排序方式: 共有5条查询结果,搜索用时 0 毫秒
1
1.
2.
为评价荔枝去梗式振动采摘效果,开展了树枝能量传递特性研究,利用一种动-定梳排组合式采摘机构进行了荔枝采摘试验与品质对比分析。研究结果表明,激振点在靠近外侧树冠位置的分支时,传递到末端枝条的振动能量衰减少,动-定梳排组合采摘方式通过激励相对固定的挂果枝条可有效利用振动能量。综合加权评分法确定的采摘机构的最佳作业参数条件:梳排振动频率为26.67 Hz,定梳排间距为20 mm,动梳排摆动角度为40?,试验测定的生产率为4.1 kg/min,破损率为5.05%。振动采摘和人工采摘2种采摘方式的荔枝色差值、可溶性固形物含量和可滴定酸含量在8 d的贮藏期内无显著性差异,即振动采摘未对荔枝果实品质产生不良影响。该研究可为荔枝采收机械的设计与优化提供参考。 相似文献
3.
水果品质无损检测研究进展及应用现状 总被引:1,自引:0,他引:1
针对市场上存在的水果品质良莠不齐的现状及消费者对水果品质逐步提高的需求,水果售前品质分级显得尤为重要。水果售前品质分级可有效保证市场品质、促进品牌打造、提升商品竞争力、指导采后处理。已有的理化指标检测法和感官评定法均存在检测效率低、劳动强度大等缺陷,无法完全满足实际产业大批量水果无损分级的要求。无损检测作为一种新兴技术在水果品质分级上具有广泛的市场需求和应用前景,至今已形成了光谱、机器视觉、高光谱成像、电子鼻、声特征、介电特性和低场核磁共振等系列水果品质无损检测方法。这些方法针对水果结构、外形、品质指标等差异检测时各具优势,但受环境噪声、漂移噪声、样本差异、检测效率和检测成本等因素影响,并未全部应用于实际生产。介绍了水果品质无损检测领域已有技术的特性及其可行对应检测的水果品质参数,阐述分析了无损检测技术在水果品质分级行业的实际应用现状,讨论了水果品质无损检测领域尚存在的难点,并对下一步研究方向提出建议。 相似文献
4.
2012年11月12日上午,广东园林学会在华南农业大学林学院会议室召开了教育信息专业委员会(以下简称专委会)成立大会。会议由华南农业大学林学院副院长庄雪影主持,学会副理事长兼秘书长彭承宜,学会副秘书长 相似文献
5.
基于可见/近红外光谱的菠萝水心病无损检测 总被引:1,自引:1,他引:0
水心病近年严重危害菠萝产业,探究一种菠萝水心病的无损检测方法对保证上市果品、指导采后处理、促进产业提升具有重要意义。该研究采用自行搭建的菠萝可见/近红外光谱无损智能检测平台,考虑实际应用成本与效果,搭载覆盖不同波段(400~1 100、900~1 700和400~1 700 nm)的检测器对菠萝样本进行采样,随后人工标定水心病发生程度。研究结果表明,3种不同光谱波段对菠萝水心程度检测的较优方法均为:采用全波段进行多项式平滑(Savitzky Golay,SG)处理,再进行标准正态变量校正(Standard Normal Variate,SNV),最后结合概率神经网络(Probabilistic Neural Network,PNN)建模识别。其中,400~1 100 nm所建模型对菠萝水心病训练集的回判正确率为98.51%,对验证集的检测正确率为91.18%;900~1 700 nm所建模型对菠萝水心病训练集的回判正确率为100%,对验证集的检测正确率为62%;400~ 1 700 nm所建模型对菠萝水心病训练集的回判正确率为100%,对验证集的检测正确率为91.18%。主成分分析(Principal Component Analysis,PCA)和偏最小二乘回归(Partial Least Squares Regression,PLSR)分析结果均显示,采用400~ 1 700 nm能轻微提升400~1 100 nm的检测效果。综合考虑实际应用成本与效果,实际应用建议采用400~1 100 nm光谱结合SG + SNV + PNN对菠萝水心病进行识别。研究结果证明可见/近红外光谱技术可为菠萝水心病无损、快速、智能检测提供有效的解决方案,为相关领域提供参考。 相似文献
1