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.     

基于分形维和图像特征的牛肉大理石花纹等级判定模型

采集135个牛胴体眼肌样本,参照中国牛肉质量标准的大理石图版,由3人评定小组评定出每一个样本的大理石花纹等级,再用数码相机采集每一个样本的数字图像。用图像处理技术对每一幅图像进行降噪、分割等处理,提取出牛肉大理石花纹,并计算出牛肉大理石花纹的面积比率、总脂肪颗粒数和大小脂肪颗粒数;然后用变尺度的方法,测定出每个牛肉大理石花纹样本图像的计盒维数和信息维数;以这些参数为基础,分别建立牛肉大理石花纹等级判定的多元线性模型和多元多项式模型。实验结果表明,利用多元线性模型和多元多项式模型判定牛肉大理石花纹等级,预测正确率分别为75%和87.5%。     

基于计算机视觉和神经网络的牛肉颜色自动分

将采集的牛胴体眼肌切面图像人工确定其颜色等级,然后通过计算机图像处理方法,分割出肌肉区域并提取出其在RGB和HIS颜色空间的颜色特征参数.设计一个以牛肉的颜色特征参数为输入、牛肉的颜色等级为输出的BP神经网络模型,通过训练,确定模型的结构参数,用测试样本对该模型进行验证.结果显示,用该模型进行牛肉颜色等级预测的正确率可达95%,耗时仅0.25s.表明利用所设计的模型可以对牛肉的颜色等级进行快速、准确的自动判定.     

牛肉品质检测中电子鼻参数的优化

以牛肉为研究对象,采用电子鼻技术考察实验参数——顶空空间、样品质量和顶空生成时间对电子鼻传感器响应信号的影响。选取传感器信号峰值和稳定值进行分析,通过方差分析观察单个传感器以及整个传感器阵列对不同参数的响应情况,同时结合主成分分析、线性判别分析得出较佳顶空空间为500mL、样品质量为25g、顶空生成时间为5min,并应用此参数进行电子鼻对储藏0、3、5、7、10、12、14d牛肉样品的检测,逐步判别分析正确率为98.57%。     

牛胴体眼肌切面图像的分割方法

在牛肉的计算机自动分级系统中,牛胴体眼肌图像的分割、大理石花纹的提取是利用计算机视觉评定牛肉等级的最基本及重要步骤。在简要介绍各种图像分割方法的基础上,对目前国内外应用于牛胴体眼肌图像的分割技术及各种算法进行了初步分析研究。并在此基础上,对其他学科提出的一些图像分割算法应用于牛胴体眼肌图像分割的潜力和前景进行了论述。     

利用公犊生产优质高档肉

随着人们生活水平的提高，对农牧产品加工增值的需求越来越迫切。因此，农牧产品生产必须走优化品种、提高质量、进行深加工的路子。本文介绍利用公犊生产优质高档肉的方法，供参考。通常，国际上按品质标准把牛肉划分为3类：①“牛肉”(成年牛或淘汰牛的肉)，质量较差，是大众化需求品；②“小牛肉”(1岁半大的牛的肉)，品质好，成本较低，但生产刚刚起步；③“小白牛肉”(四五月龄或七八月龄牛的肉)，属高档消费品，此项生产亟待开发。山西省年饲养牛一般保持在250万头，其中有繁殖能力的母牛按40 ％和繁殖率按70 ％计，每年可产公犊35万…     

西湖龙井茶品质的智能嗅觉识别

通过电子鼻采集不同等级、树种和产地西湖龙井茶的智能嗅觉指纹图谱,利用主成分分析得分矩阵研究等级、树种和产地指纹信息对茶叶品质的影响程度,基于软独立模型分类分析方法建立茶叶等级、树种和产地的3类智能嗅觉判别模型.结果表明,不同等级西湖龙井茶的电子鼻信号差异最大;在涵盖不同树种和产地信息的样品中,电子鼻能准确预测品质相近的高档等级(精品、特级和一级)茶叶,等级判别正确率基本达到100％.树种与产地特征对于茶叶品质的影响程度比较接近,并且同一等级、同一产地下不同树种模型和同一等级、同一树种下不同产地模型的判别正确率基本都达到92％以上.在此基础上,提出了首先利用电子鼻进行等级划分,然后在同一等级下进行树种鉴定和产地判别的西湖龙井茶品质智能嗅觉快速检测策略.     

牛肉新鲜度的电子鼻检测技

为了简单、快捷、准确地检测牛肉新鲜度,建立了电子鼻检测系统.根据牛肉产生的气味和传感器实验,合理地选用了气敏传感器阵列.为提高电子鼻传感器灵敏度,对购置的传感器进行了改进.利用生物嗅觉的研究成果,开发出仿生嗅觉鼻道结构.为了提高电子鼻系统小样本训练的识别率,提出了用支持向量机(SVM)算法识别牛肉新鲜度的方法.应用电子鼻系统对储藏7 d不同新鲜度的牛肉进行了识别实验,识别率达到99.25%.结果表明电子鼻检测牛肉新鲜度是可行的.     

基于离子选择电极和单片机技术的电子舌设计与试验

设计了一套基于离子选择电极和单片机技术的电子舌系统,并基于机器学习方法对饮用矿泉水及苹果汁进行了检测.使用离子选择电极组成传感器阵列,并通过单片机系统和串行A/D模块实现了高可靠性、低硬件成本的数据采集;在Matlab环境下实现了对实验数据的主成分分析、BP和PNN神经网络以及SVM分析,探讨了神经网络的优化设计方式.实验结果表明,该电子舌系统能够准确识别饮用水类别,并具有良好的可扩展性及成本低廉等优点.     

基于机器视觉的大米外特性评价

目前,我国稻米品质评价方法尚处于依靠肉眼观测阶段,如何按照国家实施的评价标准,通过外观品质的指标参数对不同品种稻米划分等级成为新的研究课题.为此,采用机器视觉的方法对大米的外观品质进行研究,在参照国家稻米外特性评价标准基础上,将各品种稻米划分等级,最后利用神经网络建立检测模型,从而为预测未知米样奠定了基础.     

基于模糊集的玉米饮料滋味自动鉴评方法

利用传感器阵列对玉米饮料滋味在模糊信息层面上实现自动化鉴评.针对玉米饮料滋味感官鉴评的不同剖面引入权值概念,利用云模型实现定性定量信息的转换和完成综合云模型基于权值差异的调整.分析传感器对玉米饮料滋味感官鉴评甜味、酸甜味、人口风味3个剖面的敏感度差异.在构建的模糊神经网络中,将针对特定剖面敏感的传感器阵列采集信息作为输入,感官鉴评云模型转化的信息作为输出,训练模糊神经网络,以得到的模糊化层中心值、模糊化层节点宽度值和模糊决策层调节参数来确定网络结构.预测分析结果表明,该系统在玉米饮料滋味模糊信息的鉴评过程中,误差率在0.002 43～0.091 77之间,效果良好.     

人工嗅觉研究进展及其在食品香气评定中的应用展望

概述了人工嗅觉系统的研究历史与应用现状,详细介绍了人工嗅觉系统的基本原理,阐述了基于神经网络的人工嗅觉系统在食品香气质量评定中的广阔应用前景     

基于粒子群优化的嗅—味融合技术在啤酒辨识中的应用

利用电子鼻/舌融合系统对啤酒香气、滋味进行检测,基于其融合后的嗅/味综合信息实现啤酒的分类。由于传统K均值聚类结果依赖于初始值的选取,且易陷入局部最优,依据融合数据特点提出一种改进的基于粒子群优化的K均值聚类算法,该算法在运行过程中优化了权重系数,随着迭代次数增加同时调整收敛速度,使粒子的搜索更趋于平衡化,同时引入压缩因子,平衡全局与局部矛盾。将该算法与K均值聚类算法进行比较,实验数据证明该算法具有较好的全局收敛性,能克服易陷入局部最优的缺点而收敛于最优解,结果显示:该算法对5种啤酒聚类效果明显,正确率稳定在93.3%。     

基于介电特性的苹果内部品质预测方法研究

快速无损检测水果糖度、硬度及含水率等内部品质对确定水果的营养价值和分级销售有着重要意义。为准确利用理化特征对苹果内部口感品质进行无损分级,提出了一种基于随机森林的苹果内部口感品质多语义分类模型。采用苹果的介电参数作为随机森林模型的输入,基于TF-IDF算法对苹果内部口感品质进行分类,依据介电参数推断苹果的理化特征。实验结果表明:该方法可有效实现对苹果内部口感品质的多语义分类,均方根误差为0. 51,可为水果等农产品的无损检测及分级提供参考。     

有机磷农药气敏传感阵列检测信号小波包降噪方法

针对有机磷农药气敏传感阵列测试信号含有噪声,严重影响测试结果准确性与可靠性这一问题,选择辛硫磷和乙酰甲胺磷农药残留为研究对象,采用基于小波包分解与重构的气体传感阵列信号降噪方法,并借助主成分分析（PCA）和Fisher判别分析（FDA）,分别研究了信号降噪前后两种农药不同质量比的鉴别情况。结果表明：传感阵列信号降噪后两种农药的不同残留样品均能被鉴别区分。小波包降噪可有效地提高气敏传感阵列对蔬菜农药残留的鉴别效果。     

阳极溶出伏安法快速测定谷物中的镉含量

建立了一种阳极溶出伏安法快速测定谷物中的镉含量。样品经微波消解后,采用玻碳电极为工作电极,AgAgCl电极为参比电极,铂电极为对电极,测定谷物中镉含量,其检出限为0.4 μgL。采用标准加入法,平均回收率100%～104%;某一浓度样品同时测定6次,其变异系数2.43%。该方法稳定、快速和准确,可广泛用于粮食的安全事件应急监测。      

柑橘类果汁中柚皮苷的分析

柚皮苷是柑橘汁中主要的苦味物质之一,其含量高低影响果汁的色泽、口味、稳定性等.通过分光光度法分析了9种柑橘类果汁中柚皮苷的含量,研究结果表明：胡柚汁中柚皮苷含量最高,为3.018 g/L,芦柑汁中柚皮苷含量最低,为0.310 g/L.在此基础上,用数学统计的方法对9种柑橘类果汁中柚皮苷含量差异性分析表明：脐橙汁与象山橘汁,椪柑汁与蜜柚汁柚皮苷含量无差别;椪柑汁比芦柑汁高,蜜柚汁比芦柑汁高,差异显著;其余种类果汁间柚皮苷含量均有极显著差异.     

基于多参数融合的土壤硝态氮检测方法

针对土壤悬液组分复杂以及单输入变量时电极预测精准度有限的问题,以提高离子选择电极预测土壤硝态氮含量精准度为目标,建立基于多参数融合的支持向量机(SVM)土壤硝态氮预测模型。采用灰色关联分析法对影响电极法测定土壤硝态氮的主要干扰因素进行排序,建立以主干扰因素及硝酸根电极检测电势的多参数融合SVM预测模型,并与传统Nernst模型和干扰因素全输入下的SVM模型作对比验证算法可行性。实验结果表明,土壤电导率、温度与Cl -电极检测电势为影响电极预测硝态氮精准度的主要干扰因素;输入参数为硝态氮电极检测电势、土壤电导率、温度与Cl -电极检测电势时,SVM土壤硝态氮预测模型效果最优,与光学法测定结果回归方程的调整决定系数为0.98,平均绝对偏差为3.38 mg/L,均方根误差为4.51 mg/L,基于多参数融合的SVM预测模型可显著提高电极法硝态氮检测精准度。     

同面弧面电容式种子水分传感器的研究

种子烘干机的关键在于利用种子水分传感器来实现种子含水率的在线无损检测,优化种子水分传感器的结构,提高传感器的测量性能,对提升种子烘干机的烘干质量和工作效能具有重要作用。为此,研究了一种同面弧面电容式种子水分传感器,结合COMSOL有限元仿真软件,采用数值求解的方法计算传感器的电容值,着重考察传感器的极板尺寸、极板间距对传感器性能的影响,以此实现对传感器结构参数的优化,并试制传感器原型进行试验验证。初步试验结果表明:根据优化结构参数设计的电容传感器在测量精度上有所提高,在0~20%的含水率范围内以1%的绝对精度实现对蔬菜种子含水率的测量,符合实际应用要求,验证了检测方法的可靠性。