生鲜猪肉主要品质参数无损在线检测系统

基于可见近红外光谱技术,设计了生鲜猪肉品质无损在线检测装置.介绍了该系统的工作原理、工作过程、硬件组成及软件系统功能.系统硬件包括光谱信息采集装置、样品传送单元、位置检测单元、控制单元和计算机等.基于Delphi和Matlab语言开发了与PC硬件和Windows XP软件环境兼容的光谱信息自动采集和实时处理的无损在线检测软件系统.该系统可实现生鲜猪肉样品光谱数据的自动采集、光谱数据的在线处理、样品品质参数的在线预测与检测结果的在线显示.将该系统用于生鲜猪肉水分含量的在线检测.结果表明,该在线检测装置检测精度高、可靠性好,可用于肉品主要品质参数的无损在线检测.     

蜜瓜糖度透射光谱检测技术

采用便携式USB光纤光谱仪建立了蜜瓜糖度透射光谱检测系统，光源能量300W，光谱采集积分时间500ms，离散光谱累计采集次数为4次，光谱平滑采用厢车法，平滑点数为4点。利用该系统对140个非网纹类蜜瓜糖度进行了检测试验，采用经典最小二乘法(CLS)、逐步多元线性回归(SMLR)、主成分回归分析(PCR)和偏最小二乘法(PLS)对样品光谱和糖度的建模与预测结果表明，PLS法的建模与预测结果较好，相关系数r为0.857，均方根校正误差为0.655，均方根预测误差为0.838。     

水果糖度近红外光谱在线检测装置

采用短波近红外光谱仪,进行机械传送、光谱采集处理、自动控制等系统的设计和集成,研制水果糖度近红外光谱在线检测装置。在550~850nm范围,采用偏最小二乘法,建立了苹果糖度近红外光谱在线检测数学模型。经比较,标准正交校正和一阶导数处理后的光谱建立的数学模型预测效果最优,模型的相关系数为0.78,模型预测均方根误差为0.67°Brix。实验表明:水果糖度近红外光谱在线检测装置可准确地检测苹果糖度含量。     

阵列式多光谱透反射型瓜果果肉品质在线检测技术研究

为了提高瓜果产业发展的经济和社会效益,增加其市场竞争力。针对瓜果类无损检测分选的社会需求,研究不同瓜果糖度的特征光谱波段,通过选择和优化果实果肉糖度对应的特征光谱波段,研发阵列式的多光谱透反射型在线检测系统。实验结果表明,该检测系统可满足一次同时采集多波段的瓜果透反射光谱信息的需求,实现对瓜果糖度的在线快速准确检测,糖度检测正确率达90%。     

基于高光谱成像的绿皮马铃薯检测方法

针对任意放置姿态下的轻微绿皮马铃薯难以检测的问题,进行了半透射与反射高光谱成像方式的不同检测方法比较研究,最终确定较优高光谱成像方式的检测方法。分别以半透射与反射高光谱成像方式对图像维提取RGB、HSV和Lab空间颜色信息,并采用等距映射、最大方差展开、拉普拉斯特征映射进行图像信息降维;分别以半透射与反射高光谱成像方式对光谱维提取感兴趣区域的平均光谱数据,并采用局部保持投影、局部切空间排列、局部线性协调进行光谱信息降维;然后分别建立不同高光谱成像方式下的图像与光谱信息的深度信念网络模型;对识别率良好的模型采用多源信息融合技术进一步优化,并建立基于图像和光谱融合或不同成像方式融合的模型。结果表明,基于半透射和反射高光谱的光谱信息融合模型最优,校正集和测试集识别率均达到100%,可实现轻微绿皮马铃薯的无损检测。     

基于CARS算法的脐橙可溶性固形物近红外在线检测

采用可见/近红外光谱在线检测装置进行赣南脐橙可溶性固形物含量在线检测模型优化研究。样品以5个/s的速度运动,采集可见/近红外漫透射光谱。光谱经过预处理后,分别应用向后区间偏最小二乘法（BiPLS）、遗传算法（GA）和正自适应加权算法（CARS）筛选特征变量,并通过外部验证评价PLS模型预测能力。一阶微分处理后经CARS筛选特征变量建立的PLS模型预测结果最优,预测相关系数和预测均方根误差分别为0.94和0.42%。结果表明CARS算法可有效简化赣南脐橙可溶性固形物可见/近红外光谱在线检测模型并提高模型的预测精度。     

基于多光谱成像技术的猪肉新鲜度无损快速检测装置

基于多光谱成像技术设计了猪肉新鲜度的关联复合品质参数无损伤快速检测装置,包括硬件与软件设计.硬件系统由单片机控制单元、光源单元、图像采集单元、数据处理单元和LCM液晶显示单元组成,软件系统在ICCAVR开发环境下设计,采用C语言编程,包含图像采集模块、滤光片切换模块、LCM显示模块、与PC机通信模块等.经过软件与硬件系统调试、实验,该装置检测速度为每10s检测一个样品,具备无损伤、快速检测的功能.     

可见近红外光谱检测河套蜜瓜糖度和硬度研究——基于LS-SVM

最小二乘支持向量机是水果品质可见近红外光谱检测中新近发展起来的建模方法。为此,详细介绍了最小二乘支持向量机的工作原理以及基于Matlab环境的LS-SVM工具箱的使用;在此基础上,运用主成分分析和LS-SVM法建立了基于可见近红外光谱的河套蜜瓜糖度和硬度检测模型,并分析了样品糖度、硬度的真实值和预测值的相关性。预测结果表明:糖度和硬度预测值与真实值决定系数R2分别为0.865和0.852。LS-SVM法建模速度快、准确率高、易于实现,在可见近红外光谱数据分析中有很大的实用价值。     

近红外透射光谱无损检测赣南脐橙糖度的研究

探讨了近红外透射光谱无损检测赣南脐橙内部糖度指标的可行性,并建立近红外透射光谱与赣南脐橙内部糖度指标之间的关系.以80个赣南脐橙为研究对象,利用透射光谱测定法获取完整赣南脐橙的近红外光谱(200～1100nm),选取不同的光谱波段范围对水果样本的透射光谱进行有效信息的提取,并结合多元线性回归(MLR)、主成分回归(PCR)和偏最小二乘法(PLS)3种不同的数学校正方法对赣南脐橙的糖度(SC)进行定量分析.实验结果为:在550～900nm波段范围内,PLS校正模型的预测精度最好,其相关系数为0.9032,预测样本均方根误差为0.2421.实验结果表明,近红外透射光谱可以作为一种准确、可靠、无损的检测方法,用于检测赣南脐橙内部的糖度指标.     

基于机器视觉的鸡胴体表面污染物在线检测技术

基于机器视觉技术设计了鸡胴体表面污染物在线检测及处理系统。通过"工业相机+滤光片+计算机"的方式在线采集鸡胴体表面波长500 nm和710 nm的特征图像,采用中值滤波、灰度增强进行图像预处理,然后采用Otsu法自动确定阈值并获得二值化图像,再对图像进行腐蚀、膨胀、空洞填充以及异或操作,分割得到鸡胴体表面污染物区域并以此判断鸡胴体表面是否存在污染物,然后对鸡胴体表面的污染物进行喷淋处理。试验结果显示,利用该系统进行鸡胴体表面3种污染物(盲肠粪便、血液、胆汁)检测,检测总体平均正确率为90.5%,表明该系统可实现鸡胴体表面污染物的在线检测和正确识别。     

椰糠基质有效氮近红外检测仪设计与试验

为了实现椰糠基质有效氮含量的快速实时检测,基于漫反射光谱设计了椰糠基质有效氮近红外检测仪。该检测仪的硬件系统主要由前处理装置、气力输送装置、重力式沉降样品室、近红外光谱检测装置、样品回收装置和空气压缩机等组成。制备了不同有效氮含量的椰糠基质样本135个,采用研制的检测仪获取了样本原始光谱数据,并建立了椰糠基质有效氮含量的最优偏最小二乘回归预测模型,其校正集相关系数和验证集相关系数分别为0.973和0.965,校正集均方根误差和验证集均方根误差分别为14.025 mg/(100 g)和15.757 mg/(100 g),残差预测偏差为3.72。基于MFC开发工具,采用C/C++语言开发了检测仪硬件控制及实时检测分析软件界面,将建立的最优有效氮光谱预测模型移植到软件程序中,实现了椰糠基质有效氮近红外检测仪功能硬件控制及有效氮检测的一键式操作。试验验证结果表明,所研制仪器预测值与国标测量值相关系数为0.883,测试集均方根误差为18.605 mg/(100 g)。该检测仪实现了椰糠基质有效氮含量的快速实时检测,并且预测性能较好,可以满足快速评价椰糠基质养分的实际需求。     

全包围光源结构的单粒小麦蛋白质含量检测装置研究

针对单粒小麦蛋白质含量等内部表型的实时检测需求,设计了基于近红外漫反射光谱的无损定量检测装置,阐述了光源结构设计、硬件系统设计和软件系统构建。选用近红外LED微型灯珠,以6行8列形式均匀分布于圆柱形铝合金灯筒壁上,形成向心全包围的物理结构,LED灯珠引脚通过16根导电铜柱并联连接,灯筒上顶部设有红外对射传感器,当检测到谷物经由灯筒内的玻璃滑道时,光谱仪通过一分二型光纤分别从灯筒上顶部和下底部收集漫反射光谱,基于C++语言的上位机软件将其转换为吸光度,再根据嵌入模型进行实时预测。获取了300粒单粒小麦900~1 700 nm范围的全包围漫反射光谱,进行归一化处理后,分别建立了基于全光谱(FS)和连续投影算法(SPA)提取特征波长的单粒蛋白质含量预测模型。试验结果表明,两个模型校正集的R2分别为0.960 4和0.844 6,验证集R2分别为0.801 6和0.819;从实用性和预测效果出发,选择基于SPA特征波长的蛋白质模型作为嵌入式预测模型;分别验证了该装置的波长重复性、吸光度重复性和预测重复性,结果表明,本装置可以用于单粒谷物内部表型的实时、无损、定量检测。     

农产品品质检测系统的高光谱成像控制软件设计

利用VS2010与Matlab混合编程方法设计了用于农产品品质指标检测的高光谱成像在线检测系统的控制分析软件,包括仪器参数设置模块、信号检测与控制模块和数据采集与分析模块,完成了图像采集、图像合成、运动控制、数据提取分析及存储、显示功能。该控制分析软件设计提高了高光谱成像技术应用的实用化,实现了对农产品品质指标的无损、实时、快速检测分析。     

玉米种子实时检测分选装置设计与试验

针对我国玉米种子人工分选效率低、错分率高、缺少自动检测分选装置等问题,设计了一种玉米种子实时检测分选装置。该装置由进料单元、检测单元、分选单元和控制系统组成。下位机采用MSP430,与上位机实时通信,并控制分选执行机构,上位机采用Matlab 2014b软件对玉米种子图像进行实时处理,并输出识别结果。为了便于采集玉米种子图像,设计了种子分离机构。根据霉变玉米种子与正常玉米种子表面颜色的差异,设计了一种基于HSV颜色空间划分的玉米种子识别算法,并提出了一种玉米种子排序策略,实现了玉米种子的精确分选。该装置对单幅图像的采集和处理时间约为0.7 s,分选速率最高为680粒/min,霉变玉米种子识别准确率为100%,裝置总体分选准确率不低于94%。该装置实现了从玉米种子进料到分选的全自动化,能够对霉变玉米种子进行实时检测和分选。     

农业机械自动调高装置微电容检测系统的设计

农业机械的自动化程度越来越高,自动检测与控制技术在农业机械中的作用越来越大,从而等距控制的自动调高装置需求量与日俱增。本文根据自动调高装置的要求,设计了基于单片机STC89C52R和电容数字转换芯片AD7746的微电容检测系统,详细阐述了系统的硬件组成及其接口电路,分析了系统的软件组成及编程原理。通过AD7746电容数字转换芯片实现了对电容传感器的信号采集与数字转换,利用单片机分别实现对AD7 7 4 6控制及上位机的通信。最后,通过实验获取了检测系统的本底电容和测量精度。     

联合收获机电容式稻谷含水率在线检测装置设计与试验

针对联合收获机稻谷含水率实时检测过程中因样本含杂率高而导致精度和稳定性差的问题,搭建了兼具二次筛分除杂功能的稻谷实时采样台架,基于采样台架采用电容法设计了联合收获机稻谷含水率在线检测系统。设计了检测系统硬件电路,开发了上位机监控界面,实现了上位机和下位机之间的通信。分析了温度和含杂率变化对电容差值的影响规律,进行了采样台架性能试验,建立了电容差值、温度和稻谷含水率输出的关系模型,其二阶模型决定系数为0.986 6,并对模型进行了验证。结果表明:采样台架筛分后的稻谷含杂率均小于1.2%;室内试验时,检测系统最大误差为0.42%,平均误差为0.22%,检测装置平均相对误差不大于1.25%;田间试验时,检测装置相对误差小于3%,有效提高了在线检测精度。本研究可为稻谷含水率的在线获取提供参考。     

鸭蛋品质无损自动检测分级系统

设计了基于计算机视觉技术的鸭蛋品质无损自动检测分级设备的硬件系统和软件系统。阐述了总体结构、工作原理及检测方法。该设备可一次完成蛋心颜色、蛋壳厚度、蛋大小、新鲜度 4个指标的检测和分级 ,具有快速、准确、高效、可操作性强等特点 ,实现了鸭蛋品质在线检测、分级过程的自动化。     

农畜产品安全无损检测扫描式拉曼光谱成像系统设计

构建了用于农畜产品安全检测的扫描式拉曼光谱成像检测系统,对其硬件和软件分别进行了搭建和设计,实现了拉曼光谱和图像同步获取。根据检测的实际需求和精度要求确定了检测系统中拉曼成像光谱仪、CCD相机、镜头、激光光源、移动平移台等主要元器件。开发了拉曼光谱成像检测系统实时检测与分析软件。软件以Lab View为主开发环境,实现了对CCD相机、激光光源等硬件的控制,利用Lab View与Matlab混合编程,完成数据的提取、分析计算与结果保存,通过Lab View与ENVI的混合编程,完成扫描线图像的实时合成和显示。对系统进行了安装和性能测试,光谱校正确定了CCD相机探测的拉曼光谱范围为-679.3~2 885.7 cm-1,空间校正确定了系统实际的空间分辨率为0.22 mm/像素。构建的拉曼光谱成像检测系统可快速、无损获取样品拉曼光谱和图像信息。     

便携式猪肉营养组分无损实时检测装置研究

为了实现猪肉营养组分(脂肪和蛋白质)的快速、无损、实时检测,基于近红外反射光谱设计了便携式猪肉营养组分无损检测装置。硬件部分包括光谱采集单元、光源单元和控制单元,并开发了相应的检测软件,实现样品光谱信息的有效获取和实时分析。为了建立稳定可靠的预测模型,考察了波段选择、样本分组方式和筛选变量方法对模型的影响。分别基于可见/短波近红外(Vis/SWNIR)、长波近红外(LWNIR)及Vis/SWNIR-LWNIR,利用随机选择法(RS)、Kennard-Stone法(KS)和基于联合X-Y距离的样本划分法(SPXY)对样本进行划分,建立了脂肪和蛋白质质量分数的偏最小二乘预测模型。结果发现,基于Vis/SWNIR-LWNIR波段,利用SPXY算法进行样本分组,取得了最佳的预测模型。在此基础上,比较分析竞争性自适应加权算法、随机蛙跳算法和蒙特卡罗无信息变量消除-连续投影算法3种算法筛选变量建立的模型效果。基于竞争性自适应加权算法筛选变量的模型结果最佳,对脂肪和蛋白质建立的模型验证集相关系数分别为0.950 5和0.951 0。结果表明:基于近红外反射光谱设计的便携式猪肉组分检测装置可以对脂肪和蛋白质含量进行快速、无损、实时检测。