排序方式: 共有44条查询结果,搜索用时 62 毫秒
1.
基于激光图像的苹果品质分析与模型 总被引:2,自引:2,他引:2
该试验利用波长650 nm,功率25 mW的半导体激光及计算机视觉技术,初步探讨了激光图像的影响因素以及利用激光图像对苹果(嘎拉、红富士)品质进行无损检测的可行性。分别测定贮藏期间苹果的硬度、固酸比、果面底色、果型等品质指标,并获取图像参数及其像素个数(S1、S2、S3、S4)。试验结果显示,苹果的向阳面和背阳面对获取的激光图像的像素个数有显著的影响,而果型大小对其无显著影响。其中图像参数S3与各品质指标的皮尔逊相关系数最高。逐步回归表明,引入变量S3后模型的解释率最好(最高R2为0.99),且都为极显著水平(P≤0.01)。试验的结果为利用小功率激光图像对苹果品质进行无损检测提供了理论依据。 相似文献
2.
电子鼻对草莓采后贮藏早期霉菌感染的检测 总被引:6,自引:4,他引:2
为了实现电子鼻对草莓贮藏期常见霉菌感染的早期检测,对草莓果实分别接种灰霉、扩展青霉和根霉3种主要病原菌,以无菌水处理为对照组,每2d采用PEN3电子鼻获取草莓的气味,并用气质联用技术分析草莓气味。结果表明,草莓接种病原菌2d后,主成分分析能够正确区分正常果实(对照组)与病害果实,且可以较好区分草莓感染病原菌种类,多元方差分析结果也显示接种不同病原菌对草莓果实挥发性物质的影响差异显著(P<0.05),通过Fisher判别建立的回归函数对3种病原菌灰霉、扩展青霉和根霉及对照组的判别正确率分别为100%、93.3%、86.7%和100%。载荷分析及气质联用技术结果表明病原菌对草莓果实挥发性物质的影响主要体现在烃类及酯类的变化。研究结果可为实现草莓采后贮藏和流通过程中质量变化和病原微生物的感染进行无损快速检测和监测提供参考。 相似文献
3.
4.
基于电子鼻判别桃果实瘀伤的研究 总被引:1,自引:0,他引:1
为建立一种无损检测桃果实瘀伤的方法,对桃果实施加外力使其产生瘀伤,在24℃、相对湿度85%条件下贮藏24 h后逐个提取电子鼻响应信号,并对其进行主成分分析。结果显示:不同瘀伤等级果实的分离度为100%。电子鼻传感器阵列所含的10个传感器响应信号与瘀伤等级的相关性分析表明,大部分传感器(传感器W5S、W6S除外)响应信号与瘀伤等级均有显著相关性。利用向后消去法进行多元线性回归分析,结合取整函数建立了桃果实瘀伤等级的预测模型,验证试验表明,该模型具有较好适用性,总体准确率达到95%。 相似文献
5.
基于高光谱和CARS-IRIV算法的‘库尔勒香梨’可溶性固形物含量检测 总被引:3,自引:0,他引:3
[目的]利用高光谱技术实现‘库尔勒香梨’可溶性固形物含量的有效无损检测具有重要意义,但是高光谱数据通常噪声明显,大量无关信息变量和冗余信息变量的存在降低了模型的预测精度。本文旨在探究对高光谱数据特征变量筛选的有效方法来实现‘库尔勒香梨’可溶性固形物含量的快速检测。[方法]以‘库尔勒香梨’可溶性固形物含量(SSC)为研究指标,利用高光谱成像技术采集样本400~1 000 nm波长的漫反射光谱,对样本感兴趣区域(ROI)的光谱进行预处理,分别采用竞争性自适应重加权算法(CARS)、迭代保留信息变量算法(IRIV)以及CARS-IRIV算法筛选特征变量,基于不同筛选方法分别建立偏最小二乘(PLS)与最小二乘支持向量机(LS-SVM)预测模型,以预测集相关系数(Rp)、预测均方根误差(RMSEP)和预测相对分析误差(RPD)值对模型进行评价。[结果]CARS-IRIV算法可以有效减少CARS算法提取的变量个数,并稳定模型预测精度。LS-SVM模型预测结果优于PLS模型,在LS-SVM模型中CARS-IRIV-LS-SVM预测精度最高,Rp、RMSEP和RPD值分别为0.889、0.300和2.823。[结论]CARS-IRIV是一种有效的高光谱特征变量筛选算法,在提高预测精度的同时简化了模型的运算,CARS-IRIV-LS-SVM模型结合高光谱成像技术可以对‘库尔勒香梨’SSC进行快速有效的无损检测。 相似文献
6.
基于计算机视觉的稻谷霉变程度检测 总被引:3,自引:1,他引:2
为了实现无损检测稻谷储藏中的霉变,该研究以引起稻谷霉变的5种常见真菌(米曲霉、黑曲霉、构巢曲霉、桔青霉和杂色曲霉)为对象,首先进行真菌培养,制成悬浮液,然后将悬浮液接种到稻谷样品中,对稻谷样品模拟储藏,确定不同霉变程度的稻谷类型,划分为对照组(无霉变)、轻微霉变组和严重霉变组。利用计算机视觉系统对三组稻谷样品进行图像采集和图像处理,提取灰度、颜色和纹理特征,共获取68个图像特征。采用支持向量机(support vector machines,SVM)和偏最小二乘法判别分析(partial least squares discriminant analysis,PLS-DA)构建模型,分别用于无霉变稻谷与霉变稻谷的区分和稻谷霉变类型区分。为了降低模型复杂度和数据冗余,利用连续投影算法(successive projections algorithm,SPA)来消除原始数据变量间的共线性,优选特征值。结果表明:利用所有参数构建的SVM模型能够很好的区分对照组与霉变组,其中建模集和验证集总体区分准确率分别为99.7%和98.4%;SVM模型对于稻谷严重霉变类型的区分效果要优于轻微霉变稻谷,其中对稻谷轻微霉变类型建模集和验证集总体区分的准确率分别为99.3%和92.0%,对稻谷严重霉变类型区分的总体准确率分别为100%和94%,且整体上SVM模型的效果要优于PLS-DA模型。而基于SPA优选特征构建的模型区分结果表明,SVM模型区分效果优于PLS-DA模型,其中,在建模集和验证集中,对无霉变和霉变稻谷总体区分准确率分别为99.8%和99.5%,对稻谷轻微霉变种类区分总体准确率分别为99.8%和90.5%,对稻谷严重霉变种类区分总体准确率分别为100%和95.0%。因此,基于计算机视觉对稻谷霉变检测是可行的,而且SPA优选特征能够较好反映稻谷霉变特征,基于优选特征和SVM模型能够较好地稻谷霉变进行识别和区分,结果较好,可以为实际应用提供技术支持和参考。 相似文献
7.
利用波长650 nm、功率13.25 mW的半导体激光照射贮藏期的次郎柿表面,并采集激光光斑特征响应区域图像。通过折半试探方法确定光斑区域的图像分割阈值区间后对目标图像进行分割。再分析计算目标图像分割区域(S1、S2)的像素面积参数(AS1、AS2、AS1-AS2、AS1/AS2),区域的灰度值信息熵(HS1、HS2)以及灰度值标准差(SDS1、SDS2)。将以上参数作为体系的图像参数集,对次郎甜柿的可溶性固形物含量进行主成分分析(PCA)。通过分析,得到对检测次郎甜柿可溶性固形物含量起主导作用的激光图像参数分量组合(AS1/AS2、HS2、SDS2)。以该分量组合建立对次郎甜柿可溶性固形物含量检测的改进型支持向量机(SVM)回归模型。模型性能参数(相关系数R达到0.990 5,决定系数D达到0.870 9)和验证性试验均表明该模型具有较好的稳定性和准确性(检测SSC的准确率平均值达到94.1%,标准差为0.014)。 相似文献
8.
9.
青花菜贮藏期间颜色变化动力学模型的建立 总被引:2,自引:3,他引:2
该试验利用CIE-L*a*b*(Commission International de I'Eclairage,国际照明委员会制定的色彩空间坐标表色系统)中的a*、b*、H°、TCD(Total Color Difference,总色差)以及叶绿素含量和黄化级数来衡量青花菜色泽的变化情况, 旨在建立贮藏期间多种颜色指标的动力学模型。试验组分为0℃、5℃、10℃条件下分别在HDPE(high-density polyethylene高密度聚乙烯)薄膜单球包装与不包装两种情况下进行。试验结果显示,包装提升了青花菜贮藏期间的活化能,延迟了呼吸跃变的启动。非线性回归分析的结果表明,色泽参数b*和TCD的速率常数符合Arrhenius模型,模型符合一级动力学反应;而a*和H°的变化则可用多项式表示。贮藏青花菜的黄化级数与色泽参数b*之间具有良好的相关性,为利用计算机视觉系统进行颜色分级提供了理论依据。 相似文献
10.
[目的]本文旨在建立基于高光谱成像技术检测猕猴桃冷害的方法,实现猕猴桃冷害的无损甄别。[方法]以‘红阳’猕猴桃为材料,通过分析其400~1 000 nm和1 000~2 000 nm波段下的光谱,比较不同预处理下的偏最小二乘判别分析(PLS-DA)和支持向量机(SVM)模型,选出正确率较高的模型,对该方法构建全波段和特征波段光谱信息的模型,并对结果进行比较。[结果]主成分分析(PCA)结果表明,不同冷害等级的猕猴桃样本可以区分,但相邻等级猕猴桃样本间存在少量重叠。自动标准化(Autoscale)为最佳预处理方式,基于Autoscale建立的SVM模型相对于其他模型具有更高的准确率。在400~1 000 nm波长范围,连续投影算法(SPA)选择特征波长相对于全波长的模型更优,建模集、预测集正确率分别为100%和94.2%,在1 000~2 000 nm波长范围,竞争性自适应重加权算法(CARS)选择特征波长比全波长模型效果更好,建模集、预测集正确率分别为92.3%和86.5%。[结论]高光谱成像技术可以全面、准确、快速地预测猕猴桃冷害程度,该技术为猕猴桃的流通、销售提供了理论依据。 相似文献