排序方式: 共有62条查询结果,搜索用时 171 毫秒
1.
2.
为了对优质蛋、次品蛋和劣质蛋这3种皮蛋进行检测及分级,该文应用机器视觉结合近红外光谱技术,研究利用皮蛋凝胶品质无损检测的分级方法。首先采集皮蛋透射光图像,提取18个图像颜色特征值,然后将所提取的18维特征利用主成分分析(principal component analysis,PCA)进行降维,对PCA降维后的3个主成分建立遗传算法优化支持向量机(genetic algorithm-support vector machine,GA-SVM)分级模型,把皮蛋样本分为两大类:可食用蛋(优质蛋与次品蛋)与不可食用蛋(劣质蛋),劣质蛋测试集识别率为100%。然后在机器视觉分类结果的基础上,利用近红外光谱技术获取可食用蛋(优质蛋与次品蛋)的原始光谱,并进行多元散射矫正(multiplicative scatter correction,MSC),利用竞争性自适应重加权算法(competitive adaptive reweighted sampling,CARS)降维提取特征波长,基于支持向量机(support vector machine,SVM)对特征波长变量建立分级模型,区分出优质蛋与次品蛋,优质蛋测试集识别率为96.49%,次品蛋识别率为94.12%。研究结果表明:基于机器视觉和近红外光谱进行皮蛋凝胶品质无损检测分级是可行的。 相似文献
3.
4.
机器视觉因具有检测速度快、稳定性高及成本低等优点,已发展成为禽蛋无损检测领域主流检测手段。使用该技术对禽蛋进行无损检测时,需要依赖大量禽蛋图像作为数据支撑才能取得较好的检测效果。由于养殖安全等限制,禽蛋图像数据的采集成本较高,针对该问题,提出了一种适应于小样本禽蛋图像检测的原型网络(Prototypical network)。该网络利用引入注意力机制的逆残差结构搭建的卷积神经网络将不同类别的禽蛋图像映射至嵌入空间,并利用欧氏距离度量测试禽蛋图像在嵌入空间的类别,从而完成禽蛋图像的分类。本文利用该网络分别验证了小样本条件下受精蛋与无精蛋、双黄蛋与单黄蛋及裂纹蛋与正常蛋的分类检测效果,其检测精度分别为95%、98%、88%。试验结果表明本文方法能够有效地解决禽蛋图像检测中样本不足的问题,为禽蛋图像无损检测研究提供了新的思路。 相似文献
5.
不同CO2浓度下鸡蛋呼吸仿真分析及验证 总被引:2,自引:2,他引:0
贮存环境中CO_2浓度对鸡蛋呼吸作用及新鲜度变化具有重要影响,为了进一步考察在不同CO_2浓度下鸡蛋呼吸释放CO_2的扩散及新鲜度变化情况,该研究测定贮存在温度为25℃、相对湿度为65%、CO_2体积分数分别为1.5%、3.0%、4.5%及空气(对照组)环境下鸡蛋呼吸和新鲜度,利用FLUENT软件完成不同CO_2浓度下鸡蛋第1天呼吸释放CO_2的扩散过程仿真。结果表明,利用Fluent软件计算所得气体速度值和试验值基本一致,模拟值与实测值相对误差在4%~9%。不同CO_2浓度下鸡蛋释放CO_2的扩散过程符合重气扩散的特点,其扩散方向受到CO_2浓度的影响,且随着贮存环境中CO_2浓度的增加,鸡蛋呼吸释放CO_2的扩散量和扩散速度逐渐变小,呼吸得到抑制。再通过分析贮存过程中不同CO_2体积分数下鸡蛋呼吸强度和新鲜度变化得出,对照组1.5%CO_2与3.0%CO_2下的鸡蛋呼吸强度和新鲜度具有显著差异(P0.05),当贮存环境中CO_2体积分数达到3.0%时,对鸡蛋呼吸强度的抑制效果不再明显,且新鲜度变化保持不变。3.0%CO_2和4.5%CO_2体积分数下贮存鸡蛋20 d,其新鲜度等级仍在AA级以上,综合经济因素,3.0%CO_2保鲜鸡蛋效果较优。该研究可为鸡蛋呼吸和气调保鲜技术提供理论及数据基础。 相似文献
6.
鸡蛋新鲜度神经网络检测系统的研究 总被引:4,自引:4,他引:4
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%。 相似文献
7.
鸭蛋新鲜度模型的试验研究 总被引:11,自引:5,他引:11
用计算机视觉技术,研究了鸭蛋新鲜度模型。取当天产新鲜鸭蛋,分青壳蛋和白壳蛋各150枚置于恒温衡湿环境中。每次定时任意取出其中白壳和青壳蛋各10枚用计算机视觉检测装置检测出蛋内容物的颜色参数。根据这些参数和与之对应且表征蛋新鲜度的Haugh值拟合出蛋新鲜度模型。白壳蛋新鲜度模型检验结果为:r=0.757,F=77.932;青壳蛋新鲜度模型检验结果为:r=0.767,F=75.911。检验结果表明鸭蛋新鲜度模型有较高的回归精度。 相似文献
8.
鸭蛋破损检测的试验研究 总被引:20,自引:0,他引:20
试验研究了损壳蛋和未损壳蛋的声学特性差异,数据分析采取模糊聚类的方法获得损壳蛋和未损壳蛋隶属函数式,计算两个模糊集的隶属度,按照最大隶属度原则就可准确区分损壳蛋。用此方法设计的鸭蛋破损检测系统,其好壳蛋检测准确率为85%,损壳蛋检测准确率为90%。 相似文献
9.
提出一种基于静电吸附方法分级去除机采棉中残地膜的方法,以新疆阿拉尔地区种植的新陆早26号机采棉为研究对象,根据机采棉中残地膜曲直形态与荷电极化程度存在一定的相关性,利用图像处理提取机采棉中各种残地膜杂质特征并进行聚类算法分级,将残地膜分成Ⅰ、Ⅱ、Ⅲ等级。搭建静电吸附分离平台,对掺有不同等级残地膜的机采棉进行不同荷电时间、飞入速度、极板电压下的试验,以除杂率为测定指标,找出对应级别残地膜的最佳参数组合,以期达到残地膜杂质与机采棉的分离最大化。试验表明,对除杂率影响显著的因素由大到小为:飞入速度、荷电时间、极板电压。掺有Ⅰ级残地膜的机采棉除杂最佳荷电时间为24 s,飞入速度为4. 7 m/s,极板电压为39 k V,分离率为96. 2%;Ⅱ级最佳荷电时间为29. 8 s,飞入速度为5. 8 m/s,极板电压为37. 6 k V,分离率为98. 1%;Ⅲ级最佳荷电时间为30. 1 s,飞入速度为3. 5 m/s,极板电压为46. 2 k V,分离率为97. 2%。研究结果表明:基于静电吸附分级去除残地膜的方法可行,能够满足实际生产需要。 相似文献
10.
利用可见-近红外光谱技术,选取湖北地区同一品种不同饲养环境下的鸡蛋,提取鸡蛋的光谱透射率(500~900nm),利用标准正态变量变换对光谱数据进行预处理,结合竞争性自适应重加权与主成分分析对光谱数据进行二次降维,并将提取的特征信息输入增强回归树算法,建立鸡蛋土洋种类鉴别模型,模型的训练集和测试集判别正确率分别为98.33%和97.00%。结果表明,应用基于可见-近红外光谱及增强回归树方法,针对同一母鸡品种但不同饲料产出的土洋鸡蛋的种类鉴别是可行的。 相似文献