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。     

玉米主要品质便携式检测装置设计与试验

我国玉米产量高,高效、便携、低成本的玉米成分检测技术及其装置对于玉米品质的检测至关重要,基于可见/近红外光谱技术,设计了一款玉米主要品质便携式检测装置。为探究所设计方案的可行性,自行搭建了可见/近红外光谱采集系统,对不同品种共72份玉米样本进行光谱采集,分别建立了玉米籽粒蛋白质、脂肪和淀粉含量的偏最小二乘（PLS）预测模型以及结合竞争性自适应重加权算法（CARS）的CARS-PLS预测模型。结果表明,CARS方法可以有效筛选出各组分的相关变量,提升模型效果,各组分质量分数的预测集均方根误差（RMSEP）均有所下降, 蛋白质质量分数的RMSEP由0.4866%降至0.4068%;脂肪质量分数的RMSEP由0.1549%降至0.0989%;淀粉质量分数的RMSEP由0.4714%降至0.4675%。预测集相关系数Rp均有所提高,蛋白质质量分数的Rp由0.9309提升至0.9603;脂肪质量分数的Rp由0.9497提升至0.9770;淀粉质量分数的Rp由0.9520提升至0.9605。基于CARS方法所筛选的各组分特征变量,选择了合适的近红外光谱传感器,在此基础上设计了检测装置的光谱采集单元、控制单元、显示单元、电源单元以及散热单元,并基于NodeMCU开发板和Arduino IDE开发工具,采用Arduino语言对装置控制程序进行开发,实现“一键式”快速检测。试验验证了该装置的检测精度和稳定性,结果表明,预测玉米籽粒蛋白质、脂肪和淀粉质量分数的相关系数分别为0.8431、0.8243、0.8154,预测均方根误差分别为0.3576%、0.2318%、0.2333%,相对分析误差分别为1.8577、1.7761、1.5735。对同一样本多次重复预测,各组分预测值的变异系数分别为0.235%、0.241%和0.028%。     

玉米种子活力逐粒无损检测与分级装置研究

基于近红外反射光谱分析技术,设计了玉米种子活力逐粒无损检测与分级装置,该装置主要由单粒化装置、输送管道、近红外光谱采集系统、控制系统和分级装置等组成。种子单粒化装置由一个带孔的倾斜转盘和一个固定托盘组成。输送管道与固定托盘出种口连接,其末端为光谱采集单元。种子由单粒化装置分离后,经输送管道落至光谱采集区进行光谱分析及活力判断,之后由分级装置对判别完成的种子进行分级。带孔圆盘用于将种子单粒化,其工作效率是提高种子检测及分级速率的关键。经分析得出,决定单粒化装置单粒化效率的因素分别为转盘倾斜角、转盘速度和孔高度。为提高检测速率,对单粒化装置进行了参数分析及优化试验。试验结果表明,当转盘倾斜角为31°、转速为0. 5 r/s、孔高度为2. 2 mm时,种子单粒化效率最优,单通道可达7粒/s。为建立玉米种子活力预测模型,基于该装置分别采集了100粒正常有活力玉米种子和100粒人工老化无活力玉米种子在980～1 700 nm波长范围的光谱数据,对种子原始光谱进行不同方法的预处理,并利用PLS-DA建立种子活力的定性判别模型。几种不同处理方式下的建模对比结果表明,SG-smooth预处理下的建模效果最优,其中校正集的判别准确率为98. 7%,预测集的判别准确率为96%。选取100粒种子对该装置预测模型的稳定性和准确性进行了验证试验,种子活力预测的总准确率为97%。所设计的玉米种子活力逐粒无损检测分级装置单粒化效率较高,光谱数据采集稳定,对玉米种子活力进行实时无损检测及分级具有可行性。     

基于增强拉曼光谱的苹果中啶虫脒农药残留的无损定量分析

为了快速准确检测苹果的农药残留,该研究基于表面增强拉曼光谱技术,以新烟碱类农药啶虫脒作为研究对象,建立了一种快速准确检测苹果农药残留含量的方法。为了改善表面增强剂对定量检测的检测精度和稳定性,在pH值为6.5的弱酸性条件下向银溶胶中加入稳定剂聚丙烯酸钠和团聚剂NaCl。采用了卡尔曼平滑(Rauch-Tung-Striebel,RTS)与非对称重加权惩罚最小二乘法(asymmetrically reweighted Penalized Least Squares,arPLS)结合扩展乘性散射校正(Extended Multiplicative Signal Correction,EMSC)来消除噪声和荧光信号对模型的影响。为了检测方法的重复性,对30个相同啶虫脒含量(20 mg/kg)的苹果进行了拉曼信号采集,并对627 cm~(-1),835 cm~(-1)和1 107 cm~(-1) 3个特征峰强度进行分析,其相对标准偏差(r Relative s Standard d Deviation,RSD)分别为6.14%,6.83%,6.99%,说明该方法具有较好的重复性。采集含有梯度浓度啶虫脒的苹果(0.012 mg/kg～10.830 mg/kg)的信号时,最低检测限为0.035 mg/kg,远低于国家规定的标准0.8 mg/kg。建立的苹果中啶虫脒农药残留偏最小二乘回归(Partial Least Squares Regression,PLSR)预测模型效果较好,检测范围在0.082～3.830 mg/kg,预测相关系数(Rrediction coefficient,R_p)为0.974,预测集均方根误差(Root Mean Square Errors of prediction,RMSEp)为0.044 1 mg/kg,校正相关系数(Correlation coefficient,R_c)为0.986,校正集均方根误差(Root Mean Square Errors of calibration,RMSEc)为0.036 9 mg/kg。研究表明,该方法可以对苹果中残留的啶虫脒农药进行准确的定量预测。     

基于声学特性的西瓜糖度检测与分级系统研究

糖度是西瓜分级的重要指标之一,针对传统西瓜检测方法的弊端,探讨了声学特性结合机器学习用于西瓜无损检测与分级的可行性。设计了西瓜声学检测系统,采集了不同批次样本的时域信号。时域信号经归一化处理后,采用快速傅里叶变换得到频域信号,并对其进行去趋势预处理。采用主成分分析提取了频域信号主成分,其中前3个主成分累计方差贡献率为95.32%,第1主成分和第2主成分对不同等级样本具有可分性。利用4种不同的机器学习算法建立了西瓜全变量分级模型,验证集分类准确率均达到66%以上。使用稳定竞争性自适应加权算法提取了特征变量,减少了约84%的变量数,使用优化后的特征变量建立的分类模型,性能均得到了较好的提升,其中支持向量机模型取得了最高的验证集准确率（95.56%）、F1分数（96%）和Kappa系数（93%）。结果表明,声学特性结合机器学习的方法,对西瓜进行无损检测和分级是可行的。该研究为西瓜无损检测和分级提供了可行的技术方案。     

便携式火腿腐败变质实时预警系统研究

针对火腿、香肠等肉制品在生产、运输和销售过程中容易出现品质腐败以及货架期缩短的问题,基于近红外光谱技术对火腿的品质腐败参数进行研究,研发了一种具有自建模功能的便携式火腿品质腐败检测装置,并基于物联网技术开发了火腿货架期预警系统。基于研发的检测装置,采集了74块火腿样品的可见/近红外光谱,在经过不同的预处理后,分别建立了火腿颜色（L*、a*、b*）、pH值、挥发性盐基氮含量和菌落总数（TVC）的偏最小二乘（PLS）预测模型。在此基础上,利用竞争性自适应加权算法筛选特征变量,建立简化的PLS模型,各参数的预测模型相关系数分别为0.9317、0.9369、0.9578、0.9554、0.9285、0.9862,均方根误差分别为0.3530、0.2529、0.0961、0.0354、0.3724mg/（100g）、0.4398lgCFU/g。结果表明,该装置可以用于火腿品质腐败参数的检测。同时研究了火腿储藏期间TVC生长规律,使用Modified Gompertz方程对TVC的生长曲线进行拟合,建立了TVC的生长动力学模型,通过TVC的光谱预测模型和生长动力学模型建立了货架期的预测模型。选用阿里云服务器和MySQL数据库作为服务端的开发工具,基于TCP/IP网络通信协议,将装置的检测数据实时传输到服务器端,进而保存到数据库中。最后将货架期的数据反馈至客户端,通过对货架期的监控实现火腿腐败变质的实时预警。经过实验测试表明,该系统可以用于火腿货架期的实时预警。     

东北黑土区不同坡段等间距植物篱减流减沙特征

植物篱作为一种有效的水土保持措施,带间距是其配置的关键参数,当前大部分植物篱布设时采用等间距设计,但不同坡段等间距植物篱的作用效果如何尚不明确。以东北黑土区不同坡段等间距植物篱为研究对象,通过含沙径流冲刷试验,模拟不同坡段等间距植物篱在坡度5°,雨强100 mm/h降雨条件下的产流产沙过程。结果表明:与裸地对照相比,各坡段植物篱能够阻延坡面径流,且随坡段的下移,滞后时间逐渐缩短;各坡段植物篱产流、产沙速率在时间尺度上表现基本一致,在上、中坡段植物篱坡面相对平稳,下坡段植物篱坡面后期呈明显波动,其变化趋势与坡面侵蚀形态密切相关,且整体均小于对照坡面;不同坡段植物篱减流效益为5.40%～10.16%、减沙效益为51.90%～75.72%,尽管有较好的减沙作用,但下坡段植物篱坡面的侵蚀模数已达到259.96 t/km~2,超过东北黑土区允许土壤流失量。可见,等间距植物篱需设计改进后,方可应用于东北黑土区。研究结果为东北黑土区植物篱设计提供重要科学依据。     

8份多叶羽扇豆种质幼苗对干旱胁迫的生理响应及抗旱性评价

【目的】探究干旱胁迫对不同多叶羽扇豆种质叶片的生理特性影响。【方法】以8份多年生多叶羽扇豆种质作为试验材料，以30%的PEG-6000溶液模拟干旱胁迫，测定干旱胁迫后8份多叶羽扇豆种质的生理指标。【结果】冰岛种质相对抗旱性较强，渗透调节物质含量较高，MDA含量相对较低，活性氧积累量趋于低水平，抗氧化酶活性最高；美国B种质相对抗旱性较弱，渗透调节物质含量最低，MDA含量最高，活性氧积累量最高，抗氧化酶活性趋于最低水平。【结论】采用隶属函数方法综合评价表明，多叶羽扇豆的抗旱能力排序为：冰岛>美国A>江苏>德国>临夏>陕西>酒泉>美国B。本研究结果为多叶羽扇豆的种植推广提供理了论依据。