浸出大豆油的生产和产品质量控制

大豆油是一种营养价值很高的优良食用油,浸出大豆油是大豆通过浸出工艺提取的油。本文介绍了浸出大豆油工艺流程和酸值、过氧化值、色泽等理化指标检测,及对其副产物豆粕进行油脂、蛋白质等理化指标检测,使消费者更加了解大豆产品。     

豆粕感官质量影响因素分析

本文主要对影响大豆豆粕感官质量的因素进行分析,通过对大豆原料质量、生产工艺中的清理、脱皮、膨化及脱溶等工段的分析,找出生产过程中影响豆粕感官质量的因素。在生产中加强工艺管理,为生产出更具有市场竞争力的优质豆粕提供参考。     

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。      

近红外光谱检测技术在生物生产中的应用

近红外光谱检测技术是一门多学科交叉技术,它的发展既取决于光谱分析技术和化学分析技术的进步,又取决于计算方法和设备的更新。为此,叙述了近红外光谱检测技术的基本原理和技术特点,并对其在生物生产方面的应用进行了综述。     

鱼粉、豆粕样本-样本二维相关近红外光谱判别

为了探讨利用二维相关近红外光谱法快速判别鱼粉和豆粕饲料原料的可行性,共收集了52个鱼粉、60个豆粕样品,其中34个鱼粉和40个豆粕样品作为定标集,其余18个鱼粉和20个豆粕样品作为独立验证集,用Spectrum400型近红外光谱仪扫描获取光谱,并对其特征峰进行解析.采用样本-样本二维相关分析方法定性判别鱼粉、豆粕,当预处理方法为一阶导数时,判断正确率为100％.与偏最小二乘判别分析方法相比,二者均可正确检测鱼粉、豆粕,其中二维相关方法的建模及验证算法简单、计算量小、运算速度快.     

豆粕品质近红外定量分析实验室模型在线应用

为探究豆粕近红外定量分析模型从实验室到工厂在线应用转移的可行性,以全国采集的117个豆粕样品为研究对象,利用偏最小二乘法在实验室建立了豆粕含水率、粗蛋白质量分数的近红外定量分析模型,继而将此模型转移到饲料生产企业进行在线应用。研究结果显示:建立的实验室近红外模型可实现豆粕含水率、粗蛋白质量分数的快速预测,其中,含水率和粗蛋白质量分数的验证集决定系数R2P分别为0. 83和0. 86,相对分析误差分别为2. 40和2. 55,模型效果良好;采用模型校正、样品扩充两种不同方法,将实验室模型转移到饲料生产企业进行在线应用,含水率和粗蛋白质量分数的预测值与实际测量值之间具有很好的吻合性,可以达到在线分析的要求。     

基于NIR和Raman光谱的果蔬质量检测研究进展与展望

主要回顾了可见/近红外光谱分析技术和拉曼光谱分析技术在果蔬品质与安全检测领域的研究进展。可见/近红外光谱分析技术在果蔬品质的定量分析（包括糖、酸等内部成分含量和坚实度等组织物理属性等）、果蔬品质的定性分析（如缺陷检测、成熟度分级、货架期/储藏期判断等）、果蔬生长/加工过程监测、果蔬生长环境条件分析以及果蔬安全检测、果蔬品种与产地溯源等方面获得了广泛应用。拉曼光谱分析技术在果蔬内部成分分析（尤其是类胡萝卜素含量）、品质分级、成熟度辨别、缺陷/损伤检测等方面获得成功应用,在果蔬农残与微生物污染检测方面也比可见/近红外光谱分析技术更具潜力。此外,还分析归纳了光谱分析技术在果蔬品质与安全检测领域的优势与不足,并展望了今后的发展趋势。     

基于近红外显微成像的豆粕和抗生素菌渣鉴别分析

以豆粕和3种抗生素菌渣为研究对象,通过傅里叶变换近红外显微成像系统采集样品近红外显微图像;对采集到的近红外显微图像进行光谱重构,并对所有样品光谱进行预处理,利用Duplex算法分别从不同的样品预处理光谱中筛选具有代表性的光谱建立豆粕和抗生素菌渣的特征光谱库。使用偏最小二乘判别分析(PLS-DA)与支持向量机判别分析(SVM-DA)结合不同的光谱预处理方法,构建豆粕与不同种类抗生素菌渣的近红外显微成像定性判别模型。结果表明:构建的2种模型均能有效对试验中所用豆粕和抗生素菌渣样品进行鉴别分析,正确率均在99.4%以上。进一步比较研究发现,一阶导数+SNV的预处理方式优于无预处理、一阶导数、二阶导数;SVM-DA的模型效果优于PLS-DA,SVM-DA中特征提取方法 PLS优于PCA。     

近红外光谱云计算分析系统构架与实现

传统的近红外光谱分析系统是单机版,建模工作难度大。为了在近红外光谱分析中实现对现有光谱模型资源共享,提出利用云计算中心的高性能服务器代替单机版的主机,然后在云服务器上开发近红外光谱软件分析系统,并详细分析了近红外光谱云分析系统的构架与设计步骤。该系统可以实现近红外光谱数据的预处理、定量分析、定性分析以及光谱模型查找和光谱模型转移等功能。最后以潲水油近红外光谱定性鉴别为例,分析比较了单机版和基于云计算的近红外光谱分析结果。在近红外光谱云分析系统中,对预测集58个样品进行判别,总体鉴别正确率为86.21%,这一结果与在单机环境下的分析结果完全一致。实验结果表明近红外光谱云分析系统具有成本低、建模方便、接入方式灵活、可实现资源共享和远程访问等优点。     

基于计算机视觉技术的向日葵种子分选系统设计

针对世界四大主要油料作物之一的向日葵种子的分选问题,结合近红外技术和计算机视觉技术,进行了根据向日葵种子内部含油率高低不同的自动分选系统设计开发。依据不同含油率种子在近红外光下的成像特征,将向日葵种子区分为两个级别。该系统由Labview计算机视觉系统、红外光发生器、图像采集卡、黑白照相机、40 W的环形灯、白色的照相纸及X射线图像处理工作站组成。运用所设计样机进行向日葵种子分选试验,结果表明:与化学分析方法相比较,本系统设计含油率分选准确,从而为满足不同市场需求的向日葵种子分选提供一种方便、快捷的方法,提高了向日葵种子的市场价格经济效益。     

基于DSP与ARM的大豆籽粒视觉分级系统

针对现有大豆籽粒筛选机构精度低、豆粒损伤大、不能有效识别霉变、灰斑豆粒等缺点,提出了一种基于TMS320DM6437(DSP)和TMS320DM355(ARM)的嵌入式大豆籽粒视觉分级系统的总体设计方案。阐述了该系统的工作原理、硬件构成、软件系统和分级测试。采集的大豆图像,经背景分割后提取豆粒参数,利用统计学方法对豆粒区域进行边界特征、区域特征提取,确定圆形度和平滑度为最优分级特征。以达芬奇技术处理器TMS320DM6437和TMS320DM355作为核心处理单元,嵌入图像处理算法,实现大豆籽粒的视觉分级。选取4类不同品种大豆各2 000粒作为试验样本,对系统进行重复测试,分级筛选精度达到95%。     

大豆玉米带状复合种植机械化技术与装备研究进展

推广大豆玉米带状复合种植模式是振兴国产大豆、提升油料产能的重要措施之一，能有效缓解我国大豆对外依存度高、进口压力大等困难。在分析2022年西南、黄淮海、西北地区大豆玉米带状复合种植模式推广实施情况的基础上，对各地区大豆玉米带状复合种植全程机械化技术与装备的现状进行概述，提出大豆玉米带状复合种植机械化面临的问题主要有缺少除草剂喷施专用机具、收获专用机具，现有可用生产装备数量严重不足，机械作业质量不高、适用性差，机手操作不规范等；针对现有技术问题提出我国大豆玉米带状复合种植生产机械化技术与装备的阶段性发展建议，采取先部分后全部、先易后难的方式逐步推进，先解决黄淮海及西北地区全程机械化问题，再针对丘陵山区进行研发，实现全国大部分地区全程机械化，最后综合利用自主导航辅助驾驶技术、自主避让技术及遥感遥测技术等电子信息及传感器技术，提升机具的机械化技术水平，为推动我国大豆玉米带状复合种植模式全面全程机械化高质量发展提供参考。     

便携式豆类品质监控系统研究

传统的破坏性检测方法已难以满足豆类品质快速检测的需求。现有的无损检测设备存在稳定性及准确性不高等问题,为提高豆类品质含量检测装置的性能,基于近红外光谱技术研发了豆类品质无损检测装置,体积小、便于携带,能够适用于现场检测。基于所研发的装置,各取30个黄豆、绿豆、红豆、黑豆样本,通过旋转静态采集多次光谱求平均值与采集1次光谱的方式,对同一样品重复测量20次,得出随着采集次数的增加,光谱反射率变异系数平均值逐渐减小直至平缓,选取最佳豆类采集次数分别为16、8、14、16,对应的光谱变异系数平均值为2.9%、2.435%、2.763%、3.019%。以黄豆为例,选取80个样品,使用不同的预处理方法,分别建立黄豆蛋白质、粗脂肪和淀粉含量的偏最小二乘预测模型,结果表明,蛋白质、粗脂肪、淀粉质量分数预测的最优模型预处理方式分别为SG-MSC、SNV、SNV,其预测集相关系数R_p分别为0.974 6、0.950 5、0.960 7,均方根误差分别为0.249%、0.572%、0.623%。取40个黄豆样本对装置模型进行试验验证,蛋白质、粗脂肪、淀粉质量分数的独立验证相关系数R     

近红外水分测定仪的发展及在食品水分检测中的应用

在食品生产加工过程中对产品的含水率进行持续监控对于优化产品质量非常必要。近红外水分测定仪因其实时、无损和高精度等优点被广泛应用于食品生产加工行业。介绍了近红外水分测定仪的发展历史,并对其在谷物、烟草、油脂和茶叶等水分含量测定中的应用进行了总结。      

近红外技术及其在农业物料检测中的应用

阐述了近红外技术的原理、特点：介绍了近红外技术在谷物种子类、果品蔬菜类、烟草类、油类作物、肉制品、乳制品检测中的应用；展望了近红外技术的应用前景。     

基于近红外光谱的活性米品质检测研究

选取105份具有代表性的活性米样品,研究光谱范围在918~1 045nm内12个波长点的近红外反射光谱与其品质的相关性。利用近红外光谱技术和多元线性回归、主成分回归和偏最小二乘法3种校正方法对活性米中γ-氨基丁酸、水分、蛋白质、淀粉、明度值、红度值及黄度值进行定量分析;选出最优校正模型,模型的预测决定系数分别为0.903、0.964、0.953、0.951、0.949、0.961、0.916,预测标准偏差分别为0.598、1.367、1.367、2.688、0.996、50.144、0.952。研究结果表明:应用近红外光谱技术检测活性米品质是可行性的。     

基于机器视觉的大豆机械化收获质量在线监测方法

针对大豆机械化收获过程中缺少联合收获机作业质量(破碎含杂率)在线监测装置的问题,提出了基于机器视觉的大豆机械化收获图像采集系统、大豆成分分类识别算法和谷物联合收获机作业质量监测方法.采用改进分水岭算法对大豆图像进行有效分割,筛选RGB和HSV颜色空间特征值,基于颜色特征值对分割后大豆图像各闭合区域进行分类识别,构建了量...     

基于近红外光谱和机器学习的大豆种皮裂纹识别研究

针对目前大豆种皮裂纹检测主要依靠人工、检测效率低、误差大的问题,提出一种基于近红外光谱技术和机器学习的大豆种皮裂纹自动识别方法。采用FT-NIR光谱仪采集150粒大豆样品（裂纹大豆75粒,正常大豆75粒）的近红外光谱,采用原始光谱、标准正态变量变换(Standard normal variate, SNV)、多元散射校正（Multiple scatter correction, MSC）、一阶导数结合SG平滑、二阶导数结合SG平滑等5种方法对获得的光谱进行预处理,分别采用偏最小二乘判别分析法（Partial least squares discriminant analysis, PLS-DA）、k-近邻法（k-nearest neighbor, KNN）、支持向量机法（Support vector machine, SVM）、随机森林法（Random forest,RF）、随机梯度提升法（Stochastic gradient boosting, SGB）、极端梯度提升法（Extreme gradient boosting,XGBoost）等6种机器学习方法建立了大豆种皮裂纹识别模型,研究了不同光谱预处理方法对6种机器学习方法分类效果的影响,对比分析了不同建模方法的分类效果。结果表明,光谱预处理方法对不同机器学习方法的分类效果差别较大。在合适的光谱预处理条件下,6种不同的机器学习算法的验证集准确率均不低于80.00%。PLS-DA的分类效果最好,验证集最优准确率达到90.00%;XGBoost的分类效果次之,验证集最优准确率达到86.67%,接下来依次是SVM、KNN、SGB和RF。利用近红外光谱技术和机器学习方法识别大豆种皮裂纹是可行的,在原始光谱条件下,PLS-DA是大豆种皮裂纹识别的最佳方法。     

用近红外透射光谱快速检测内燃机润滑油性能

通过对内燃机曲轴箱润滑油近红外吸收光谱的分析，研究了润滑油近红外吸收光谱随发动机工作时间变化的规律，为快速分析发动机润滑油的性能提供了一种新颖、可靠的分析方法，试验使用8个不同工作时间间隔的发动机润滑油样本，建立了润滑油的使用时间与近红外光谱之间的数学关系，为确定润滑油的换油时间提供了理论依据。