基于深度学习的牛肉大理石花纹等级手机评价系统

大理石花纹是影响牛肉品质等级的重要指标,目前中国牛肉加工企业对大理石花纹的评价是由专业分级人员参照标准图谱完成,具有主观性强、耗费人工的缺点。针对上述问题,该研究提出了基于深度学习的智能分级方法,设计一种具有4层卷积的神经网络结构,实现了大理石花纹特征的自动提取,并基于智能手机开发了牛肉大理石花纹检测软件。该研究共采集样本图像1 800张,按3:1:1分为校正集、验证集和测试集。为进一步验证模型,将该方法与传统机器视觉方法进行了比较,提取了牛肉大理石花纹的大、中、小脂肪颗粒个数,脂肪总面积和脂肪分布均匀度5个参数,并建立了多元线性回归模型。试验结果表明,该研究所用方法大理石花纹检测准确率更高,验证集检测正确率为97.67%。最后编写了手机软件,将模型移植入Android手机,在手机平台上调用模型进行大理石花纹检测。试验表明,该软件对测试集样本的检测准确率为95.56%,单张检测时间低于0.5 s。该研究结合卷积神经网络分类能力强和智能手机运行速度快等优点,开发了牛肉大理石花纹的手机评价系统,具有较好的实用性和便携性,可提高牛肉大理石花纹检测效率,有助于提高农畜产品检测的智能化水平。     

基于可控气流-激光检测技术的鸡肉嫩度评估方法

以鸡肉嫩度为研究对象，采用可控气流-激光检测技术的瞬态、蠕变回复和应力松弛等动静态检测模态，并使用支持向量机分类器和全局变量偏最小二乘算法，结合不同预处理方法，对鸡肉嫩度进行定性判别和定量预测。结果表明3个激励模态结合不同预处理算法均可实现鸡肉嫩度的定性定量评估。在定性方面，瞬态模态对嫩度具有最佳的分类效果；S-G卷积平滑算法表现出最佳的预处理性能，校正集嫩/老分类精度分别为1和0.98，马修斯相关系数为0.97；而验证集分类精度也达到了0.95和0.84。在定量预测方面，S-G卷积平滑算法在提升原始数据的信噪比上同样具有最佳效果；瞬态模态校正集和验证集模型相关系数分别为0.948和0.913，均方根误差分别为0.736N和1.013N。因此，在组织结构引起的品质预测动态模态较静态模态更适用。本研究开展的可控气流-激光技术在鸡肉嫩度评估的应用，为肉品检测领域提供了新的解决方案。     

精准施肥决策模型与数据库系统

以华北地区小麦及玉米为研究对象,以北京市昌平区崔村镇大辛峰村种植区为例,研究了精准施肥决策系统中施肥参数,并建立了相应的数学模型.将算法模型与数据库相结合,采用线性回归的方法,计算施肥时土壤对氮、磷、钾的需求量,利用二维插值的方法,建立了实验区中已知肥力样点与区域内未知肥力样点的相关关系,从而建立了土壤肥力查询数据库.通过以上方式,结合土壤的养分含量、作物种类及目标产量等相关参数来确定实验区域的施肥量.结果表明,该系统可实现施肥量的精确控制.     

乳清分离蛋白—多糖乳状液制备与乳化稳定性研究

在pH值7.0时以乳清分离蛋白为乳化剂制备初级乳状液,利用静电自组装技术,通过加入具有不同电性的阴离子型果胶、中性瓜尔豆胶、阳离子型壳聚糖制备具有良好稳定性的乳清分离蛋白-多糖的二级乳状液,并考察pH值、乳清分离蛋白与多糖的比例对乳状液稳定性的影响.结果表明:瓜尔豆胶与乳清蛋白乳状液粒子间无静电作用;在pH值5.0 ～6.0条件下,壳聚糖能够吸附到乳状液粒子表面,但形成的乳状液稳定性较差;在pH值3.0～5.0、果胶质量分数为0.2％～0.5％条件下,乳清分离蛋白-果胶为乳化界面构建的二级乳状液,稳定性最高.     

表面增强拉曼光谱快速检测生鲜肉中的瘦肉精

为了快速检测生鲜肉中的瘦肉精,该研究利用表面增强拉曼光谱技术,以沙丁胺醇为检测目标物,建立了一种快速检测肌肉组织和肝脏中瘦肉精含量的方法。在碱性环境下利用乙酸乙酯对样品中沙丁胺醇进行提取,采用Savitzky-Golay 5点平滑法和自适应迭代重加权惩罚最小二乘法消除光谱噪声以及荧光背景对分析建模的影响。为检测方法的重复性,对50个相同沙丁胺醇质量分数(1 mg/kg)的肌肉组织样品进行信号采集,对沙丁胺醇特征峰强度进行分析,621、814、1 253、1 489、1 609 cm~(-1) 5个特征峰强度的相对标准偏差(RSD)为6.54%、6.07%、8.65%、7.44%、6.81%,说明该方法具有较好的重复性。建立沙丁胺醇标准溶液的预测模型,沙丁胺醇浓度与其特征峰强度相关性较好,决定系数R~2为0.968。对肌肉组织和肝脏中沙丁胺醇含量进行检测,检测范围分别为0.01~5和0.02~5 mg/kg,检出限分别为0.01和0.02 mg/kg,其含量与预测实测值决定系数为0.912和0.921。研究表明,该方法可以实现肌肉组织和肝脏中沙丁胺醇含量的定量预测。     

肉品无损检测光学传感器设计与试验

畜肉品质光谱检测过程中，不同样品之间的厚度差异导致肉品表面到光纤探头的检测距离存在差异，对预测结果影响较大。针对这一问题，设计了一种用于肉品无损检测的光学传感器，并间隔玻璃从下至上对畜肉品质进行检测，消除了样品厚度对检测距离的影响，并分析了光谱曲线随检测距离变化的变化规律。为探究所设计方案的可行性，搭建了试验平台，包括光谱仪、距离调节机构、光源、石英玻璃、光学传感器和计算机，其中石英玻璃可透过220~2500nm波长范围的光而无吸收，光学传感器可以帮助采集更多的肉品漫反射光。选择了18个猪肉样品贮藏在4℃环境中，并在不同的冷藏时间取出进行光谱采集（400～1100nm），采用不同的检测距离（8～22mm，间隔2mm），最后测量样品的挥发性盐基氮（TVB N）含量。在获得样品光谱数据后，分别用1阶导数、多元散射校正（MSC）、标准正态变换（SNV）和1阶导数+SNV等方法进行预处理，并建立猪肉的TVB N含量的偏最小二乘回归（PLSR）预测模型。结果表明：当检测距离为16mm，采用1阶导数+ SNV预处理时，建立的TVB N含量预测模型效果最好，校正集相关系数和均方根误差分别为0.98和0.92mg/(100g)，预测集相关系数和预测均方根误差分别为0.97和1.56mg/(100g)。因此，利用所设计光学传感器对猪肉新鲜度进行检测是可行的。     

基于高光谱成像技术的苹果内外品质同时检测

结合高光谱图像处理和光谱分析方法,通过一次图像扫描同时对苹果的表面摔伤和糖分含量进行检测。苹果第一主成分图像与794nm的图像相减后进行去噪和阈值分割处理,摔伤检测的准确率为92.6%。对感兴趣区域的反射光谱曲线进行多元散射校正、一阶导数和SG平滑处理后利用偏最小二乘回归方法建立糖分含量的预测模型,校正集相关系数Rc为0.93,SEC为0.47°Brix,验证集相关系数Rv为0.92,SEV 为0.67°Brix。结果表明：利用高光谱成像技术可以实现苹果内部品质和外部品质的同时检测。     

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。     

便携式马铃薯多品质参数局部透射光谱无损检测装置

基于可见/近红外局部透射光谱,根据马铃薯大小及形状特征,设计了便携式马铃薯多品质无损检测装置,包括光谱采集模块、光源模块、控制与显示模块、供电模块和黑白参考盒,装置尺寸为11 cm×6.5 cm×9.5 cm。选取大西洋品种马铃薯样品85个,基于装置建立了马铃薯含水率、淀粉质量分数和还原糖质量分数的偏最小二乘定量预测模型,马铃薯含水率、淀粉质量分数和还原糖质量分数预测模型验证集相关系数分别为0.927 8、0.914 6、0.933 8,均方根误差分别为0.325 3%、0.344 9%、0.041 6%。基于QT开发工具,采用C/C++语言编写了装置实时分析控制软件,将所建预测模型植入到软件中,实现了马铃薯多品质参数实时无损检测一键式操作。最后对便携式马铃薯多品质无损检测装置的检测精度进行了验证。20个马铃薯样品含水率、淀粉质量分数和还原糖质量分数的装置预测值与标准理化值的相关系数分别为0.914 1、0.912 2和0.914 0,均方根误差分别为0.352 7%、0.340 4%和0.040 0%,平均偏差分别为0.295 1%、0.253 6%和0.031 6%,重复采样最大变异系数分别为0.006 7、0.012 4和0.123 1。结果表明:马铃薯多品质局部透射无损检测装置可以实现马铃薯含水率、淀粉质量分数和还原糖质量分数的实时无损检测。     

葵花籽油过氧化值激光诱导荧光快速检测技术研究

葵花籽油极易被氧化产生多种自由基、有毒聚合物等,因此葵花籽油产销链中过氧化值现场实时检测技术及装置研发具有重要意义。以设计便携式检测装置为目的,搭建了基于激光诱导荧光光谱的食用油过氧化值快速检测系统,建立了葵花籽油过氧化值定量预测模型,并进行了外部实验验证。结果表明,基于自行搭建的检测系统采集的80个不同过氧化值葵花籽油原始光谱,经SG平滑加MSC预处理结合CARS算法筛选荧光特征波长后建立的过氧化值PLS定量预测模型效果最佳,R2c和R2p分别为0.9995和0.9972,校正集均方根误差和验证集均方根误差分别为0.0088g/(100g)和0.0227g/(100g)。同时选取10个未参与建模的葵花籽油样品对模型进行外部验证,预测值与理化测定值的R2为0.9681,均方根误差为0.0411g/(100g),在低于国标限0.25g/(100g)的残差绝对值均在0.08g/(100g)以下。结果表明,自行设计的激光诱导荧光检测系统可以较高的精度实现对葵花籽油过氧化值的快速检测,为后续便携式整机设计和食用油氧化预警系统构建提供技术支持。