和液胞膜的损伤程度随剂量的增加而加剧,脱水速率与辐照剂量呈正相关;辐照剂量与热风干燥温度呈负相关,确定了适宜的预处理剂量、干燥温度和切片厚度.     

辐照预处理对苹果脱水特性的影响

采用6 0 Coγ射线辐照处理苹果 ,研究了苹果细胞结构变化对其脱水速率的影响 ,以及不同辐照剂量对苹果的脱水速率的影响和不同热风干燥温度时的脱水特性[1] 。结果表明 :苹果组织结构和液胞膜的损伤程度随剂量的增加而加剧 ,脱水速率与辐照剂量呈正相关 ;辐照剂量与热风干燥温度呈负相关 ,确定了适宜的预处理剂量、干燥温度和切片厚度。     

热风干燥对果蔬薄壁组织细胞结构的影响

为了研究热风干燥过程对果蔬微观结构的影响,该文选择马铃薯、苹果、胡萝卜3种物料,运用组织石蜡制片、显微成像及图像处理技术,获得了3种物料在热风干燥过程中不同含水率下的薄壁组织细胞结构图像及各细胞结构参数的分布曲线,并分析了热风干燥对微观结构参数(细胞横截面积、周长、当量直径和圆度)的影响,建立了微观结构参数与宏观干燥参数(水分比)的拟合方程。结果表明,各细胞结构参数比与水分比之间具有线性相关性,可以用数学模型预测在热风干燥过程中苹果、马铃薯和胡萝卜的薄壁组织细胞结构随含水率的变化情况,研究结果可为控制果蔬在热风干燥条件下的品质及建立干燥过程数学模型提供理论依据。     

采后苹果电特性与生理特性的关系及其应用

为了了解果蔬的电学特性，并为果蔬品质自动化识别提供新方法，该文从生理特性角度分析了影响采后苹果电参数变化的原因。基于电参数的变化，将BP神经网络技术应用于苹果新鲜等级的识别。研究结果指出：采后红富士苹果相对介电常数的变化规律与乙烯释放量变化规律相似，电阻率与乙烯释放量变化规律相反，在乙烯释放峰出现时，相对介电常数达到最大值，电阻率达到最小值。根据采后苹果可溶性固形物含量和pH值的变化，将苹果分为3个新鲜等级，以相对介电常数和电阻率作为BP神经网络的输入特征参数，在2-20-3的网络结构下，苹果新鲜等级平均识别率达到79%。该研究为了解采后果品电特性变化的原因提供了信息，为基于电特性的新型果品内部品质检测技术的研究提供了基础。     

基于介质湿度控制的苹果片红外漂烫传热模拟与试验

为了揭示空气介质对苹果片红外漂烫的传热作用机制以及对膨化干制的影响，该研究将介质湿度控制技术用于苹果片红外漂烫预处理中，利用数值模拟方法并结合苹果漂烫干燥试验，解析不同介质湿度下苹果片红外漂烫的传热传质规律，探究基于介质湿度控制的红外漂烫预处理对干燥效率和膨化干燥后产品色泽的影响。研究结果表明，基于红外辐射与对流传热原理的数学模型，并考虑物料水分蒸发与蒸汽冷凝能够较好描述红外漂烫的传热传质过程。物料含水率与温度模拟结果的相对误差为0.54%和0.39%。在恒定120℃红外加热温度下，介质相对湿度对苹果片红外漂烫的热质传递、漂烫后干燥效率与产品色泽均具有明显的影响。在低湿的状态下（1%相对湿度）进行红外漂烫，物料表面水分快速向空气介质中蒸发扩散，伴随的水分蒸发耗热量占物料吸热总量的40%，致使物料升温缓慢。将介质湿度提高至50%相对湿度能够抑制苹果片表面的水分蒸发，同时介质中水蒸气冷凝放热能够大幅提高漂烫初期的物料升温速度，漂烫120 s后物料中心温度迅速提高至86.8℃。因此，提高红外漂烫的介质湿度能显著提高漂烫后苹果片干燥速率与产品色泽。与1%相对湿度相比，在120℃、50%相对湿度下红外漂烫后苹果片的预干燥时间缩短了8.3%，苹果片干燥的色差值与褐变指数分别降低了55.6%和37.4%，护色效果优于热水漂烫。研究结果为苹果片等果蔬高质高效干燥的红外漂烫预处理工艺开发提供了新思路。     

脉冲电场预处理胡萝卜片微波干燥试验

为考察脉冲电场预处理对胡萝卜片微波干燥特性的影响,以胡萝卜片微波干燥单位时间降水率和复水率作为试验指标,设计了4因素（脉冲频率、电场强度、微波功率密度和切片厚度）二次回归正交组合试验,得出经预处理后胡萝卜片微波干燥失水速率曲线。用SPSS软件进行回归分析,得到预处理后胡萝卜片微波干燥动力学方程和各指标回归方程,并对指标进行了综合优化。结果表明：经脉冲电场预处理后胡萝卜片微波干燥动力学方程分段适用Page模型;脉冲频率和电场强度对胡萝卜片微波干燥单位时间降水率影响显著;脉冲频率对复水率影响显著,电场强度对复水率影响不显著;最优工艺组合为脉冲频率30 Hz、电场强度2.0 kV/cm、微波功率密度1.0 W/g和切片厚度4.0 mm;在最优工艺条件下,胡萝卜片单位时间降水率和复水率均得到提高。     

机器人采摘苹果果实的K-means和GA-RBF-LMS神经网络识别

为进一步提升苹果果实的识别精度和速度,从而提高苹果采摘机器人的采摘效率。提出一种基于K-means聚类分割和基于遗传算法(genetic algorithm,GA)、最小均方差算法(least mean square,LMS)优化的径向基(radial basis function,RBF)神经网络相结合的苹果识别方法。首先将采集到的苹果图像在Lab颜色空间下利用K-means聚类算法对其进行分割,分别提取分割图像的RGB、HSI颜色特征分量和圆方差、致密度、周长平方面积比、Hu不变矩形状特征分量。将提取的16个特征作为神经网络的输入,对RBF神经网络进行训练,以得到苹果果实的识别模型。针对RBF神经网络学习率低、过拟合等不足,引入遗传算法对RBF隐层神经元个数和连接权值进行优化,采取二者混合编码同时进化的优化方式,最后再利用LMS对连接权值进一步学习,建立新的神经网络优化模型(GA-RBF-LMS),以提高神经网络的运行效率和识别精度。为了获得更精确的网络模型,在训练过程中,苹果果实连同树枝、树叶一块训练;得到的模型在识别过程中,可一定程度上避免枝叶遮挡对果实识别的影响。为了更好地验证新方法,分别与传统的BP(back propagation)和RBF神经网络、GA-RBF优化模型比较,结果表明,该文算法对于遮挡、重叠果实的识别率达95.38%、96.17%,总体识别率达96.95%;从训练时间看,该文算法虽耗时较长,用150个样本进行训练平均耗时4.412 s,但训练成功率可达100%,且节省了人工尝试构造网络结构造成的时间浪费;从识别时间看,该文算法识别179个苹果的时间为1.75 s。可见GA-RBF-LMS网络模型在运行效率和识别精度较优。研究结果为苹果采摘机器人快速、精准识别果实提供参考。     

黄土区不同土地经营方式径流量神经网络模拟

基于黄土坡面降雨—径流关系的复杂性和非线性,引用3层前馈型BP网络模型,对不同土地经营方式(草灌地、刈割地、翻耕地)径流量进行模拟,以植被盖度、降雨强度、坡度、土壤前期含水率和土壤容重5个因子作为输入层变量,次降雨下径流量作为输出层变量。利用野外人工模拟降雨试验所得到的不同降雨强度下各类土地经营径流小区的径流量实测资料,对网络进行模拟训练并预测,径流量平均误差不超过10%,且径流量较大的翻耕地训练精度及预测结果较草灌地、刈割准确性更高些。与传统回归统计方法进行了误差比较,结果表明,该模型能更好地预测次降雨的径流量。     

基于L-M优化算法的BP神经网络的作物需水量预测模型

应用L-M优化算法BP神经网络，通过多维气象数据(太阳辐射、空气温度、湿度)与作物需水量的相关分析，来确定网络的拓扑结构，建立作物需水量的人工神经网络模型。用美国田纳西州大学高原实验室所测的100 d气象数据为输入、作物需水量为输出来训练建立好的BP神经网络，仿真表明该神经网络能很好地解决需水量多影响因素之间的不确定性和非线性，模型的预测精度较高，同时通过一组非样本天气环境参数和作物需水量来验证该神经网络，也得到了较好的预测结果，能够满足灌溉的精度要求。     

硅灰石纤维填充超高分子量聚乙烯基复合材料干滑动摩擦磨损的BP神经网络分析

超高分子量聚乙烯及其复合材料由于其优良的自润滑和防黏性能可用于农业工程装备中的滑动接触部件和触土部件。基于人工神经网络在复杂系统建模问题上的优越性，考察了几种因素对硅灰石纤维增强复合材料的摩擦和磨损性能影响的模型。考虑到输入、输出数据个数，调试设计了一个3×10×2的BP神经网络，其输入层由3个神经元构成，分别为硅灰石纤维的处理方法、硅灰石纤维的加入量和试验过程中的法向载荷。隐含层有10个神经元。输出层2个神经元分别为材料的摩擦系数和磨损量。基于上述BP神经网络对硅灰石纤维增强超高分子量聚乙烯基复合材料的干滑动摩擦磨损性能进行了模拟和预测。对神经网络的训练和检验表明该BP神经网络能够较好地预测影响因素对复合材料的干滑动摩擦和磨损的作用，大部分数据的预测值与试验值的误差在10%以内，其仿真精度能够满足实际的摩擦磨损预测要求。     

基于SCADA数据的风电机组关键载荷预测

风电机组关键位置载荷预测对风电机组安全、经济运行具有重要意义。通过建立SCADA数据与载荷间的近似关系对风电机组关键位置载荷进行预测。采用BP神经网络建立SCADA数据和载荷的关系模型,利用SCADA数据与载荷间的相关性来筛选模型输入参量,采用试错法确定BP神经网络的层数与神经元数量。针对某2.5 MW风电机组的7处关键位置进行了载荷实测。研究表明,在不采用风速作为输入参量的情况下,模型的预测结果与实测结果具有良好的一致性,相对误差的均值在1.28%到15.6%之间,决定系数R2在0.951到0.882之间;与试错法选择输入参量相比,基于相关性计算的输入参量选择方法能够更高效地筛选出更多恰当的SCADA参量,从而进一步提高预测准确度。因此,基于BP神经网络建立SCADA数据与载荷的近似关系可作为风电机组关键位置载荷预测评估的有效手段。