马铃薯薄片干燥过程形态变化三维成像

为研究马铃薯薄片在干燥过程中形态变化规律,该文利用Kinect传感器搭建了图像采集平台,研究其在不同干燥温度下(50、60、70、80℃)的形态变化规律。通过图像采集平台获取马铃薯薄片深度图像和彩色图像,利用彩色图像确定感兴趣区域,对对应区域的深度图像进行灰度值拉伸、阈值分割、边缘去噪处理,进而提取特征,计算出正投影面积的收缩率、深度均值及标准差,以表征马铃薯干燥过程中表面卷曲及平整度等形态指标的变化规律。对不同干燥时间点马铃薯片进行三维图形显示可观察其变化规律明显。统计结果表明:低温(50、60℃)与高温(70、80℃)对马铃薯薄片干燥时的收缩率、卷曲程度具有显著影响(P0.05)。50℃时收缩率为54.97%,80℃时收缩率升高为64.55%;干燥温度与马铃薯片卷曲程度呈先升后降的关系,60℃时卷曲度最大,其深度均值为27.81 mm,80℃时降低到18.86 mm。而四组温度下,马铃薯薄片的平整度具有显著性差异(P0.05),50℃时马铃薯片深度值的标准差为7.99 mm,80℃时降低至5.71mm,说明平整度随着干燥温度升高而增加。该研究可为马铃薯薄片干燥过程中形态变化的检测提供参考,同时为干燥工艺的智能化控制提供技术依据。     

波段比算法结合高光谱图像技术检测柑橘果锈

为克服柑橘表面不平整导致光线反射不均匀的影响,研究提出了波段比算法,使高光谱图像技术能够快速有效地检测柑橘果锈。首先根据Sheffield指数（SI）确定最佳波段（625 nm和717 nm）,经比值变换后得到第一幅比值图像;然后选取特征波长625 nm的邻近波段（621 nm）,与其比值变换后得到第二幅比值图像,提取轮廓,构建掩膜以消除第一幅比值图像的背景噪声,最后进行阈值分割和数字形态学运算,完成果锈区域的特征检测。试验结果表明,基于波段比算法的高光谱图像技术可有效检测柑橘果锈,检测率达到92%。研究表明波段比算法在高光谱图像技术快速无损地检测柑橘果锈中,能够有效地降低光照反射不均匀的影响,增强谱间差异,提高检测的精度。     

柑橘力学差异性研究

用TA- XT2i型质地分析仪对柑橘整果进行压缩和穿刺试验,研究柑橘在不同方向(轴向和径向)和不同部位(横截面和纵截面)上力学差异性,为采摘机器人手指与果实接触部位设计提供理论依据.结果表明:柑橘在不同方向上力学差异性不显著,平均压缩抗力约为105N;单果在横截面上力学差异性不显著,在纵截面上力学差异性显著,其中底部的抗破坏能力最差.因此,在柑橘采摘过程中应尽量避免机器手指与底部接触.     

提高高校贵重精密仪器设备使用效益的探讨

贵重精密仪器设备是高校的优质资源,提高其使用效益是我国教育管理面临的重要课题。探讨了目前高校贵重精密仪器设备管理中普遍存在的问题与原因,提出了提高其使用效益的措施。     

碧螺春茶叶的真伪鉴别技术——基于漫反射式高光谱成像技术

提出了基于漫反射式高光谱成像技术结合模式识别的碧螺春茶真伪鉴别方法。试验以漫反射式高光谱成像系统采集碧螺春茶样图像数据;通过主成分分析优选特征图像,并利用灰度共生矩阵从中各提取4个纹理特征参量;最后,利用支持向量机的模式识别方法构建茶叶真伪鉴别模型。训练和预测集的判别率分别达到100%和96.25%。研究表明,利用漫反射式高光谱成像技术结合支持向量机模式识别方法鉴别碧螺春茶品质真伪是可行的。     

柑橘收获机器人技术研究进展

简述了柑橘收获机器人系统组成和技术研究进展,分析了机器人各组成部分的功能、工作原理以及存在的技术问题,并提出了相应的解决办法.为了促使柑橘收获机器人技术的进一步发展,今后的工作主要集中在机械本体的优化设计、果实的智能化识别和定位以及不确定场景下的避障路径规划.在提高工作效率和采摘质量的同时,应考虑尽量降低柑橘收获机器人的制造成本,提高其通用性,以期实现柑橘收获的商业化.     

利用计算机视觉技术的烟叶质量分选系统研究

利用计算机视觉技术开发了烟叶质量分选系统。该系统对采集系统进行定标,控制感光度。提取了180个特征参数并进行选择形成特征向量,去除了标准样本中的奇异样本。利用人工神经网络对多个地区的烟叶进行学习和分类,检测准确率均在80%以上,半数地区检测准确率在90%以上。对烟叶分类该系统具有较高的实用价值。     

利用计算机视觉定量描述茶叶色泽

选择ＨＩＳ颜色系统描述茶叶颜色,并对颜色描述系统模型进行了改进,使之能更好地模拟理想颜色模型。在此基础上对自然存储条件下不同年份生产的龙井茶的茶叶色泽和汤色进行定量测量,测量结果：利用计算机视觉能定量地茶叶色泽随储藏时间的变化。     

果蔬品质劣变传感检测与监测技术研究进展

果蔬在采后贮藏和运输过程中极易发生品质劣变,食用价值降低且造成巨大的经济损失。为保障果蔬品质,减少产后劣变导致的资源浪费,本文综述了果蔬品质劣变传感检测与监测技术最新研究现状,分析了各类检测技术的原理、特点及优缺点。其中,机器视觉可检测果蔬外部品质和表面缺陷,电子鼻可监测果蔬的劣变气味,近红外光谱可检测果蔬内部品质和隐性缺陷,高光谱成像能实现可视化检测果蔬内外品质、监测劣变过程,拉曼光谱可检测果蔬腐败菌及其代谢产物,多技术联用和多信息融合能综合评价果蔬劣变。以各种传感器为感知节点构建物联网监测系统,进而实现果蔬品质劣变信息的智能化实时监测,为解决果蔬加工过程中品质劣变控制技术难题提供参考,对降低果蔬产后的经济损失,推进果蔬产业可持续发展具有重要意义。     

基于改进惯性矩算法的冷鲜猪肉新鲜度激光散斑图像检测

为了探究激光散斑技术检测冷鲜猪肉新鲜度的可行性,用660和465 nm 2种波长的激光对宰后24 h的猪肉样本在7 d内的激光散斑图像进行采集。以时间序列散斑(time history of speckle pattern,THSP)图像的惯性矩(inertia moment,IM)作为散斑活性,研究冷鲜猪肉散斑活性随货架期的变化规律。通过分析2种波长不同行的选取对IM值的影响,发现不同波长其奇偶行IM的规律不同,并针对传统IM算法容易出现异常值、稳定性差等缺点提出3点改进:设计排序算法动态选择散斑活性最高峰及周围2个相邻行,依此计算样本IM值;改进共生矩阵的修正矩阵计算方法;改进非零元素偏离对角线距离的计算方法。结果显示,改进方法可以有效地抑制异常值干扰,冷鲜猪肉散斑活性随货架期呈现先上升后下降的变化趋势。根据测得的挥发性盐基氮值(total volatile basic nitrogen,TVB-N)和散斑活性IM值建立猪肉新鲜度等级预测模型,结果显示465 nm波长的激光判别效果要好于660 nm激光,其训练集和预测集的识别率能达到87.5%和89.29%。试验结果表明利用激光散斑技术检测冷鲜猪肉新鲜度的具有可行性。