基于嗅觉可视化技术的猪肉新鲜度等级评判

利用嗅觉可视化技术对猪肉新鲜度等级进行评判.提取猪肉的挥发性气体与可视化传感器阵列进行反应,用图像处理技术分析反应前后传感器阵列的颜色变化,获取反映新鲜度的气味特征信息.通过主成分分析,选取前10个主成分作为所建立的BP神经网络的输入变量,构建猪肉新鲜度等级判别模型,模型的预测正确率为84.62％.研究结果表明:嗅觉可视化技术可用于猪肉新鲜度等级的快速评价.     

计算机视觉在脱水姜片在线分选中的应用

目前,脱水姜片的分选主要靠人工完成,分选精度不高,结果不稳定.为此,研究设计了一套基于计算机视觉的在线分选装置;开发了基于物料颜色参数的实时算法,对物料图像进行特征提取和一系列处理;运用双缓冲技术提高系统运行速度.试验结果表明,分选出的成品中含有的合格姜片达到95.5%,系统测量速度快、分选精度高且运行稳定,满足在线实时分选要求.     

基于计算机视觉的稻谷品种数据库检索技术

利用计算机视觉技术提取稻谷的主要外形特征，初步建立了稻谷品种数据库。研究了稻谷品种数据库的检索技术，提出了将BP神经网络与相似度检索相结合的检索方法。实验结果表明，该方法可有效提高检索效率。     

淡水鱼在产、销过程中新鲜度的相关分析

我国淡水鱼类资源丰富,品种繁多,而且鱼肉味道鲜美,营养价值高。淡水鱼一直是深受消费者喜爱的健康食品。由于鱼类中不饱和脂肪酸含量比较高,比畜肉和禽肉更容易被氧化,同时鱼体细菌繁多,易引起鱼肉腐败变质,从而影响其食用安全性、营养价值和风味品质。新鲜度是反映鱼品质的一项重要指标,在鱼产出、销售过程中淡水鱼的保     

基于遗传RBF网络的电子鼻对苹果质量的评定

提出一种根据苹果气味对苹果进行无损检测的方法，研制了一套适合苹果气味检测的电子鼻系统。对好坏苹果各50个进行了检测，在获得传感器阵列数据的基础上，从每个传感器曲线中提取了5个特征参数，作为模式识别的输入向量。用主成分分析法和遗传RBF网络对所测的样本进行分析，主成分分析可较好的把好坏苹果区分开，遗传RBF网络对训练集的回判正确率和对测试集的测试正确率分别为100％和96．4％。     

基于电子舌技术的绿茶滋味品质评价

该文研究利用电子舌技术快速评价绿茶的滋味品质。试验以“碧螺春”绿茶为研究对象,以绿茶滋味化学鉴定法作为绿茶滋味品质的评价方法,获得的滋味总得分值作为电子舌评价模型的参考测量值。在数据分析过程中,首先对不同生产日期的碧螺春茶汤滋味总得分值和各传感器响应值进行单因素方差分析;然后对比采用偏最小二乘法和最小二乘支持向量机建立电子舌传感器响应值与滋味总得分值之间的相关模型。结果显示不同生产日期对绿茶滋味品质及各传感器响应信号都具有极显著影响;当采用4个主成分时,建立的最小二乘支持向量机模型最优。用独立样本检验模型精度,模型预测值与参考值的相关系数为0.906,预测集均方根误差为4.077。研究结果可为茶叶品质智能化评价提供参考。     

基于小波变换的稻米爆腰检测技术研究

稻谷裂纹(俗称爆腰)是导致大米在加工过程中破碎的重要原因，爆腰的检测对裂纹的研究和控制有重要意义。本文提出了一种新的爆腰检测方法。它利用小波变换在图像边缘提取和去噪中的优越性，通过对二进尺度下图像小波变换局部极大值的检测，提取边缘特征，去除噪声，对糙米爆腰图像中的裂纹进行了有效识别。从而实现爆腰率的自动检测，准确率达到92%以上。与传统的检测算子相比，取得了更为良好的效果。     

基于赖氨酸修饰胶体金的花生黄曲霉毒素B1检测

通过建立赖氨酸表面修饰的胶体金体系,构建了一种检测霉变花生中黄曲霉毒素B_1(AFB_1)的方法。首先,用柠檬酸三钠还原法制备胶体金(Au NPs),然后在所制备的胶体金溶液中加入赖氨酸,制备了赖氨酸修饰的胶体金溶液(Lys-Au NPs)。利用紫外可见分光光度计和透射电镜对其进行表征,建立了Lys-AuNPs溶液在725 nm和525 nm处吸光度的比值(A_(725)/A_(525))与AFB_1质量浓度之间的相关关系。结果表明:AFB_1质量浓度在1～50 ng/mL范围内与A_(725)/A_(525)具有良好的线性关系,决定系数为0.996,检出限为0.2 ng/mL。花生样品中的加标回收率范围是85%～110%。通过高效液相色谱法(HPLC)对花生中AFB_1质量浓度进行验证,AFB_1质量浓度的预测值与真实值的均方根误差为0.865 1 ng/mL,相关系数为0.996 1。该方法具有快速简单、灵敏度高、操作简便等优点,可运用于霉变花生中AFB_1的快速检测。     

计算机视觉在大米胚芽识别中的应用

提出了有计算机视觉系统代替人眼对大米胚芽进行自动识别的方法。通过对胚芽米的颜色特性和彩色图像的分析研究,首次提出以饱和度Ｓ作为特征参数进行胚芽和胚乳的识别,从而实现了对大米留胚率的自动检测。以建立和识别指标和方法用计算机视觉系统进行胚芽识别,结果与人工检测吻合率达８８％以上。留胚率的自动检测结果与人工检测结果高度吻合。