排序方式: 共有91条查询结果,搜索用时 15 毫秒
41.
42.
基于近红外漫反射光谱的损伤猕猴桃早期识别 总被引:1,自引:0,他引:1
以贮藏1d的碰撞损伤猕猴桃、挤压损伤猕猴桃和无损猕猴桃为对象,分别建立了猕猴桃的Fisher判别模型、BP神经网络判别模型与最小二乘支持向量机(LSSVM)判别模型,综合比较了采用全光谱波长(FS)、主成分分析(PCA)提取特征变量与连续投影算法(SPA)优选特征波长作为各模型输入变量时,对各模型判别效果的影响.研究结果表明,SPA优选特征波长相比于PCA和FS有较明显的优势;3种判别模型均能基本满足实际要求,且LSSVM模型的识别性能最佳,其中SPA-LSSVM模型对预测集碰撞损伤样品、挤压损伤样品与无损样品的正确识别率分别达到100%、95%和100%,总的正确识别率为98.2%. 相似文献
43.
基于介电特性的小杂粮含水率检测仪设计与试验 总被引:4,自引:0,他引:4
以直流充/放电电路、温度传感器DS18B20和等臂电桥电路分别检测小杂粮的电容、温度和容积密度;以C51为程序开发语言,设计了一种基于介电特性的小杂粮含水率检测仪.以小米为对象,应用自制仪器研究了含水率、温度和容积密度对电容的影响规律;建立了描述电容与含水率、温度关系的数学模型;并对模型的可靠性进行了验证.检验了所设计的小杂粮检测仪在基于电容和温度预测小米含水率方面的可行性.结果表明,在湿基含水率11% ~ 19%、温度5~ 40℃的范围内,该检测仪的测量精度为±0.5%,响应时间小于3 s. 相似文献
44.
【目的】研究成熟期梨可溶性固形物含量的近红外漫反射光谱无损检测技术,为及时、准确地掌握成熟期梨果实的内部品质特性及田间管理、适时采收、合理储藏提供依据。【方法】基于近红外漫反射光谱检测技术分别建立了成熟期砀山酥梨可溶性固形物含量的偏最小二乘(PLS)、广义回归神经网络(GRNN)和偏最小二乘支持向量机动态预测模型(LSSVM),并综合评价了无信息变量消除法(UVE)优选有效特征波数对于简化模型、提高预测性能的影响。【结果】UVE算法能够很好地提高建模效率、有效改善GRNN和LSSVM模型预测精度,而对PLS分析模型效果不明显。3种模型中,LSSVM模型比GRNN和PLS模型具有明显优势,其中UVE-LSSVM模型具有最佳预测精度和适用性,其校正相关系数(Rc)为0.988,校正均方根误差(RMSEC)为0.074,预测相关系数(Rp)为0.922,预测均方根误差(RMSEP)为0.162。【结论】基于近红外光谱技术的UVE-LSSVM模型可用于成熟期梨可溶性固形物含量的无损检测。 相似文献
45.
为了实现多果品内部品质的现场无损快速检测,基于多光谱技术设计了一种可更换探头的手持式多果品内部品质无损检测仪。该检测仪的硬件系统由主机和多光谱采集探头组成。主机包括微处理器、电源管理模块、稳压驱动模块及输入输出模块。多光谱采集探头由12个不同波长的发光二极管和数字光电传感器组成。在MDK 5.0开发环境下用C语言开发了检测仪的软件。利用开发的检测仪分别采集了“华优”猕猴桃和“雪”梨的漫反射多光谱,并基于偏最小二乘法建立了预测猕猴桃和梨的可溶性固形物含量(SSC)和硬度的模型。将预测模型导入到检测仪后对仪器的性能进行了测试。结果表明,该检测仪对猕猴桃SSC和硬度的测量均方根误差分别为1.51%和5.13 N,对梨SSC和硬度的测量均方根误差分别为0.52%和4.57 N,检测时间在2 s以内,可通过更换探头实现对多种果品内部品质的无损快速检测。 相似文献
46.
为提高香菇的加工质量 ,降低能耗与成本 ,设计了一套采用 PC机控制香菇干制的监控系统。该系统软件用 Turbo C语言编程。经试验表明 ,该控制系统能稳定、正常地工作 ,不但可将烘干关键阶段的温度控制在± 1℃ ,且还具有自动跟踪温度变化曲线以及自动显示、打印和报警的功能 相似文献
47.
48.
基于近红外高光谱成像的猕猴桃早期隐性损伤识别 总被引:6,自引:0,他引:6
为了研究识别早期隐性损伤猕猴桃的方法,以"华优"猕猴桃为对象,以900~1 700 nm范围近红外高光谱成像系统为检测设备,采集了完好无损和隐性损伤1~3 h内猕猴桃的近红外高光谱。研究发现900~1 350 nm内二者的反射光谱具有明显的差异。对此区域进行分段主成分分析,确定1 050~1 200 nm为识别损伤的最佳光谱区域。基于此最佳光谱区域内主成分图像的权重系数及波长间光谱反射值的相关性优选了4个特征波长(1 057、1 090、1 120和1 177 nm)。对该4个特征波长进行了二次主成分分析,并结合中值滤波、阈值分割及数学形态学处理方法提出了早期隐性损伤猕猴桃的识别算法。该算法对70个无损猕猴桃和70个隐性损伤猕猴桃的正确识别率分别为100%和95.7%,平均正确识别率为97.9%。研究结果表明,近红外高光谱成像技术可用于早期隐性损伤猕猴桃的识别。 相似文献
49.
为了了解不同类型蛋白质及其添加量对生鲜牛乳介电特性的影响规律,为牛乳蛋白质掺假提供新的检测手段,采用同轴探头技术测量了20~4 500 MHz范围内乳清蛋白、大豆蛋白和三聚氰胺的蛋白质添加量(0~4.70%)对生鲜牛乳相对介电常数ε'和介质损耗因数ε″的影响规律,分析了不同类型蛋白质及其添加量对介电特性的影响机理。结果表明:在所测频率范围内,牛乳的ε'随频率的增加而减小,牛乳的ε″在2 000 MHz附近有最小值;当蛋白质添加量相同时,添加大豆蛋白的牛乳具有最大的ε',而添加三聚氰胺的牛乳具有最小的ε';添加乳清和大豆蛋白的牛乳的ε'和ε″均随蛋白质添加量的增加呈线性增大,但添加三聚氰胺的牛乳的ε'和ε″与蛋白质添加量之间的相关性不明显。研究说明,不同类型的蛋白质及其添加量对牛乳介电特性的影响规律不同,这种差异使基于介电特性识别牛乳中不同类型的蛋白质及其添加量成为可能。 相似文献
50.
面向采摘机械手的蒜薹力学特性试验研究 总被引:1,自引:0,他引:1
为确定蒜薹的机械化采摘参数,以收获期蒜薹为对象,进行不同部位蒜薹的拉伸和压缩试验,以及整根蒜薹的拉伸试验。结果表明:拉伸初期,拉应力与应变近似线性增长,表现出弹性材料的特征;当应变增大到一定值时,拉应力随着应变缓慢增大,表现出弹塑性材料的特征。从顶部到根部,蒜薹的最大拉应力单调递减,最大压力总体呈现减小的趋势,蒜薹的弹性性能逐渐减弱,相同压力下的压缩变形量依次减小。当拉伸速度为20mm/min时,90%的蒜薹在根部断裂,此时最大拉应力为(1.2±0.1)MPa,最大应变为0.15±0.04。采摘机械手夹持蒜薹的最佳部位为蒜薹中部以上,夹持载荷应4.1N/mm。可用对数函数和多项式函数分别表达蒜薹的拉应力与应变及压力与压缩变形量的关系。 相似文献