基于高光谱成像技术的沙金杏成熟度判别

为了实现对不同成熟度沙金杏进行快速、准确识别的目的,该研究利用高光谱成像技术(400~1 000 nm)对沙金杏的成熟度进行了判别研究,利用高光谱成像系统分别采集了处于4种不同成熟阶段(七成熟、八成熟、九成熟和十成熟)的沙金杏共480个样本的高光谱数据。首先,对不同成熟阶段所有样本的可溶性固形物含量值进行测定和单因素方差分析,结果表明,可溶性固形物与成熟度之间存在相关性,其相关系数为0.9386,可用该指标对沙金杏的成熟度进行划分。然后,对光谱数据利用偏最小二乘回归(partial least squares regression,PLSR)模型提取得到9个特征波长(434、528、559、595、652、678、692、728、954 nm),对图像数据利用灰度共生矩阵(gray level co-occurrence matrix,GLCM)提取到6项图像纹理指标(均值、对比度、相关性、能量、同质性和熵),并对图像数据采用RGB模型提取到6项图像颜色指标(R、G、B分量图像的平均值和标准差)。将这三类指标进行最优组合并分别建立关于沙金杏成熟度判别的极限学习机(extreme learning machine,ELM)模型。结果表明:使用特征波长与颜色特征融合值建立的ELM模型的判别正确率最高,达到93.33%。该研究为沙金杏的成熟度在线无损检测提供了理论参考。     

棉花中白色异性纤维的线扫描激光成像检测方法

在可见光和紫外光照明条件下,皮棉中白色异性纤维和棉花背景的颜色相近,很难用现有的机器视觉系统或人工方法检测出来。该文以12种典型白色异性纤维为样本,采用线扫描相机,分别在红色激光（波长658 nm）、蓝色激光（波长405 nm）和红外激光（波长850 nm）3种照明条件下,改变激光功率和曝光时间,获取了300幅白色异性纤维与棉花的图像。在此基础上,根据同一图像中目标和背景的平均灰度值计算了图像的对比度,然后作出了不同激光波长、功率、曝光时间和图像对比度之间的关系曲线,最后,在该试验装置的条件下,该文确定了线激光成像的最佳检测波长为658 nm、光功率为55 mW和曝光时间为36 μs,发现采用优化的线激光参数成像,图像中12种白色异性纤维灰度值已经接近饱和而棉花还处于欠饱和状态,"目标"和"背景"的对比度达到最大,利用两者平均灰度值的明显差异可以检测出棉花中的白色异性纤维。试验结果表明,采用优化的线激光成像参数获取730幅棉花图像,利用简单的Prewitt算子边缘检测法和固定阈值的二值化方法对图像进行分割,12种典型白色异性纤维样本的正确识别率分别可达93.7%和92.9%。     

基于独立成分分析结合遗传算法的电子鼻蜜源检测特征信号挖掘

针对交叉敏感性传感器阵列电子鼻图谱含样品信息全、噪声杂、信号冗余等特点,该文根据盲信号处理原理,利用独立成分分析提取油菜蜜、椴树蜜、洋槐蜜电子鼻交叉信号中不同性质分离的独立信号。将各蜜源样本电子鼻信号矩阵延响应时间轴方向展开,统一了各样品间独立成分分解顺序的一致性,并保持了混合信号矩阵中蜂蜜样本的排序。根据不同独立成分数分离信号所带来的蜜源分类效果,8个独立成分为最优成分数。结合遗传算法筛选出各独立成分中代表蜜源样本间差异而无重复信息的特征响应点20个,来富集蜂蜜样本间的整体电子鼻差异信息,并发现大部分集中于信号的吸附阶段,少量出现于解析附阶段。油菜蜜、椴树蜜、洋槐蜜蜜源判别模型采用支持向量机算法建立,通过比较原始信号、电导变化最大值、主成分分析（principal component analysis, PCA）、独立成分分析（independent component analysis, ICA）、独立成分分析结合遗传算法（genetic algorithm, GA）这5种信号处理方式,发现ICA结合GA的特征信号挖掘效果最优,预测集判别率（95.0%）最高,其中油菜蜜、椴树蜜、洋槐蜜的预测集判别力分别为24/25、16/17、36/38;且与训练集判别率（96.3%）最接近,说明模型稳定性高、泛化能力强。结果表明该方法可以准确提取电子鼻信号中能代表蜂蜜蜜源差异信息的特征信号,并在保证蜜源分类效果的前提下,大幅减小电子鼻信号的数据量。该研究为去除电子鼻交叉信号中的冗余成分,并挖掘掩藏其下的差异信息提供了很好的指导意义,同时也拓宽了ICA的应用范围。     

高等学校评定研究职务综合考核标准与评价办法研究

对高校科研职务评定考核问题进行了研究，设计、制订一套完整的指标体系和考评标准，建立一种定性定量相结合的考评办法，实践结果，成效显著。     

高职教育考试考核改革的思考与实践

考试考核改革是教育教学改革的先导,起着"指挥棒"作用。文中通过分析高职院校学生现状及考试考核现状,提出考试考核改革新思路,把"考"作为一种"教"的手段,分解到课堂内,充分发挥其导向作用,理论考试考核以设计方案为主,技能考试应以标准参照式为主,引导调动学生学习主动性、积极性。     

糯小麦胚乳发育过程中淀粉粒形态变化及A、B型淀粉粒的显微观察

利用扫描电子显微镜对小麦胚乳发育过程中淀粉粒的形态和成熟胚乳中的A、B型淀粉粒进行观察。电子显微镜扫描结果显示,花后5~10d,糯小麦胚乳中可见到一些体积较小的A型淀粉粒,10~15d以A型淀粉粒数量增多和体积增大为主;B型淀粉粒在花后15d已经形成,但此时B型淀粉粒的数量少;花后20d—成熟前B型淀粉粒的数量和体积逐渐增长。糯小麦成熟籽粒胚乳中淀粉粒的直径分布为0.96~34.92μm。与普通小麦相比,糯小麦A型淀粉粒的形状较扁平;表面没有普通小麦光滑;B型淀粉粒的形状比普通小麦更无规则,且更容易发生聚集现象。另外,发现在A型淀粉粒上有许多孔洞;在5 000倍数下观察,发现这些孔洞结构从A型淀粉粒表面一直延伸到其内部。     

应用型本科院校《AutoCAD》课程改革的研究与探讨

应用型本科院校注重对学生应用和实践能力的培养,《Auto CAD》课程具有理论联系实际和实践操作性强的特点。结合课程和学生特点对课程进行教学与考试改革,提出新的教学与考试方法。研究教学的创新与改革,使用新的教学方法、教学模式和手段,模块化运用实例进行教学。通过改革学生绘图能力和效率提高,增强了学生的综合能力和素质。     

基于电子鼻的番茄种子发芽率检测

防止种子掺假、以次充好,为快速无损检测高发芽率的种子,该文将不发芽的浙杂809番茄种子以不同比例掺入到发芽率为92.6％的番茄种子中,得到种子的发芽率分别为90％,80％,70％,60％,50％和0等6种比例,并利用电子鼻对其进行分析.结果表明:利用电子鼻可以很好的区分出番茄种子发芽率为90％、80％、50％～70％、和不发芽的4种情况;当种子发芽率为70％、60％、50％时,其图形信息部分重叠,利用电子鼻较难区分开.在主成分分析和线性判别分析的基础上,利用BP神经网络和支持向量机对上述情况进行分类识别,结果表明:两种识别模式的训练集的正确率分别为93.6％和97.4％,预测集的正确率分别为65.2％和72.7％,相对于BP神经网络模式识别,支持向量机预测系统的误差较小,具有很好的预测性能.     

高职类食品微生物检验技术课程教学改革探讨

食品微生物检验技术是一门实践性和应用性很强的学科,是质检专业的职业技术核心课程之一。通过对教学内容、教学方法以及课程考试考核等方面的改革,提高食品微生物检验技术课程教学质量及学生的职业能力。使学生实践动手能力大大加强,为学生的就业奠定坚实基础。     

基于机器视觉技术的淡水鱼质量分级

为了便于淡水鱼后续加工,需要对其进行大小分级,而且分级是淡水鱼加工前处理的重要工序之一。该研究收集86条淡水鱼为试验样本,利用机器视觉技术获取淡水鱼样本图像,对样本图像进行灰度化、二值化、轮廓提取等预处理,获取长短轴、投影面积等特征值。通过试验研究,建立有关鱼的头部、腹部和尾部的长度以及质量关系,运用各部分所占总质量的比例对特征值面积进行一定的校正,最后通过回归分析建立鱼体质量的预测模型。试验结果为：鱼体质量与投影面积之间是高度相关,其决定系数R2为0.9878,并对质量预测模型进行验证,验证相对误差均值为3.89%,绝对误差均值为6.81 g。试验结果表明,利用机器视觉技术可以为淡水鱼质量分级方法提供参考。