虾夷扇贝浮筏养殖作业改造与试验

该文针对目前虾夷扇贝(Patinopecten yessoensis)浮筏养殖作业用工量大、劳动强度高、工作效率低、耗能高以及尾气和噪音污染严重等问题,通过对獐子岛虾夷扇贝浮筏养殖作业工作模式与回收养殖吊笼方式的调研,提出了虾夷扇贝浮筏养殖作业的改进方案,并通过海上生产对比试验,得出以下结论:第1阶段以8 m长浮筏养殖作业船为母船,安装了电动拔梗装置、拔笼装置、抖笼装置、筛苗装置以及齿形滑轮滑梗装置,改变单纯依靠人力工作的作业模式为机械化作业模式,不仅用工人数及劳动强度大幅降低,并且拔笼量较原浮筏养殖作业平均每天单船提高了56.01%,耗能费用降低了13.95%;第2阶段在保留第1阶段机械化设备的基础上,对养殖作业船只的作业模式进行了改造,用船长12 m、船宽3.3 m、型深0.7 m,尾挂机型号洋马/CY1115,最大功率16.2 kW的作业船代替了原来船长8 m、船宽2.4 m、型深0.5 m,尾挂机型号ZS195,最大功率9.7kW的作业船,并省去了辅助运输船舶,将养殖作业和辅助运输合并为一条船。试验结果显示,拔笼数量较第1阶段改造的浮筏养殖作业模式平均每天单船提高了31.69%,较原浮筏养殖作业模式平均每天单船拔笼量提高了1.05倍。第2阶段改造的浮筏养殖作业船的装载和运输能力满足实际工作需求,平均每天单船耗能费用与第1阶段改造的浮筏养殖作业模式无显著性差异,较原浮筏养殖作业模式降低了14.12%。同时第2阶段改造的浮筏养殖作业模式较原浮筏养殖作业模式其单船年节省费用1.08万元。由此说明改造后的浮筏养殖作业装备及作业方式具有节能、高效等特点,推广应用前景广阔。     

虾夷扇贝捕捞网具的改进及应用效果

该文针对目前扇贝捕捞网具捕捞效率低及耗能大等问题,通过对獐子岛集团股份有限公司3 a龄虾夷扇贝(Patinopecten yessoensis)底播养殖海域海底状况与网具捕捞效果的调研,提出了虾夷扇贝捕捞网具的改进措施,并在辽长渔养15021号扇贝采捕船上进行了2个阶段海上生产对比试验,得出以下结论：第一阶段在原生产网具的基础上,安装扭簧式弹性拨贝齿及增大网目等措施,在拖网航速为4kn时,改造后网具单网平均捕捞量较生产网具提高了36.5%,扇贝破损量降低了49.4%,泥沙量降低了21.9%,单位捕捞耗油量降低了27.8%。第二阶段改造网具在第一阶段的基础上,增大网口扫海面积,并且将网身改为"宽口窄尾"结构,添加一道网口链及辅网衣,并加装主网拐雪橇板、拐前拨贝齿及网底托架小车,在拖网航速为4kn时,单网捕捞量较第一阶段改造网具提高了102%,扇贝碎贝量降低了161%,泥沙量降低了209%,单位捕捞耗油量降低了24.6%;而较原生产网具单网平均捕捞量提高了200%,扇贝破损量降低了236%,泥沙量降低了296%,单位捕捞耗油量降低了45.6%。由此说明新型虾夷扇贝捕捞网具具有高效、节能和低生态等特点,推广应用前景广阔。     

虾夷扇贝海上转运系统改进设计与试验

针对目前虾夷扇贝(Patinopecten yessoensis)海上转运系统作业装备落后及作业方式不合理,致使作业效率低、用工人数多、以及扇贝缩边死亡与碎贝现象严重等问题,通过对獐子岛虾夷扇贝海上转运系统的调研,提出了一种转运方案,并对转运装备进行优化设计。通过海上生产对比试验,得出以下结论:为虾夷扇贝采捕船配备甲板拣贝作业系统与可折叠式装贝笼箱,优化了采捕船拣贝、装箱、装卸舱等作业模式,使劳动强度大幅降低,且用工人数减少2人/艘,作业时间缩短了约0.6 h;运输船采用可折叠式装贝笼箱代替原转运笼箱,使笼箱装卸流程更加合理高效,且作业时间缩短了约0.52 h;采用改造后虾夷扇贝转运系统运输,扇贝缩边死亡率与碎贝率显著降低,其中扇贝平均缩边死亡率约为1.92%,且5个月试验扇贝缩边死亡率无显著差异(P0.05),与原转运系统相比显著降低(P0.05),降低了约1.43%;改造后平均碎贝率约为0.84%,且5个月试验碎贝率无显著差异(P0.05),较原转运系统显著降低(P0.05),降低了约1.99%;改造后的虾夷扇贝海上转运系统经济效果显著,每年可节省费用约2 853.6万元。由此说明,改造后的虾夷扇贝海上转运系统具有高效、高收益等特点,推广应用前景广阔。     

净化暂养及低温离水保活运输对虾夷扇贝品质的影响

为了分析在净化、暂养及低温离水运输对接过程中,活体虾夷扇贝品质随时间的变化.采用净化暂养循环水系统进行虾夷扇贝的净化暂养,并将虾夷扇贝分成3种不同前处理方式,组1净化56 h,组2净化32 h后梯度降温暂养24 h,组3无处理,将采用不同前处理的虾夷扇贝放入装有冰袋(250 mL)的聚乙烯保温箱(3 L)模拟低温离水运输条件.结果表明,水体在净化暂养过程中通过梯度降温方式,温度由净化阶段的(15±0.13)℃降至运输前4.76℃,盐度与pH值分别在32.47‰~33.00‰和8.29~8.44之间波动,溶解氧高于8.34 mg/L,保证了贝类存活环境的要求.试验过程中的虾夷扇贝,组1在64 h出现死亡,104 h全部死亡时细菌总数达到2300 CFU/mL;而组2在104 h才出现死亡,在0~104 h细菌总数上升趋势较平缓,在120 h全部死亡时细菌总数仅为960 CFU/mL;组3在64 h全部死亡.组1和组2净化阶段细菌总数显著下降,组3细菌总数与组1和2有显著差异(P<0.05).所有组的粗蛋白、粗脂肪及糖原随时间延长总体都呈现下降趋势,与组1、3相比,组2的逐级降温暂养环节延缓了糖原的消耗(P<0.05),因此可采用净化32 h及梯度降温暂养24 h的方法衔接活体虾夷扇贝的低温离水运输.研究结果为虾夷扇贝在净化暂养及低温离水过程中的品质提升提供参考.     

基于电子鼻的鱼露香气品质识别

为了识别鱼露的品质,并为缩短发酵周期的工艺优选提供理论依据.利用电子鼻对7种鱼露样品的挥发性气味进行了分析,并与项空-气质联用( GC-MS)和感官分析结果进行比较.结果表明:鱼露香气成分复杂,工艺改良对气味影响很大,电子鼻18个金属传感器能很好地将不同样品的气味进行识别.以传统发酵原汁鱼露为标样,电子鼻分析结果表明,加曲改良工艺的4号样品与标样香气最为接近,相似系数达87.8％,该结果与GC-MS数据和感官分析结果一致,可为鱼露速酿工艺的优选提供参考.     

基于虚拟仪器的淡水鱼鲜度电子鼻测量系统

新鲜度是鱼类或鱼类制品质量的一个重要指标,可以通过测量鱼体气味来评价其新鲜度。该文分析了鱼体死亡后产生的特征挥发性气体,确定了TGS822乙醇类及有机溶剂型传感器、TGS825硫化氢型传感器、TGS826氨气及胺类型传感器以及TGS832 卤烃型气体传感器等4类传感器作为淡水鱼电子鼻的传感器阵列,并采用虚拟仪器平台开发了电子鼻测量系统,用该测量系统对不同新鲜度的鲢鱼鱼肉进行了气味检测。试验结果表明,电子鼻传感器阵列的响应随样品新鲜度的变化而变化,采用PCA（主成分分析）对试验数据进行聚类分析,可以将鱼体新鲜、次新鲜和腐败（包括半腐败）的样本正确区分,证实了自行研制电子鼻测量系统的可行性和适用性。     

基于DFI-RSE电子鼻传感器阵列优化的葡萄酒SO2检测

酿造过程中SO2的监控是葡萄酒产业信息化和葡萄酒品质保障的关键。针对传统SO2测定方法操作复杂、耗费时间长等问题,该研究提出基于电子鼻技术建立葡萄酒中SO2检测方法。为提高电子鼻检测性能,提出一种基于动态特征重要度-递归传感器消除（Dynamic Feature Importance-Recursive Sensor Elimination,DFI-RSE）的气体传感器阵列优化算法。将最大信息系数（Maximum Information Coefficient,MIC）作为度量变量间关系的标准,定义DFI选择兼顾高有效性与低冗余性的特征构成特征子集。进一步计算特征子集中的传感器重要度,结合RSE移除重要度较低的传感器,获得最优阵列组合。采用偏最小二乘回归（Partial Least Squares Regression,PLSR）、多层感知器（Multi-Layer Perceptron,MLP）、支持向量回归（Support Vector Regression,SVR）和贝叶斯岭回归（Bayesian Ridge Regression,BRR）对DFI-RSE优化前后阵列的检测能力进行比较。结果表明,针对间隔40 mg/L、0～200 mg/L范围内不同SO2添加量的葡萄酒样品,优化后阵列的传感器数量由原来的16个降低为8个,特征数量减少了59%,4种回归模型的决定系数均高于0.98,其中MLP模型检测效果最佳,均方根误差为7.73 mg/L,优于原始阵列且节省了运行时间。所建立的基于电子鼻的葡萄酒SO2添加量检测和相应的阵列构建与优化方法为葡萄酒酿造过程中SO2的有效监控技术研究提供参考。     

基于电子鼻的带鱼货架期预测模型

为探索通过气味分析判断海产品贮藏品质的方法,利用电子鼻对带鱼在不同贮藏温度与贮藏时间下的挥发性气味变化进行了分析,对所获数据进行了主成分分析与货架期分析,并与理化品质指标值挥发性盐基氮（total volatile basic nitrogen,TVBN）相联系,建立了带鱼在273～283 K下的货架期预测模型。结果表明：电子鼻18个金属传感器能很好地将贮藏于273与283 K下的带鱼随着贮藏时间变化的气味进行区分。贮藏于不同温度条件下的带鱼的TVBN值与菌落总数值均随着贮藏时间的增加而增长,且均符合一级化学动力学模型（R2＞0.9）。基于电子鼻货架期分析获得的273～283 K下的气味变化结果与该温度下理化品质指标变化具有较好的对应关系,采用Arrhenius动力学模型推导公式求得带鱼在（273～283 K）温度段内TVBN的Q10（温差为10 K的货架寿命之比）值,对照该温度段下电子鼻货架期分析获得的气味变化货架期分析值,得到带鱼在该温度段内的Q10货架期预测模型,经验证,其预测误差小于20%。可根据获得的货架期预测模型对带鱼在273～283 K条件下的货架期进行预测。     

基于电子鼻传感器阵列优化的甜玉米种子活力检测

针对甜玉米种子活力传统检测方法操作繁琐、重复性差等不足,该研究利用电子鼻技术建立甜玉米种子活力快速检测方法。利用电子鼻获取不同活力甜玉米种子的气味信息,再结合主成分分析(PCA,principal component analysis)、线性判别分析(LDA,linear discriminant analysis)、载荷分析(loadings)和支持向量机(SVM,support vector machine)对气味信息进行提取分析,建立甜玉米种子活力的定性定量分析模型。结果显示:PCA和LDA分析均无法区分不同活力的甜玉米种子,而SVM的鉴别效果较好。全传感器阵列数据集SVM分类判别模型训练集和预测集正确率分别为97.10%和96.67%,建模时间为30.75 s,回归预测模型训练集和预测集决定系数R~2分别为0.993和0.913,均方差误差分别为2.23%和8.50%。经Loadings分析将10个传感器阵列优化为6个。优化后传感器阵列数据集SVM分类判别模型训练集和预测集正确率分别为98.55%和96.67%,建模时间为21.81 s,回归预测模型训练集和预测集决定系数R~2分别为0.982和0.984,均方差误差分别为3.80%和3.01%。结果表明:基于SVM的电子鼻技术可以实现对不同活力甜玉米种子的高效判别和预测,将传感器阵列优化为6个,判别和预测效果均有所提升。该研究为电子鼻技术应用于甜玉米种子活力检测提供理论依据。     

基于电子鼻的番茄成熟度及贮藏时间评价的研究

该文探讨了采用电子鼻系统对不同成熟度的番茄进行评价和对不同成熟度番茄在贮藏期间气味变化的电子鼻检测进行了研究。在按颜色进行成熟度区分时,从主成分分析(PCA)和线性判别式分析(LDA)中可以得到,电子鼻可以较好地区分半熟期和成熟期、完熟期的番茄,但成熟期、完熟期的番茄有部分区域发生重叠。按坚实度指标对番茄成熟度进行重新评价后,分析显示电子鼻可以区分坚实度的差异,当采用PCA方法分析时,电子鼻可以100%地区分不同成熟度的番茄。对不同成熟度番茄在贮藏期间电子鼻检测的研究表明:成熟期的番茄在贮藏1～6d、7～11d、14～17d之间可以较好地进行区分;完熟期的番茄采用LDA法在1～5d、6～11d、14～17d之间可以较好地进行区分。     

用电子鼻区分霉变燕麦及其传感器阵列优化

应用电子鼻对燕麦（Avena sativa L）霉变程度进行区分,为了提高区分准确度,对电子鼻传感器阵列进行了优化的研究。每天随机选择10个燕麦样品进行电子鼻检测,试验连续进行5 d,将检测数据耦合入非线性双稳态随机共振系统,以外部Gaussian白噪声激励系统产生共振,选择输出信噪比特征值进行主成分分析,初期试验主成分1和主成分2贡献率之和为96.43%,且相同霉变程度样品离散度较大,不同霉变程度样品之间距离较近。为了提高电子鼻对霉变燕麦样品区分效果,进行了电子鼻传感器负荷加载分析,优化选择了传感器阵列,优化后主成分1和主成分2贡献率之和为99.31%,相同霉变程度燕麦样品的聚合度更高,使不同霉变程度燕麦样品之间的区分更加明显,为进一步的定量化检测奠定了基础。     

用于山核桃陈化时间检测的电子鼻传感器阵列优化

为更好地进行山核桃陈化时间检测,论文拟通过传感器阵列优化来有效提高电子鼻对其区分预测能力。该文依据响应曲线保留响应明显的传感器,并在提取传感器特征值构成初始特征矩阵的基础上,结合均值分析、变异系数分析、聚类分析、相关性分析和多重共线性分析进行逐步优化以获取最终优化传感器阵列。对优化前后的数据采用主成分分析法(principal component analysis,PCA)和偏最小二乘回归(partial least squares regression,PLSR)进行样品区分和预测能力的对比。结果表明:通过优化,经不同人工陈化时间(0、5、10、15d)处理的山核桃能有效区分开,且在PCA得分图中更为聚集;优化后的陈化时间回归模型(R2=0.933 4)较优化前(R2=0.888 7)具有更好的预测能力。说明所给出的阵列优化方法有效可行,为电子鼻针对性检测提供了一种思路。     

基于神经网络预测的无线传感器网络田间射频信号路径损耗

为解决应用无线传感器网络技术监测农田信息时无法快速预测射频信号路径损耗的问题,基于神经网络理论研究了田间路径损耗与其影响因素间的关系。试验中选取915和2 470 MHz 2个载波频率,在冬小麦的不同生长阶段测量射频信号在田间各影响因素作用下的路径损耗,建立和验证基于神经网络的射频信号田间路径损耗预测模型。所建立模型模拟值与实测值的相关系数为0.92,应用建立的神经网络预测田间射频信号路径损耗并与实测值对比,最大预测误差绝对值为4.186 dB,最大预测标准差为2.759 dB,预测准确度为94.2%。所建立的BP网络可以对田间射频信号路径损耗进行预测。     

基于电子鼻的鱼粉中挥发性盐基氮检测模型比较

挥发性盐基氮（TVB-N）是表征鱼粉新鲜度的主要指标之一,为了探讨基于电子鼻系统检测鱼粉新鲜度的可行性,研制了检测鱼粉中TVB-N质量分数的电子鼻测量系统。该系统主要由氧化锡气敏传感器阵列、便携式数据采集设备和基于LabVIEW的采集程序组成。利用该系统对不同TVB-N质量分数的鱼粉样本进行气味信号采集,同时对鱼粉样本中的TVB-N的质量分数采用半微量凯式定氮法进行检测,利用2σ准则对传感器响应值进行数据剔除处理,建立了鱼粉中TVB-N质量分数的主成分分析（PCA）、多元线性回归（MLR）、BP神经网络模型,并用预测样本对模型进行验证。试验结果为：3种模型TVB-N质量分数预测值与实测值之间的决定系数R2、预测标准误差SEP、最大相对误差RE-max及平均相对误差RE-mean分别为0.48、10.25、13.62%、6.06%;0.59、9.14、13.91%、5.57%;0.94、3.64、6.30%、1.88%。BP神经网络效果最好,多元线性回归次之,主成分分析最差。研究结果表明,利用电子鼻技术可以有效对鱼粉中TVB-N质量分数进行检测。     

基于SFAM神经网络集成的土地评价

SFAM(Simplified Fuzzy ARTMAP,简化的模糊ARTMAP)神经网络具有自组织反馈、增量式学习和高度复杂映射等特点,是一种较BP神经网络和RBF神经网络等前馈神经网络更优秀的自组织神经网络.为克服SFAM神经网络受输入样本顺序的影响,提高土地评价的精度,提出利用SFAM神经网络集成进行土地评价的方法.并用SFAM神经网络、SFAM神经网络集成、BP神经网络、BP神经网络集成、RBF神经网络和RBF神经网络集成等方法对广东省中山市的土地进行了评价,对评价结果进行了分析和比较,结果表明SFAM神经网络具有比BP神经网络和RBF神经网络更优越的评价性能;对于这三种不同的神经网络,神经网络集成的土壤评价精度分别高于单个神经网络的精度.     

猪舍有害气体NH3、H2S的电子鼻定量识别

为准确、快速地测定南方猪舍的主要有害气体NH3、H2S,建立了电子鼻系统。在实验室中采用静态配气法配制各种浓度的气体,将快速独立成分分析与径向基神经网络两种方法相结合,对6.95～69.53 mg/m3浓度范围内的H2S单一气体以及H2S与NH3组成的混合气体进行定量识别,平均识别精度分别达到99.1%和90.97%。结果表明在基于电子鼻的猪舍NH3、H2S气体定量识别中,采用该种方法具有良好的效果。     

常规稻与杂交稻谷的仿生电子鼻分类识别

气味是进行稻谷品种及其品质识别的重要方法之一,作为一种基于仿生嗅觉的机器检测方法,仿生电子鼻在水稻品种的分类识别中具有较好的应用前景。常规稻与杂交稻在食味品质等方面存在一定的差异,为了解应用电子鼻进行常规稻谷与杂交稻谷识别的可行性,采用PEN3电子鼻对同季同地域收获的3种常规稻(中香1号、湘晚13、瑶平香)和3种杂交稻(伍丰优T025、品36、优优122)稻谷样品的气味信息进行了采集和分析。首先通过过载分析(Loadings)法分析了电子鼻检测稻谷气体挥发物时的各传感器贡献率,分别针对基于特征值的提取和稻谷气味检测对电子鼻传感器阵列中的传感器进行了优选,阐明了稻谷气体挥发物检测中应以对硫化物、氮氧化合物、芳香成分和有机硫化物敏感的传感器为主。随后,分别采用主成分分析法(principal component analysis,PCA)、线性判别法(linear discriminant analysis,LDA)和BP神经网络对6种不同稻谷之间、常规稻与杂交稻之间的分类识别进行了研究。结果表明,PCA分析法与LDA分析法在对6种不同稻谷之间的分类以及常规稻与杂交稻之间的分类中均未取得理想的效果,存在部分样本数据点重叠或样本数据点较近的情况,在实际应用中易发生混淆;而BP神经网络在对6种不同稻谷之间的分类中对测试集的识别正确率分别达到了90%,在常规稻与杂交稻之间的分类识别中对测试集的识别正确率达到了96.7%。上述试验验证了电子鼻用于常规稻与杂交稻稻谷分类识别的有效性,为常规稻与杂交稻的快速、无损分类识别提供了一种新的方法。