基于图谱特征的番茄种子活力检测与分级

为解决现存分级过程中损伤种子问题,替代仅根据种子表面特征评价的粗筛查方法,本研究基于高光谱的图谱融合技术,提出了一种番茄种子图像采集并辨识种子特征进而将种子分级的算法。试验随机选取170粒番茄种子作为样品,校正集与验证集比例约为3∶1。通过标准发芽试验得到种子活力结果,基于连续投影算法(Successive projections algorithm,SPA)求得反映番茄种子活力的特征波长为:535、577、595、654、684、713、744、768、809、840 nm。对特征波长下的光谱图像进行解析,通过双边滤波法、大津法、形态学变换算法提取了种子边缘轮廓,计算求出每粒种子的面积、圆形度以及图像灰度平均值。基于统计学分析,利用校正集128粒种子的特征值及其标准发芽试验结果求出分级阈值,其中有活力为合格,无活力为不合格。然后,利用验证集42粒种子的特征值对阈值进行验证,结果显示,在713 nm波长下的图像特征对活力结果判断分级的正确率最高,校正集和验证集的正确率分别为93.75%和90.48%。     

便携式猪肉营养组分无损实时检测装置研究

为了实现猪肉营养组分(脂肪和蛋白质)的快速、无损、实时检测,基于近红外反射光谱设计了便携式猪肉营养组分无损检测装置。硬件部分包括光谱采集单元、光源单元和控制单元,并开发了相应的检测软件,实现样品光谱信息的有效获取和实时分析。为了建立稳定可靠的预测模型,考察了波段选择、样本分组方式和筛选变量方法对模型的影响。分别基于可见/短波近红外(Vis/SWNIR)、长波近红外(LWNIR)及Vis/SWNIR-LWNIR,利用随机选择法(RS)、Kennard-Stone法(KS)和基于联合X-Y距离的样本划分法(SPXY)对样本进行划分,建立了脂肪和蛋白质质量分数的偏最小二乘预测模型。结果发现,基于Vis/SWNIR-LWNIR波段,利用SPXY算法进行样本分组,取得了最佳的预测模型。在此基础上,比较分析竞争性自适应加权算法、随机蛙跳算法和蒙特卡罗无信息变量消除-连续投影算法3种算法筛选变量建立的模型效果。基于竞争性自适应加权算法筛选变量的模型结果最佳,对脂肪和蛋白质建立的模型验证集相关系数分别为0.950 5和0.951 0。结果表明:基于近红外反射光谱设计的便携式猪肉组分检测装置可以对脂肪和蛋白质含量进行快速、无损、实时检测。     

采用压汞法研究不同冷冻羊肉冰晶结构特征

为研究不同冷冻羊肉冰晶结构特征,该文以空气冷冻和液浸冷冻2种不同冷冻方式以及冻贮3和90 d不同时间的冷冻羊肉为研究对象,采用真空冷冻干燥法将冷冻羊肉体内冰晶升华,用压汞法对冰晶升华留下的孔隙结构进行测定,并观察解冻复温后肌肉微观组织结构。研究结果表明,压汞法可有效测定冷冻羊肉冰晶升华后留下的孔隙分布特征,以此来表征冰晶结构特征。通过比较空气冷冻和液浸冷冻后冻贮不同时间羊肉的孔隙结构以及解冻复温后肌纤维组织结构变化特点,发现不同冷冻羊肉冰晶升华后孔隙分布特征存在差异,空气冷冻后冻贮3和90 d以及液浸冷冻后冻贮3和90 d的冷冻羊肉最大累计进汞量分别为2.16±0.08、2.33±0.07、1.76±0.01和2.29±0.05 mL/g,孔隙平均直径为10.09±0.30、25.73±0.91、3.21±0.46和14.45±0.64 µm,存在显著差异（P<0.05）,迂曲度分别为2.27±0.05、3.88±0.05、3.15±0.08和4.41±0.16,存在显著差异(P<0.05)。该研究结果可为压汞法在冷冻肉冰晶结构参数的测定应用中提供一定的理论依据。     

基于RGB颜色空间的冷冻猪肉储藏时间机器视觉判定

为解决冷冻猪肉储藏时间在人工判定中准确率和效率低的问题,该研究基于机器视觉和图像处理技术分析了冷冻猪肉表面图像RGB颜色特征,并将无光泽肌肉像素点比例作为自动判定冷冻猪肉储藏时间的特征参数。结果显示:将红度(R)与蓝度(B)的差值小于等于30且红度(R)与绿度(G)的差值小于等于30作为第一特征条件,将红度(R)与蓝度(B)的差值小于等于30、红度(R)与绿度(G)的差值小于等于30且蓝度(B)大于等于100作为第二特征条件对冷冻猪肉颜色特征进行提取时,二值化图像能较好地识别冷冻猪肉表面总肌肉和无光泽肌肉。基于统计学分析,当储藏时间在3个月以内(1、2和3个月)和超过12个月(13、15和17个月)的冷冻猪肉无光泽肌肉像素点比例阈值为26.8%时,冷冻猪肉验证检测判定准确度最佳,分别为90.00%和81.67%。经图像分割后提出的基于无光泽肌肉像素点比例的判定方法可以为实际应用提供技术支持和参考。