一种颗粒饲料 PDI 测试方法的研究

研究旨在针对饲料厂目前测定颗粒饲料耐久度PDI值(Pellet Durability Index)存在的问题，提出一种新型而且简单有效的颗粒饲料耐久度测定方法，即MPE法（Method for Pelleting Evaluation）。通过测得MPE值，利用线性相关方程得到PDI值，提高传统测定PDI值的效率。选取同一生产厂家生产的5种不同品种颗粒饲料共计541个，其中262个用回转箱法测定PDI，279个用来测定MPE，利用SPSS统计软件建立起回转箱法测PDI与MPE法测PDI的线性相关性方程。通过试验分析，得到了5种不同颗粒饲料的MPE与PDI的回归模型的预测模型。将预测值与实际值比较，结果显示该预测模型能够比较好地预测这5种不同颗粒饲料的PDI值(R2>0.96)。     

基于混料设计的原料成分对颗粒饲料产品成型特性的影响

颗粒饲料的配方按不同饲喂动物生长特性及相应饲喂目的而设计不同配方间的成分差异很大。针对颗粒饲料生产过程中由于配方成分差异导致的饲料产品质量差异和波动问题,文中针对大猪料配方中的三种主要成分:玉米、豆粕、麦麸,从营养要求出发,采用D-最优混料设计法,设计并基于单孔成型试验平台进行成型试验,获得合理的拟合模型,结合等高线和3D响应面图分析各成分对包括颗粒成型密度、成型率和颗粒硬度在内的成型质量指标的影响规律。研究结果发现,玉米、豆粕和麦麸的成分变化对三项颗粒质量指标都产生了极显著的影响(P0.001);针对三项质量指标的拟合模型都达到了显著(P0.05)而失拟检验不显著(P0.05),表明模型的可用性;玉米成分的增加使颗粒成型硬度明显升高,而颗粒成型密度则随麦麸含量的增加而增加,且受到玉米、麦麸成分的显著交互作用影响(P0.05)。最终得到针对颗粒成型质量的大猪料主要成分优化组合,分别为玉米41.5%、豆粕25.0%和麦麸33.5%。文章研究结果在为考虑颗粒成型质量的大猪料配方选择提供参考依据的同时,也为饲料工业中提高颗粒饲料产品质量的研究提供新角度和新方法。     

辊轴式虾剥壳机开发设计与试验

针对国内虾剥壳设备缺乏,本文采用碾压揉搓挤压柔性剥虾的原理,基于碾压机构挺杆压缩弹簧实现柔性碾压,揉搓挤压剥壳机构五辊轴和三辊轴组合往复运动实现柔性剥壳,设计了辊轴式虾剥壳机,具有产能大、需要人工少的优点,并制作了虾剥壳试验样机进行剥壳试验。试验结果表明,该装备完全能够满足柔性剥虾壳的要求。     

手持式生鲜肉品质参数无损检测装置研究

开发了一种手持式生鲜肉品质无损检测装置,并对装置进行了功能测试。硬件主要包括多光谱光源阵列（中心波长为470、515、545、 575、610、760、810、910nm）及探头模块、恒流源驱动模块、多光谱数据采集与处理模块、无线传输模块以及显示终端模块等。设计了基于Android的生鲜肉检测APP应用软件,实现了对装置的无线控制功能。整个装置体积为175mm×115mm×25mm,质量约为0.45kg。利用43个猪肉样品进行试验验证,按照37∶1比例将样品分为校正集与预测集,分别利用多元线性回归、偏最小二乘方法以及多元线性结合逐步回归建模方法对数据进行处理并比较结果,结果表明利用多元线性结合逐步回归算法建立的模型结果较好,其中颜色中L*、a*、b*的预测集相关系数分别为0.9471、0.8504、0.8563,挥发性盐基氮(TVB-N)含量预测集相关系数为0.8027。最后利用不同时间段的12块肉样进行验证模型,其中每组颜色指标中L*、a*、b*的真实值与预测值的预测相关系数均大于0.83,预测集标准偏差均小于等于162,挥发性盐基氮含量的真实值与预测值的预测相关系数均为0.80左右,预测偏差及标准偏差均小于等于4.04。从2组的验证结果来看,利用该设备对生鲜肉品质参数进行检测是可行的,模型具有一定的稳定性,且该设备具有轻便、体积小、质量轻、价格低廉等特点,能够为未来生鲜肉品质的便携式无损检测仪器的进一步研发提供参考。     

温度和粉碎粒度对不同能量饲料原料热物理特性的影响

为探究常见能量饲料原料在不同温度、不同粉碎粒度下的热物理特性差异,该文以4种谷物(玉米、小麦、大麦和高粱)和4种加工副产品(小麦麸、木薯渣、甜菜渣和米糠)原料为研究对象,分别粉碎过孔径1.5、2.0和2.5 mm筛片,得到3种不同粉碎粒度的粉料,利用差示扫描量热法(differential scanning calorimetry,DSC)和线热源法分别测定了不同粉料在25～100℃范围内的比热和导热率,通过计算得到相应的导温系数,分析了温度、粉碎粒度对原料热特性的影响以及不同原料之间的热特性差异,并建立了热特性参数关于温度的回归预测模型。结果显示:8种原料粉碎过1.5 mm筛孔的粉料比热、导热率和导温系数随温度的升高分别在1.580～2.671 kJ/(kg·K),0.054～0.362 W/(m·K)和6.694×10~(-8)～23.254×10~(-8) m~2/s范围内变化。整体上,原料的热特性均随温度的升高而呈线性或非线性上升趋势。不同粉碎粒度的同一原料,在相同温度下的比热差异均不显著(P0.05);随着粒度的增大,粉料的导热率和导温系数均有逐渐下降的趋势。4种谷物的比热与温度之间呈线性关系;小麦麸、木薯渣和米糠的比热可用温度的三次多项式表示;而甜菜渣的比热与温度呈二次关系。4种谷物和甜菜渣在3种粒度下的导热率均可用温度的三次多项式表示,而小麦麸、木薯渣和米糠的导热率则可用温度的二次多项式表示。小麦麸和米糠的导温系数与温度呈二次关系,其余6种原料的导温系数则可用温度的三次多项式表示。研究结果可为配合颗粒饲料配方变换所需的调质、制粒等热加工过程的工艺参数的调整、优化提供理论依据。     

苹果内部品质分级机械手设计与试验

为检测苹果内部品质,基于可见/近红外光谱检测技术并结合分拣机械手,设计了苹果内部品质分级机械手。该装置主要由夹持机构、近红外光谱采集系统、控制系统等组成。机械手稳定夹持苹果后采集苹果的近红外光谱数据,上位机软件中的预测模型对光谱数据进行分析处理,并显示光谱曲线和预测结果。为建立苹果可溶性固形物含量预测模型,基于该装置采集了苹果在650～1 100 nm波长范围内的光谱数据,通过国家标准测量法测得苹果样本的可溶性固形物含量,采用SG卷积平滑(SG-smooth)、标准正态变量变换(SNV)和多元散射校正(MSC)对光谱数据进行预处理,并结合可溶性固形物含量测量值建立偏最小二乘(PLSR)模型。结果表明,采用多元散射校正方法预处理后的建模效果最优,其预测模型的校正集和预测集相关系数分别为0. 978 2、0. 970 1,均方根误差分别为0. 274 6、0. 326 3°Brix。选取20个同品种苹果样本对该装置的稳定性和准确性进行了测试,可溶性固形物含量预测值与测量值相关系数为0. 957 3,均方根误差为0. 422 4°Brix。试验结果表明,苹果内部品质分级机械手在夹持苹果的同时可以实现对苹果可溶性固形物含量的准确预测。     

基于纹理和梯度特征的苹果伤痕与果梗/花萼在线识别

为了解决苹果果梗/花萼与伤痕在线识别的问题,利用自行设计的机器视觉检测系统在线采集苹果图像,通过自动分割合成算法将3个不同运动状态下的图像进行合成,使得合成后图像可以包含苹果的整个表面。再利用感兴趣区域提取算法提取出苹果合成图像中的果梗/花萼和伤痕部分。通过分析早期伤痕、中期伤痕和后期伤痕的纹理特征和边缘梯度特征,得出纹理特征适用于早中期伤痕与果梗/花萼的检测,而由于后期伤痕的褐变严重且多已出现凹陷,其纹理特征与果梗/花萼相似,故通过提取后期伤痕和果梗/花萼的边缘梯度特征值用于两者的区分。从SVM的建模结果来看,对于早中期伤痕,模型的总体判别正确率为97%,而后期伤痕的总体判别正确率为96%,并利用所得到的模型设计了用于果梗/花萼与伤痕区分的总体算法。最终通过80个带有不同种类伤痕的样本验证总体算法的正确率为95%,验证试验结果表明该算法可实现对果梗/花萼与伤痕的在线识别。     

手机联用的苹果糖度便携式检测装置设计与试验

基于可见/近红外光谱技术设计了手机联用的苹果糖度便携式检测装置，旨在通过优选特征波段确定适合苹果糖度检测的波段范围及光学传感器，并通过与手机的联用完成苹果糖度的高效、便携、低成本的无损检测。选择STS-NIR微型光纤光谱仪（波长范围650~1100nm），利用实验室自行搭建的光谱采集平台对120个苹果进行光谱采集，通过偏最小二乘（PLS）算法对全波长数据进行建模，并采用连续投影法（SPA）、遗传算法（GA）和竞争自适应重加权抽样法（CARS）等变量选择方法对全波长进行特征波段的识别来选择有效波长。变量选择结果显示，所得3组特征波段含有重合项，且均包含与苹果糖度有关的变量。利用偏最小二乘（PLS）算法建立关于苹果糖度基于3组特征波段的预测模型，并对3组结果进行分析，包括对预测相关系数、预测均方根误差比较等，来评估所建模型的准确性。试验结果表明，利用3组特征波段所得建模结果均比较良好，预测相关系数都在0.93以上，其中GA-PLS模型对苹果糖度的预测效果最优，预测相关系数可达0.9447。根据上述所得特征波段的高度重合项，确定了检测苹果糖度的特征波段及其对应的光学传感器，并基于所设计的苹果糖度便携式检测装置对另取的40个苹果进行试验验证，苹果糖度的预测相关系数可达0.8822。结果表明，本文所设计的基于特征波段的手机联用的苹果糖度便携式检测装置，成本低、便于携带、检测准确率高，具有实现苹果糖度的实时无损检测的可行性。     

不同类型粉碎机粉碎玉米的粒度、粒形表征分析

文章旨在探究不同类型粉碎机对粉碎玉米粒度分布及颗粒微观形貌的影响。分别用进口鲨鱼粉碎机、国产鲨鱼粉碎机、对辊粉碎机、对辊+锤片二次粉碎和锤片微粉碎机5种粉碎处理方式对玉米进行粉碎,基于14层筛法和扫描电镜分析法,测定粉碎玉米的平均粒径和几何标准差并获取颗粒粒形的扫描电镜图像。结果表明:不同类型粉碎机对粉碎玉米粒度的均匀度有明显影响,对辊粉碎机的粉碎粒度有更好的均匀度;粉碎机类型对粉碎玉米的微观形貌有明显影响,锤片微粉碎机粉碎玉米颗粒的球形度较高,且颗粒表面相对更均匀光滑,对辊粉碎机粉碎玉米颗粒多呈不规则形状,且表面较粗糙。文章为粉碎样品粒度粒形及消化利用率的分析提供了新思路。     

基于高光谱图像纹理特征的牛肉嫩度分布评价

传统牛肉品质的检测方法耗时长,效率低,破坏样品,已不能满足现代化生产的需要。为了实现对牛肉嫩度品质的快速无损检测和评价,该文利用高光谱成像系统,以西门塔尔牛多个胴体的背最长肌部位为研究对象,采集56个有效样本的高光谱立体图像,研究无损评价牛肉样品的嫩度分布。通过提取样本的反射光谱信息,并利用逐步回归算法结合遗传算法(GA,genetic algorithm)筛选出牛肉剪切力值(WBSF,warner-bratzler shear force)的特征波段。利用主成分分析(PCA,principle component analysis)提取样品的3个主成分。基于选出的特征波段图像和提取的主成分,通过计算图像灰度共生矩阵求取每幅图像8个主要纹理特征参数,分别建立了基于支持向量机(SVM,support vector machine)和线性判别(LDA,linear discriminant analysis)法的嫩度等级判别模型。经分析比较,基于主成分纹理特征优于基于特征波段图像建立的预测模型,并且,线性判别模型识别准确率相比支持向量机模型较高。基于主成分纹理特征建立的线性判别模型预测集判别精度为94.44%。研究结果证明,基于高光谱图像纹理特征分析,可以建立牛肉的嫩度判别模型,对牛肉嫩度快速无损检测技术研究提供理论参考。