基于高光谱图谱融合技术的英德红茶等级快速无损判别

茶叶等级评价是检测茶叶品质的一项重要技术指标。通过提取红茶高光谱成像技术下的图像特征和光谱特征,构建一种基于图谱融合方法、适用于英德红茶等级评价的快速无损判别模型。首先制备3种不同等级的红茶样本,采用t分布-随机近邻嵌入和主成分分析对光谱数据进行降维可视化分析,然后从影响内在品质角度用连续投影法提取每种化学值的特征波长,通过多模型共识策略和竞争性自适应重加权算法-连续投影法筛选得出表征其内在品质的最佳特征波长组合,并建立基于遗传算法优化支持向量机的等级判别模型;其模型的训练集准确率为88%,预测集准确率为78.33%。为了融合外形纹理差异,先提取最佳特征波长组合对应的高光谱图像;采用图像掩膜消除背景的干扰和采用图像主成分分析消除多波长图像间的冗余信息,然后采用灰度共生矩阵和局部二值化算法提取主成分前三维主成分图像与特征光谱融合,并建立基于特征融合的遗传算法优化支持向量机等级判别模型,且基于第三主成分图像特征融合模型判别效果最佳,训练集准确率提升至98%,预测集准确率提升至96.67%。     

基于无人机遥感图像纹理与植被指数的土壤含盐量反演

基于无人机遥感技术获取农田土壤盐分信息为盐渍化治理提供了快速、准确、可靠的理论依据。本文在内蒙古河套灌区沙壕渠灌域试验地上采集了取样点0～20cm的土壤含盐量，并使用M600型六旋翼无人机平台搭载Micro-MCA多光谱相机采集图像。利用Otsu算法对多光谱图像进行图像分类（土壤背景和植被冠层），基于分类结果分别提取剔除土壤背景前后的光谱指数和图像纹理特征，采用支持向量机（SVM）和极限学习机（ELM）构建土壤含盐量监测模型，其4种建模策略分别为:未剔除土壤背景的光谱指数(策略1)、剔除土壤背景后的光谱指数(策略2)、未剔除土壤背景的光谱指数+图像纹理特征(策略3)、剔除土壤背景的光谱指数+图像纹理特征(策略4)，通过比较4种建模策略的模型精度以筛选出最优变量组合。结果表明：策略3、4所计算出的土壤含盐量反演精度高于策略1、2，策略1~4验证集决定系数R2v分别为0.614、0.640、0.657、0.681，因此利用图像纹理特征+植被指数对提高土壤含盐量的反演精度有重要意义。对比策略3、4，图像纹理特征+植被指数受到土壤背景的影响，策略4精度低于策略3精度，其R2v分别为0.614、0.657；各变量处理的最优模型均为ELM模型，建模集R2c分别为0.625、0.644、0.618、0.683，标准均方根误差分别为0.152、0.134、0.206、0.155。相比于SVM模型,ELM模型提高了土壤含盐量的反演精度。     

名优绿茶的审评

评定茶叶品质好坏的方法有感官审评和理化检验2种。感官审评是以人的感觉器官来评定茶叶品质的好坏,如用眼睛观察茶叶的外形、色泽;鼻子嗅辨香气;舌头品尝滋味;用手感触身骨的轻重等。理化检验就是通过物理和化学进行分析与测定,以测量的数据反映茶叶品质的好坏。通过感官审评,看出茶叶品质好坏,查找制茶工艺上存在的毛病,为生产服务,不断提高茶叶品质,改进制茶技术。     

基于高光谱图像及ELM的生菜叶片氮素水平定性分析

基于高光谱图像技术与极限学习机(Extreme learning machine,ELM)模式识别方法构建一套生菜叶片氮素水平鉴别模型。利用3种不同氮浓度的营养液无土栽培各氮素水平生菜,在莲座期采集每类氮素水平生菜叶片各84片,利用高光谱图像采集系统采集生菜叶片高光谱图像,并在每个高光谱图像上选取叶片4个不同位置的60×60像素的感兴趣区域(ROI),求取感兴趣区域光谱数据平均值作为叶片样本的原始光谱,利用标准正态变量校正对原始光谱进行预处理,采用主成分分析法对光谱进行降维。采用ELM对训练样本进行建模,并与传统的BP及SVM算法模型进行对比。从实验结果可以看出,ELM模型训练时间和分类正确率分别为0.623 04 s和100%,在训练时间相当的情况下,ELM分类正确率高于SVM模型,在分类正确率相当的情况下,ELM模型的训练时间比BP模型要短。研究结果表明,基于高光谱图像技术及ELM可以构建生菜叶片氮素水平分类模型。     

基于计算机视觉的芒果检测与分级研究

针对目前芒果的外观品质分级主要采取人工方法所存在的不足,提出了一种基于计算机视觉和极限学习机神经网络(ELM)模型的芒果分级方法。首先,利用图像处理方法对拍摄的芒果图像进行预处理;然后,根据芒果的外观特征提取芒果面积、等效椭圆长短轴之比、H分量均值和缺陷面积所占百分比4个特征参数,作为模型的输入向量,并以芒果的3个等级级别为模型输出向量。在模型的建立过程中,采用粒子群优化算法(PSO)对ELM随机给定的输入权值矩阵和隐层阈值进行寻优,最后以实验获得的数据对模型进行训练和测试。结果表明:使用粒子群算法优化后的极限学习机模型(PSOELM)与单纯的ELM、传统的BP和SVM相比,具有更高的分级精度,为水果的等级分级提供了一种新的方法。     

基于高光谱成像技术对脐橙叶片的叶绿素、水分和氮素定量分析

用遗传算法(GA)、连续投影算法(SPA)和正适应加权算法(CARS)分别提取赣南脐橙叶片高光谱图像的有效信息,对叶绿素、水分和氮素的含量用偏最小二乘法(PLS)进行建模定量分析。高光谱图像标定后,提取感兴趣区域(ROI)的平均光谱,用GA、SPA和CARS算法分别选出特征波长建模。结果表明:叶绿素CARS—PLS模型、水分和氮素的GAPLS模型效果最优,预测集相关系数分别为0.96、0.91、0.82,可以结合高光谱技术对赣南脐橙叶绿素、水分和氮素进行快速无损的定量分析。     

基于计算机视觉的茶叶色泽检测研究

我国茶叶种植面积和产量均为世界第一,是特色农业的重要组成部分;但我国茶叶品质检测体系不完善,分级技术水平不高,影响了产品在国际市场上的竞争力。传统的茶叶分级是由人工分析判断,具有较大的局限性。计算机视觉是一种新型的图像处理技术,已经应用于茶叶品质分析。为此,将拍摄的茶叶和茶水图像进行预处理、灰度化和阈值分割,获得目标轮廓并分析颜色特征,并通过建模集样本确定用于色泽检测的特征量,然后对检验集样本进行色泽检测。结果表明:检验集中被错误识别的茶叶种类极少,总体的识别准确率达到9 0%,为准确评价茶叶的色泽品质提供了技术支持。     

基于近红外光谱与多品质指标的苹果出库评价模型研究

富士苹果在贮藏期后熟过程中其生理特性发生变化，不适宜的贮藏会影响出库品质和售卖价格。为使贮藏期果实以较好的品质出库销售，开展对贮藏后熟苹果品质模型研究，并在此基础上对苹果出库进行评价和预测。采集了全贮藏期不同时间苹果样本的近红外光谱和品质指标(可溶性固形物含量、硬度和失重率),分析贮藏期间果实漫反射光谱和品质指标变化规律，基于波长1 000～2 400 nm范围内的漫反射光谱结合预处理和特征波长提取方法，建立贮藏期苹果品质的偏最小二乘(PLS)和带有反馈的非线性自回归(NARX)预测模型，根据行业标准确定苹果出库品质判断依据，采用基于熵权的TOPSIS法对果实出库品质进行综合评价，实现PLS对品质得分和NARX对多品质指标的预测。结果表明，在预测SSC含量、硬度和失重率时，最优模型分别为CARS-SPA-PLS、CARS-NARX和SPA-NARX,相关系数分别为0.914、0.796和0.918,均方根误差分别为0.511°Brix、0.475 kg/cm²和0.682%;在预测品质得分时，PLS模型的相关系数与均方根误差分别为0.896和0.043 4,NAR...     

高档名茶“五峰迎春”采制技术

“五峰迎春”高级绿茶研制课题,经过连续三年多的试验研究,形成了手工加工和机械加工两套较规范的工艺流程,确定了与成茶品质密切相关的各工艺操作的技术参数,确保在不同加工设备条件下生产的“五峰迎春”独特的风格特征。该茶的品质特征为:外形翠绿匀整,微扁似矛,汤色嫩绿明亮,清香馥郁,滋味清鲜,叶底肥嫩绿明。经农业部茶叶质量监督检测中心检验,其理化、卫生指标符合国家标准,综合评价为“品质全面,质地优良,富有名茶特色。”     

茶叶理条机械研究现状与发展趋势

理条是茶叶加工过程中的一项重要工序,对茶叶的外形和品质特征具有重要作用。理条机在我国的茶叶加工中应用比较普遍,而且我国绿茶产量较大,特别是绿茶加工对理条机需求也较大。为此,介绍发展茶叶理条机的必要性和国内外发展现状,从理条机传动机构、温度调节与加热方式、茶叶理条运动、控制系统几个方面分析对理条的影响。总结现在茶叶理条机在标准化建设、产品质量、产品研发方面存在的问题,同时展望茶叶理条机标准化、低噪音振动及高热效、智能化的发展趋势。     

不同干燥方法对杜仲雄花茶品质的影响

以感官评价和功能性成分含量检测相结合,研究了微波工艺与传统炒制、热风干燥方法对杜仲雄花茶品质的影响.结果表明,微波干燥方法效率高,可最大程度地保持杜仲雄花中的功能性成分,干燥的杜仲雄花茶的感官品质佳,可作为生产杜仲雄花茶的首选方法;热风干燥方法也可保持杜仲雄花中的功能性成分,干燥的杜仲雄花茶感官品质较佳,但效率较低,可作为生产杜仲雄花茶的可选方法;传统制茶工艺中的炒制干燥方法对杜仲雄花茶中的功能性成分破坏较大、感官品质差、操作不易控制,不适宜于杜仲雄花茶的干燥.     

猪肉冷链物流感官质量控制图设计与应用

为观测猪肉冷链物流过程中产品的感官质量变化,分析了物流过程猪肉的感官特征,采用敏感性和回归分析获得感官评价的关键指标,进而设计质量控制图展示感官特征的波动性。结果表明:配送中心、近距离超市和远距离超市的感官品质总体上差异显著;颜色是评价总体可接受性的敏感指标,设计其均值-标准差控制图;配送中心的感官质量波动较大,过程能力指数偏低,需对配送中心的质量管理加以完善。均值-标准差控制图可直观展现物流过程产品质量的波动性和合格率,为监控猪肉冷链物流过程的外观品质变化提供了科学的管理方法。     

基于改进YOLO v4的玉米种子外观品质检测方法

针对玉米种子在外观品质检测中需要快速识别与定位的需求,提出了一种基于改进YOLO v4的目标检测模型,同时结合四通道(RGB+NIR)多光谱图像,对玉米种子外观品质进行了识别与分类。为了减少改进后模型的参数量,本文将主干特征提取网络替换为轻量级网络MobileNet V1。为了进一步提升模型的性能,通过试验研究了空间金字塔池化(Spatial pyramid pooling, SPP)结构在不同位置上对模型性能的影响,最终选取改进YOLO v4-MobileNet V1模型对玉米种子外观品质进行检测。试验结果表明,模型的综合评价指标平均F1值和mAP达到93.09%和98.02%,平均每检测1幅图像耗时1.85 s,平均每检测1粒玉米种子耗时0.088 s,模型参数量压缩为原始模型的20%。四通道多光谱图像的光谱波段可扩展到可见光范围之外,并能够提取出更具有代表性的特征信息,并且改进后的模型具有鲁棒性强、实时性好、轻量化的优点,为实现种子的高通量质量检测和优选分级提供了参考。     

炒青绿茶机械加工技术现状与发展对策

炒青绿茶机械的优良性能是炒青绿茶质量的根本保证。为此,在分析炒青绿茶机械现状及存在技术问题的基础上,阐述了提高炒青绿茶加工机械竞争力的根本出路在于用数控技术改造现有茶叶加工机械和研制新型茶叶加工机械,并探讨了新型茶叶单机的技术解决方案。     

茶叶籽脱壳、清选和色选自动化加工技术

茶叶籽油富含天然茶多酚、角鲨烯和维生素E等多种功能活性成分,其营养价值媲美橄榄油。茶叶籽采摘后容易霉变,霉变茶叶籽会造成茶叶籽油中的苯并芘含量过高,从而影响成品油的品质和口感。目前,茶叶籽破壳清选大多采用半手工半机械操作,根据茶叶籽的结构特性,对茶叶籽脱壳、清选和色选自动化加工技术进行探析,分析茶叶籽分选过程中的壳仁分离不彻底、茶叶籽人工霉变筛选效率低和成本高等问题,促进茶叶籽油产业高质高效绿色发展。      

浅谈茶叶初制加工机械发展现状及趋势

茶园初加工机械化是茶叶生产全程机械化的关键.分析了我国茶叶初加工机械发展的现状,重点介绍了茶叶杀青机、理条机、揉捻机、双锅曲毫炒干机、烘干机及其机械配套设备,并指出行业存在的问题和发展趋势.     

膨化食品表面质量的自动检测

利用图像处理方法,对膨化玉米表面质量进行了研究。结果表明,膨化玉米的颜色和体积是反映产品质量的重要信息,直接受物料喂入量和含水量的影响,通过伴样本图像的统计分析可知,ＲＧＢ,ＣＭＹ模型比ＨＳＩ模型更适用于膨化玉米,用图像处理方法自动检测多膨化食品表面质量可避免手工检测和内部结构图像分析时破坏样本,减少了损失,是在线自动检测膨化食品质量的新途径。     

油菜联合收获机含杂率在线检测系统设计与试验

针对目前油菜联合收获机含杂率检测主要依靠人工、效率低、实时性差、收获机作业参数调控缺乏依据、收获质量波动大等问题,设计导流式含杂率检测装置,提出油菜杂质视觉识别算法,开发含杂率在线检测系统。基于HSV颜色空间模型,探究导流式含杂率检测装置中单侧条形光源、双侧条形光源和中心环形光源下油菜图像的亮度分布规律,结果表明中心环形光源下图像各像素点的亮度变异系数最小,图像亮度均匀性最好。对比分析含杂油菜图像在HSV颜色空间模型中前三阶像素矩阵各颜色特征参数的分布区间,结果表明油菜籽粒、杂质在H分量中的特征参数范围差异性最显著,并结合油菜籽粒、杂质的圆形度特征,提出综合考虑颜色、形态特征的油菜杂质分割算法。通过标定试验建立油菜籽粒、杂质质量与其像素数的拟合模型,将油菜籽粒和杂质的像素数转换为实际质量,实现油菜含杂率在线检测。台架试验表明,油菜杂质的查准率为91.6%,查全率为89.5%,含杂率检测平均误差为14.8%,能够准确识别油菜籽粒中的杂质并实时计算含杂率。     

基于机器视觉的蔬菜种子包衣品质鉴定

蔬菜种子包衣工作参数的智能调节,能提高包衣加工效率和成品质量。为了研究包衣工作参数的智能调节,提出了基于机器视觉的蔬菜种子包衣品质鉴定方法。针对蔬菜种子包衣过程中种子包衣完整性、包衣颜色深浅、包衣颜色均匀性3个重要指标,提出依据单粒种子的种子包裹率、种子颜色及纹理特征将包衣种子分为合格与非合格两类。对于种子图像中粘连的问题,采用分水岭算法将图像分割为单粒种子。通过对单粒种子的多阈值分割,实现种子包衣完整率的计算。基于HSI颜色空间提取H、S分量的颜色矩特征与I分量的灰度共生矩阵特征,融合种子包衣完整率、颜色矩特征和灰度共生矩阵特征这3种特征为一个11维特征向量,构建基于径向基核函数的支持向量机分类器对包衣结果进行品质鉴定。实验选用包衣后辣椒种子验证算法,结果表明:包衣结果识别准确率为90.93%。该研究可为后续研究包衣机工作参数的智能调节奠定理论基础。