表皮对果蔬品质漫反射光谱检测精度的影响

基于近红外漫反射光谱进行了马铃薯淀粉含量快速检测,并分析了表皮对光谱及淀粉含量检测精度的影响问题。本文对110个样品的漫反射光谱进行平均化(Mean centering)、微分处理及Norris滤波,建模方法选用主成分回归(PCR)及偏最小二乘法(PLS)。检测结果表明:近红外漫反射光谱检测马铃薯淀粉含量具有可行性,但表皮对光谱及检测精度有影响。采用PLS法对经Norris滤波处理的去皮马铃薯一阶微分光谱与淀粉含量建模,效果最好,相关系数r为0.893,根校正偏差RMSEC为1.01%;对预测集样品预测,均方根预测偏差RMSEP为1.38%,精度明显优于带皮马铃薯的建模及预测精度(r为0.834,RMSEC为1.29%,RMSEP为1.74%)。果蔬品质光谱检测中,如要实现样品品质精确检测,表皮影响需进一步校正。     

生鲜猪肉主要品质参数无损在线检测系统

基于可见近红外光谱技术,设计了生鲜猪肉品质无损在线检测装置.介绍了该系统的工作原理、工作过程、硬件组成及软件系统功能.系统硬件包括光谱信息采集装置、样品传送单元、位置检测单元、控制单元和计算机等.基于Delphi和Matlab语言开发了与PC硬件和Windows XP软件环境兼容的光谱信息自动采集和实时处理的无损在线检测软件系统.该系统可实现生鲜猪肉样品光谱数据的自动采集、光谱数据的在线处理、样品品质参数的在线预测与检测结果的在线显示.将该系统用于生鲜猪肉水分含量的在线检测.结果表明,该在线检测装置检测精度高、可靠性好,可用于肉品主要品质参数的无损在线检测.     

水果糖度近红外光谱在线检测装置

采用短波近红外光谱仪,进行机械传送、光谱采集处理、自动控制等系统的设计和集成,研制水果糖度近红外光谱在线检测装置。在550~850nm范围,采用偏最小二乘法,建立了苹果糖度近红外光谱在线检测数学模型。经比较,标准正交校正和一阶导数处理后的光谱建立的数学模型预测效果最优,模型的相关系数为0.78,模型预测均方根误差为0.67°Brix。实验表明:水果糖度近红外光谱在线检测装置可准确地检测苹果糖度含量。     

牛肉含水率无损快速检测系统研究

针对影响牛肉品质的主要指标,开发了基于可见/近红外光谱技术的牛肉含水率品质快速检测系统。阐述了该系统的工作原理、工作过程、硬件组成及软件系统功能。系统的核心是波段分别为400~960 nm和900~2 600 nm的光谱仪,结合控制器、光纤等辅助装置构成了检测系统的硬件部分。基于VC++语言开发了Windows环境下的光谱信息采集和处理的快速无损检测软件。该系统可以实现对牛肉光谱数据的采集、处理、样品品质的快速预测和结果显示。该系统在实验室采集了57个牛肉背最长肌的光谱,分别对可见、近红外和全波段的光谱数据建模,分析显示全波段预测模型能够更好地预测牛肉的含水率,其校正相关系数RC和预测相关系数RP分别为0.96和0.88。然后将预测模型固化于在线检测硬件系统中,在牛肉分割线上采集84个样品进行实验验证,检测正确率为92.8%。含水率结果表明,该快速检测装置检测含水率的精度较高,可靠性较好,可用于牛肉屠宰分割线对含水率品质参数的快速无损检测。     

花椒挥发油含量的近红外光谱无损检测

应用近红外漫反射光谱技术,采用偏最小二乘法,针对118份完整花椒颗粒定标样品集,研究了扫描分辨率为4、8、16 cm-1,扫描次数为32、64、128的9种扫描参数组合情况下的挥发油含量近红外光谱预测模型.扫描分辨率为16 cm-1、扫描次数为128时,建立的预测模型最优.在最优参数组合情况下,定标集样品的内部验证决定系数R2为0.907,交互验证误差均方根为0.509,用20份样品作为预测集进行外部验证,外部验证决定系数R2为0.973,预测误差均方根为0.272,相对分析误差为6.28.结果表明,近红外光谱分析技术可以快速、无损地检测花椒颗粒中挥发油的含量.     

便携式马铃薯多品质参数局部透射光谱无损检测装置

基于可见/近红外局部透射光谱,根据马铃薯大小及形状特征,设计了便携式马铃薯多品质无损检测装置,包括光谱采集模块、光源模块、控制与显示模块、供电模块和黑白参考盒,装置尺寸为11 cm×6.5 cm×9.5 cm。选取大西洋品种马铃薯样品85个,基于装置建立了马铃薯含水率、淀粉质量分数和还原糖质量分数的偏最小二乘定量预测模型,马铃薯含水率、淀粉质量分数和还原糖质量分数预测模型验证集相关系数分别为0.927 8、0.914 6、0.933 8,均方根误差分别为0.325 3%、0.344 9%、0.041 6%。基于QT开发工具,采用C/C++语言编写了装置实时分析控制软件,将所建预测模型植入到软件中,实现了马铃薯多品质参数实时无损检测一键式操作。最后对便携式马铃薯多品质无损检测装置的检测精度进行了验证。20个马铃薯样品含水率、淀粉质量分数和还原糖质量分数的装置预测值与标准理化值的相关系数分别为0.914 1、0.912 2和0.914 0,均方根误差分别为0.352 7%、0.340 4%和0.040 0%,平均偏差分别为0.295 1%、0.253 6%和0.031 6%,重复采样最大变异系数分别为0.006 7、0.012 4和0.123 1。结果表明:马铃薯多品质局部透射无损检测装置可以实现马铃薯含水率、淀粉质量分数和还原糖质量分数的实时无损检测。     

基于小波分析的马铃薯环腐病光谱数据去噪

针对马铃薯环腐病易传染,扩散面积大,不易检测,提出马铃薯环腐病的光学无损检测方法,设计了一种基于近红外光谱的马铃薯光谱采集系统。本系统可以完成对马铃薯的光谱采集,从而对比健康马铃薯和带有环腐病的马铃薯的光谱图,通过对比Matlab小波消噪中几种常用的方法找出最适合马铃薯光谱图消噪的方法,为后续马铃薯环腐病光谱分析,计算,建立数学模型,从而实现对马铃薯环腐病的检测和评价功能做铺垫。本研究表明,运用Matlab默认阀值法对马铃薯光谱进行小波消噪,通过对比原始光谱和消噪后的光谱,能有效的消除马铃薯光谱中多余的噪声。研究结果为马铃薯内部缺陷的光谱定性判别提供了参考,提高了马铃薯光谱特征选取的准确率和精度。     

基于虚拟仪器的谷物成分近红外检测仪设计与试验

结合近红外光谱分析技术和虚拟仪器技术,设计了多波段谷物成分近红外检测仪.该仪器采用漫反射原理,由光路系统、电路系统和软件系统组成.卤钨灯发出的全波谱光被调频后,由滤光片形成扫描光谱,然后被样品吸收漫反射后的近红外光由检测器接收并转换为电信号,经调理后最终被采集卡送入计算机中作进一步处理.在制备26个样品的基础上,进行了系统性能测试.试验结果表明,仪器的噪声水平低,重复性相对较差,对预测的准确度还不理想,通过多次重复装样检测平均值可提高准确性.该仪器可以用于测定谷物样品中的蛋白质、淀粉和脂肪等多种成分.     

鲜切果品新鲜度可见/近红外快速检测装置设计与实验

为了适应日益增长的鲜切果品消费需求,基于光谱分析技术和传感器技术,集成微型光谱仪、质量传感器、照度计和树莓派显示屏等电子元器件,设计了一套鲜切果品新鲜度可见光/近红外快速检测装置。硬件系统包括数据采集模块、光源模块、结果输出显示模块和控制器模块,软件实现处理数据、调用分级模型和反馈分级结果等功能。以鲜切苹果为例,采集24个红富士苹果样本在400～820 nm波段的光谱反射率,并在室温下分别于0～2 h、2. 5～8 h和8. 5～30 h 3个时间段,对每一个待测样品进行4组光谱数据测量,共获取288个原始样本数据。以切开时长2 h为分界线,将苹果样品分为2个等级。利用15点的S-G平滑卷积对反射光谱数据进行平滑处理后,使用核函数为高斯核函数(RBF)的支持向量机建立苹果新鲜度可见/近红外光谱检测分级模型,预测集准确率可达86. 81%。该鲜切果品新鲜度可见/近红外快速检测装置可为果品新鲜度或切后存放时长的快速无损检测提供方法与技术支持。     

基于CARS算法的脐橙可溶性固形物近红外在线检测

采用可见/近红外光谱在线检测装置进行赣南脐橙可溶性固形物含量在线检测模型优化研究。样品以5个/s的速度运动,采集可见/近红外漫透射光谱。光谱经过预处理后,分别应用向后区间偏最小二乘法（BiPLS）、遗传算法（GA）和正自适应加权算法（CARS）筛选特征变量,并通过外部验证评价PLS模型预测能力。一阶微分处理后经CARS筛选特征变量建立的PLS模型预测结果最优,预测相关系数和预测均方根误差分别为0.94和0.42%。结果表明CARS算法可有效简化赣南脐橙可溶性固形物可见/近红外光谱在线检测模型并提高模型的预测精度。     

基于三维外形尺寸和质量的马铃薯检测分级装置

介绍了一种依据马铃薯三维外形尺寸参数和质量参数进行检测分级的装置,主要包括驱动胶带轮、从动胶带轮及输送胶带。这种检测方法比单纯按照马铃薯外形尺寸或质量进行分级精度更高,检测分级方法更为先进,使不同档次块茎在生产中更好地得到利用。      

马铃薯智能排种机补种系统设计与试验

为提高马铃薯智能排种机的排种效率,降低作业人员的劳动强度,进一步提高马铃薯出芽及收获产量,对智能排种机的补种系统进行了设计。在智能排种机结构组成及工作原理基础上,建立马铃薯运动学参数模型,并加装补种装置,主要包括声光传感器、步进电机及报警装置等。给定合理的补种控制程序,进行试验,结果表明:设计的智能排种机补种系统补种合格率达97.5%以上,漏种指数试验平均值为1.1%,重种指数试验平均值为1.3%,各关键参数指标符合设计要求。该优化试验可为马铃薯智能排种机其他关键装置性能提升提供参考。     

农用发动机润滑油寿命预测方法研究概况

针对农用发动机润滑油寿命预测的研究概况,介绍了目前常规的预测方法,分析了利用近红外光谱检测技术和人工神经网络方法进行润滑油寿命检测的现状,为从事农用发动机润滑油寿命预测的研究者提供参考。      

基于近红外光谱的卷烟加料均匀性检测

结合近红外光谱分析技术在烟草分析上的应用,通过对加料后的烟丝进行近红外光谱分析,发现近红外光谱分析法可用于卷烟加料均匀性研究。利用扫描谱图及料液的施加比例,初步探索了卷烟加料均匀性近红外光谱分析的数学建模,模型验证误差＜2%,具有较好的实用价值。      

基于计算机视觉的储粮活虫检测系统硬件设计

设计了基于可见光-近红外计算机视觉的储粮活虫检测系统,该系统主要由粮虫自动分离子系统、粮虫传输子系统、光照箱、图像采集子系统4部分组成。粮虫自动分离子系统可从粮食样本中快速、有效地分离出粮虫,并进行自动除尘;粮虫传输子系统可准确接收筛下物,并输送采集盒到图像视觉采集部分的正下方以供图像采集;光照箱可为采集盒中的筛下物提供均匀的可见光-近红外波段的漫反射光;图像采集子系统可同时采集筛下物的近红外图像和可见光图像。系统对危害严重的9类储粮活虫的筛分率达到96.06%。实验验证了该系统的可行性。     

融合光谱与图像信息的河套蜜瓜糖度在线检测试验系统

针对蜜瓜糖度在线检测的需求,设计了融合漫透射光谱与图像信息的河套蜜瓜糖度在线检测试验系统,该系统包括硬件平台和软件系统两部分。硬件平台主要包括蜜瓜输送装置、光谱采集装置、图像采集装置和控制系统4部分。软件系统基于Microsoft Visual C++6.0语言,结合Omni Driver软件、Fly Capture2及Open CV软件开发。系统可实现蜜瓜光谱与图像信息的自动采集、显示及保存,可实现对漫透射光谱预处理,获取糖度检测所需光谱数据,对图像预处理,提取蜜瓜外观特征图像信息(R、G、B颜色值和蜜瓜体积)。在此基础上,系统可通过融合漫透射光谱与图像信息的蜜瓜糖度检测模型,计算蜜瓜糖度。系统同时可实现检测个数统计,外观特征信息及糖度的实时显示、保存等功能。测试试验表明,该试验系统检测1个样品用时1.2 s,糖度检测均方根误差为1.22,可满足河套蜜瓜糖度在线检测试验需求,为进一步开展河套蜜瓜糖度在线检测研究奠定了基础。     

基于加权支持向量数据描述的遥感图像病害松树识别

利用安装在无人机平台上的双光谱相机所获取的可见光和近红外遥感图像,采用改进的加权支持向量数据描述多分类算法,实现病害松树识别.首先根据不同内容信息图像的特点,提取双光谱相机所获取的可见光图像和近红外图像各颜色分量作为相应像素点的颜色特征,再通过提取加窗图像块的灰度共生矩阵得到中心像素点的纹理特征,然后利用权重系数为每类样本分别作加权支持向量数据描述,实现松树状态的多输出分类识别,其中权重系数是通过建立关于训练样本中心距离的权重函数所确定.与传统的人工、航空和卫星遥感识别方法不同,利用无人机平台和双光谱相机获取遥感图像,具有可操作性强、费用低廉等优势.试验结果表明,相比传统的支持向量机和支持向量数据描述算法,改进的加权支持向量数据描述多分类算法更能准确地进行病害松树识别.     

便携式猪肉营养组分无损实时检测装置研究

为了实现猪肉营养组分(脂肪和蛋白质)的快速、无损、实时检测,基于近红外反射光谱设计了便携式猪肉营养组分无损检测装置。硬件部分包括光谱采集单元、光源单元和控制单元,并开发了相应的检测软件,实现样品光谱信息的有效获取和实时分析。为了建立稳定可靠的预测模型,考察了波段选择、样本分组方式和筛选变量方法对模型的影响。分别基于可见/短波近红外(Vis/SWNIR)、长波近红外(LWNIR)及Vis/SWNIR-LWNIR,利用随机选择法(RS)、Kennard-Stone法(KS)和基于联合X-Y距离的样本划分法(SPXY)对样本进行划分,建立了脂肪和蛋白质质量分数的偏最小二乘预测模型。结果发现,基于Vis/SWNIR-LWNIR波段,利用SPXY算法进行样本分组,取得了最佳的预测模型。在此基础上,比较分析竞争性自适应加权算法、随机蛙跳算法和蒙特卡罗无信息变量消除-连续投影算法3种算法筛选变量建立的模型效果。基于竞争性自适应加权算法筛选变量的模型结果最佳,对脂肪和蛋白质建立的模型验证集相关系数分别为0.950 5和0.951 0。结果表明:基于近红外反射光谱设计的便携式猪肉组分检测装置可以对脂肪和蛋白质含量进行快速、无损、实时检测。     

基于近红外和远红外光谱信息融合的核桃品种鉴别方法

采用红外光谱技术对核桃开展无损检测研究,实现清香、温185、香玲、新新2号、纸皮、漾濞和岱丰共7种核桃品种的鉴别,为核桃品种识别提供新思路。提出了一种基于近红外和远红外光谱信息融合的方法,首次将远红外光谱技术应用在核桃品种鉴别中,并与近红外光谱数据融合,结合主成分分析法（PCA）和无信息变量消除-连续投影法（UVE-SPA）进行特征波长选取,建立了随机森林、K近邻、支持向量机分类模型。结果除随机森林模型外,其余模型识别准确率能够达到100%,既降低了模型复杂度,也大大提升了识别准确率和模型稳健性。试验结果表明,通过将近红外光谱和远红外光谱的有效信息进行数据融合,可以改善单一光谱技术在识别率上的不足,即两个波段的数据融合更能反映品种之间的差异,为实现核桃品种的高效、无损、精确识别提供了新思路,也为其他物质的鉴别提供了借鉴和参考。