近红外图像处理技术在国外农业工程中的应用

介绍了近红外图像应用原理和发展特点，并综合分析了近红外图像处理技术在国外农产品品质检测、杂草识别、病虫害检测、作物生长状态监测等多个方面的应用和研究现状，并对近红外图像处理技术在农业中的应用前景做了展望，以促进我国在该领域的研究。     

基于近红外光谱技术的农作物病害诊断

利用近红外光谱诊断农作物病害是近几年兴起的一种具有高效、准确和非破坏性的技术。为此,阐述了近红外光谱诊断农作物病害的原理;介绍了处理近红外光谱数据的关键技术以及建立光谱模式识别模型的方法;报告了近红外光谱技术在农作物病害诊断中的应用现状;提出了运用近红外光谱技术诊断农作物病害存在的难点;最后,指出了一些研究中有待解决的问题。     

近红外光谱分析技术在中药材鉴定和质量控制中的研究进展

近红外光谱技术可以从样本中无损提取出分析信息,可应用于多种中药材的真伪鉴别、次品的掺入量预测、中药材品种的聚类分析,并能够快速有效地对中药整体质量进行评价与鉴定,但用于含量较小的组分分析时偏差较大。采用近红外光谱技术还可以优化中药提取、分离纯化过程的提取时间、次数,降低提取物中杂质含量,使中药材主要有效成分的提取工艺和分离、除杂过程实现高效与质量可控,从而降低生产成本。近红外光谱分析技术的引入,有助于推动我国中药现代化的进程,对于维护中药市场稳定、优化中药质量控制技术具有十分重要的现实意义和实用价值。本文将近红外光谱技术在中药领域的分析应用划分为中药材鉴定和在线质量控制两类,分别以刻意假冒的判断、刻意部分参伪的判断、意外混淆用药的判断、药材道地性的判断、药用价值高低性的判断等5部分为区分点,以中成药制剂在线生产的不同环节为区分点,较为系统地综述了近红外光谱技术在中药材真伪鉴别、掺伪识别、品种分类、产地分析、质量评价以及中药提取与纯化过程、浓缩过程、制剂过程的质量控制等方面的应用和进展,为近红外光谱技术在中药材鉴定和品质控制中的应用提供参考和方向。     

近红外光谱柑橘货架期的快速鉴别模型——基于主成分分析神经网络

利用近红外光谱技术进行了柑橘货架期的快速鉴别模型的研究.在两个不同的时间采集从市场上购买的黄岩地区的32个柑橘(同一时间采摘)的近红外光谱,并将不同时间采集光谱时的柑橘的货架期分别定为1类和2类(间隔为10天),对不同货架期的柑橘样品光谱进行主成分特征提取,将提取的特征变量作为神经网络的输入,建立了基于主成分和神经网络的近红外光谱柑橘货架期的快速鉴别模型.所建模型对1类中7个样品货架期的鉴别结果中有4个样品的货架期预测准确率在90%以上;对2类中8个样品货架期的鉴别结果准确率均在90%以上.结果表明,近红外光谱技术可以很好地进行柑橘类水果的货架期的快速鉴别.     

农田杂草识别技术的现状与展望

杂草是农业生产的大敌，其蔓延速度快，危害严重。目前采用的杂草识别技术主要有人工识别、计算机视觉技术识别、绿色识别、近红外光谱分析技术识别。近年来，随着光学仪器的不断发展和近红外技术的不断成熟，近红外技术的应用越来越广，因此基于近红外技术的杂草识别——绿色识别和近红外光谱分析技术识别将是今后农田杂草自动识别的主要措施。     

近红外光谱分析技术在大米检测中的应用

近红外光谱分析技术作为一种高效、快速、无损的可多组分分析的检测技术,在食品、农产品的检测中得到广泛应用。为此,综述了近红外光谱分析技术在大米品种鉴别、品质检测、矿物质元素分析中的应用研究现状,并对其应用前景进行了展望。     

近红外光谱技术在苹果品质无损检测中的应用

近红外光谱技术是一种高新分析技术,被越来越多地应用于农业领域。概述近年来国内外近红外光谱技术在苹果品质无损检测中的应用情况,分析近红外光谱技术在苹果质检中的应用方向,为果品无损检测技术的发展提供参考。     

基于近红外光谱的烤烟精准水分管理研究进展

概述了近红外光谱分析技术的原理及其应用于作物水分实时监测的研究进展,综述了烤烟精准水分管理的研究现状,分析了近红外光谱技术在烤烟精准水分管理上的可行性及其难点,以期为推动近红外光谱技术在烤烟精准水分管理上的应用提供参考。     

基于高光谱成像技术的残留氯吡脲猕猴桃无损识别

利用近红外高光谱技术,依据施药猕猴桃和空白猕猴桃中氯吡脲残留量不同、有机成分含量不同,进行了2类猕猴桃的无损识别技术研究。首先进行2类猕猴桃的田间试验,获得具有代表性的猕猴桃样品,然后通过近红外高光谱设备扫描样品,获得每个样品的近红外高光谱图像并输出每个样品平均反射光谱值,最后进行2类猕猴桃的无损识别。结果表明,PCA-LDA(主成分分析-线性判别分析)和支持向量机(SVM)2个数学模型的正确识别率都是94.4%;施药样品氯吡脲的残留量为0.03 mg/kg,空白样品的氯吡脲残留量为0 mg/kg;总糖、总酚、维生素C、可滴定酸、17种氨基酸、8种微量元素等有机成分含量存在一定的差异。因此,采用近红外高光谱技术进行植物生长调节剂猕猴桃的无损识别是可行的。     

近红外光谱技术在水果内部品质无损检测中的应用

针对近红外光谱分析技术在水果内部品质无损检测的应用问题，简单介绍了近红外光谱的基本原理；描述了国内外近红外光谱分析技术无损检测水果内部品质的最新研究进展；并指出当今国内外研究中存在的问题和今后进一步的研究设想。     

新型国产近红外分析仪在大豆油脂工业中的应用

近红外光谱分析作为一种快速无损的绿色分析技术,可应用于检测油料原料和油脂产品品质,为粮油企业带来巨大经济效益。该文采用一款新型国产化的近红外漫反射光谱分析仪对大豆油脂工业中的原料大豆和豆粕的水分、粗蛋白、粗脂肪和氨基酸含量指标进行了检测分析,分别建立了相应分析模型并进行验证,结果显示近红外预测结果与国标方法检测结果相关性好、准确度高,表明新型国产化的近红外分析仪可满足大豆油脂企业对原料和成品豆粕产品的质量控制要求。      

红外辐射技术在农副产品加工中的应用与进展

红外辐射加热干燥技术有众多的优点，近些年来在农副产品加工中的应用越来越多。为此。介绍了红外辐射的基本原理及特点；并通过大量的实例阐述了红外辐射在谷物、蔬菜、竹材加热干燥上的应用与研究进展，以及红外辐射技术在农副产品杀菌方面的应用。     

基于近红外光谱的淀粉掺杂滑石粉检测方法研究

实验运用近红外光谱分析技术检测淀粉中掺杂滑石粉的含量;收集了国内常用的不同品牌不同种类的淀粉样本共32个,将滑石粉按不同浓度掺杂到淀粉中制备实验样本;选择最优的光谱预处理方法和光谱范围,运用近红外光谱分析中的偏最小二乘法(PLS)进行定量分析研究。结果表明,采用偏最小二乘法(PLS)所建的定量分析模型的相关性较高,预测相关系数和预测均方根误差均符合要求。研究发现,近红外光谱技术用于快速无损检测淀粉掺杂滑石粉是可行的。     

基于近红外光谱的卷烟加料均匀性检测

结合近红外光谱分析技术在烟草分析上的应用,通过对加料后的烟丝进行近红外光谱分析,发现近红外光谱分析法可用于卷烟加料均匀性研究。利用扫描谱图及料液的施加比例,初步探索了卷烟加料均匀性近红外光谱分析的数学建模,模型验证误差＜2%,具有较好的实用价值。      

基于计算机视觉技术的向日葵种子分选系统设计

针对世界四大主要油料作物之一的向日葵种子的分选问题,结合近红外技术和计算机视觉技术,进行了根据向日葵种子内部含油率高低不同的自动分选系统设计开发。依据不同含油率种子在近红外光下的成像特征,将向日葵种子区分为两个级别。该系统由Labview计算机视觉系统、红外光发生器、图像采集卡、黑白照相机、40 W的环形灯、白色的照相纸及X射线图像处理工作站组成。运用所设计样机进行向日葵种子分选试验,结果表明:与化学分析方法相比较,本系统设计含油率分选准确,从而为满足不同市场需求的向日葵种子分选提供一种方便、快捷的方法,提高了向日葵种子的市场价格经济效益。     

几种物理技术在农业中的应用及展望

物理技术在农业中的新品种培育、增产、提高农作物品质、抗病抗旱及产品的品质检测分级、环境保护等方面发挥着越来越重要的作用。以物理技术中的近红外技术、磁技术、静电技术为例,概述了其技术特点及在农业中的研究现状,探讨了其发展趋势,并进行了展望。     

基于栈式自编码神经网络的包衣单籽粒玉米品种识别

常规近红外定性识别研究中，玉米籽粒为表皮裸露状态，未经种衣剂覆盖处理，但是在实际农业生产中，为抵御病虫害侵袭，提高玉米种子发芽率，达到保产增产的功效，玉米种子常需经种衣剂包裹处理。玉米种衣剂的类型多样，对近红外光谱具有一定的吸收，因此种衣剂对近红外定性识别具有干扰作用。本文针对种衣剂对玉米品种识别准确性影响的问题，提出了一种基于栈式自编码神经网络（SAE）的近红外光谱定性建模方法。首先采用无种衣剂玉米籽粒光谱作为训练集，通过栈式自编码无监督学习算法与softmax分类器构建栈式自编码网络定性分析模型，再利用所建模型对有种衣剂玉米籽粒进行品种识别。实验结果表明，基于SAE的建模方法能够将种衣剂对玉米籽粒识别率的影响降低至3%以内。     

近红外水分测定仪的发展及在食品水分检测中的应用

在食品生产加工过程中对产品的含水率进行持续监控对于优化产品质量非常必要。近红外水分测定仪因其实时、无损和高精度等优点被广泛应用于食品生产加工行业。介绍了近红外水分测定仪的发展历史,并对其在谷物、烟草、油脂和茶叶等水分含量测定中的应用进行了总结。      

基于近红外光谱的活性米品质检测研究

选取105份具有代表性的活性米样品,研究光谱范围在918~1 045nm内12个波长点的近红外反射光谱与其品质的相关性。利用近红外光谱技术和多元线性回归、主成分回归和偏最小二乘法3种校正方法对活性米中γ-氨基丁酸、水分、蛋白质、淀粉、明度值、红度值及黄度值进行定量分析;选出最优校正模型,模型的预测决定系数分别为0.903、0.964、0.953、0.951、0.949、0.961、0.916,预测标准偏差分别为0.598、1.367、1.367、2.688、0.996、50.144、0.952。研究结果表明:应用近红外光谱技术检测活性米品质是可行性的。     

基于近红外光谱的香蕉品质检测方法研究

研究提出了近红外光谱技术无损检测香蕉品质指标的新方法。采用The Unscramble 9.7分析软件,建立了香蕉糖度、坚实度和粘度的预测模型。根据定标集样品常规方法测定结果和所扫描得到的香蕉未剥皮和剥皮的光谱信号间的拟合关系,采用偏最小二乘法建立香蕉糖度、坚实度和粘度的定标模型,并用未参与定标的一组样品作为预测集对模型进行检验。未剥皮香蕉的糖度、坚实度和粘度的预测决定系数分别为0.94,0.95,0.93,剥皮香蕉的糖度、坚实度和粘度的预测决定系数分别为0.92,0.97,0.95,预测精度较高。结果表明,香蕉皮对其的影响不大,近红外光谱技术可应用于未剥皮香蕉品质检测,实现了香蕉品质的快速、无损检测,为香蕉品质的无损检测提供了理论依据。