单粒玉米种子成熟度快速判别方法

为快速无损检测单粒种子成熟度,推进现代良种单粒播种技术,采用近红外光谱技术结合化学计量学方法建立了单粒玉米种子成熟度快速鉴别模型。采集200份单粒玉米种子样本近红外光谱,采用多种光谱预处理方法消除单粒种子采集过程中由于颗粒形态、杂散光等引入的干扰信息,分别采用分段谱区、连续投影算法筛选特征波长,优化建立种子成熟度判别模型。经SG5_1预处理后,在5 500～4 000 cm~(-1)谱区建立的基于支持向量机的单粒玉米种子成熟度判别模型的分类准确率可达92%。实验结果表明,近红外光谱技术可以快速无损判别单粒玉米种子成熟度。     

基于高光谱图像技术结合深度学习算法的萝卜种子品种鉴别

提出一种基于可见-近红外光谱技术的无损检测方法，以期实现对萝卜种子品种的鉴别。通过光谱成像系统采集6类常见萝卜种子的高光谱图像，并利用HSI软件提取光谱数据。使用Savitzky Golay（SG）平滑与多元散射校正（multiple scattering correction，MSC）叠加对光谱数据进行预处理以消除高频随机误差。采用堆叠自动编码器（stacked autoencoder，SAE）、连续投影算法（successive projections algorithm，SPA）和变量迭代空间收缩算法（variable iterative space shrinkage approach，VISSA）进行数据降维。利用Softmax与支持向量机（support vector machine，SVM）算法对全光谱和选取的特征光谱数据建立分类模型。结果表明:SAE-Softmax模型的分类效果最优，其训练集和预测集准确率分别达99.72%和96.22%。因此，利用可见-近红外光谱技术与深度学习算法结合的方法对萝卜种子的品种鉴别是可行的。该研究为种子品种无损检测分析提供参考。      

基于人工神经网络的苹果可溶性固形物无损检测

采集了60个苹果在400～1 100nm范围内的可见-近红外漫反射光谱,然后使用连续投影算法将光谱变量进行压缩,最后采用BP神经网络建立了苹果糖度的预测模型。实验表明,连续投影算法从400～1 100nm范围提取出25个优选波长参与建模,有效简化了模型结构。BP神经网络模型对苹果糖度的预测相关系数达到0.853,预测均方根误差为1.303 0。结果表明,基于近红外光谱的苹果糖度无损检测是可行的。     

基于近红外光谱技术的蔬菜农药残留种类检测

该文基于近红外光谱技术,提出一种快速无损检测方法,以期实现蔬菜农药残留的分类检测。通过对喷洒了氰戊菊酯溶液、三唑磷溶液和未喷洒农药的生菜样本进行研究,比较不同预处理后的建模效果,选用SNV算法作为最优预处理方法。分别采用连续投影算法（SPA）、自主软收缩法（BOSS）和竞争性自适应重加权算法（CARS）对预处理后的光谱数据进行特征波段选择。采用支持向量机（SVM）和基于灰狼算法（GWO）优化的支持向量机（SVM）算法对特征波长变量分别建立分类模型。再通过对建立的模型进行比较得出:CARS-GWO-SVM模型取得了最佳的分类效果,模型的训练集精度和预测集精度均为100%。因此,利用近红外光谱技术对蔬菜上的农药残留进行分类检测是可行的。该研究为生菜中其他农药残留的快速无损检测分析提供参考。      

高光谱成像结合模式识别无损检测猕猴桃成熟度

为实现“贵长”猕猴桃成熟度的快速无损检测,提出高光谱成像结合模式识别建立识别模型的检测方法。首先利用可见/近红外(390~1 030 nm)高光谱成像系统采集不同成熟阶段猕猴桃样本的高光谱图像,并获取整个样本区域的光谱反射率。然后对比3种光谱预处理方法：二阶导数、标准正态变换以及多元散射校正对原始光谱的预处理效果。最后分析偏最小二乘判别分析(PLS-DA)和简化的K最近邻(SKNN)模式识别方法对猕猴桃成熟度的识别性能。结果表明：相对于标准正态变换和多元散射校正两种光谱预处理方法,二阶导数预处理方法对原始光谱的预处理效果相对较好。另外,PLS-DA识别模型对猕猴桃成熟度的识别性能要优于SKNN识别模型,其正确识别率达到100%。表明采用高光谱成像技术结合模式识别方法判别“贵长”猕猴桃成熟度是可行的。     

基于可见-近红外光谱的鲜食葡萄成熟品质关键指标检测

酚类物质是评价葡萄成熟品质的重要指标,本文利用可见-近红外光谱技术结合化学计量学定量分析方法对葡萄皮总酚、籽总酚、皮单宁和籽单宁含量开展了无损检测研究。通过手持式可见-近红外光谱仪采集巨玫瑰葡萄波长400～1 029 nm范围内的漫反射光谱,采用SPXY算法将其划分为校正集和预测集,结合标准正态变换(Standard normal variate, SNV)、多元散射校正(Multiplicative scatter correction, MSC)、一阶导数(First derivative, 1D)、二阶导数(Second derivative, 2D)、Savitzky-Golay卷积平滑(Savitzky-Golay smoothing,SG)和Savitzky-Golay卷积平滑+一阶导数(SG+1D)6种预处理方法以及偏最小二乘回归(Partial least squares regression, PLSR)、支持向量机回归(Support vector machine regression, SVR)和卷积神经网络(Convolutional neural networ...     

猕猴桃硬度近红外漫反射光谱无损检测

为了给猕猴桃成熟度判定提供一种无损检测手段,进行了基于近红外漫反射光谱定量分析技术检测冷藏期间猕猴桃硬度的试验研究。采用偏最小二乘法对“华优”猕猴桃的近红外光谱进行了分析,并且比较和讨论了4种光谱预处理方法的建模结果。试验结果表明,在全谱范围内,一阶微分光谱所建模型效果最佳,其校正相关系数为0.963,预测相关系数为0.852。     

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。      

赣南脐橙叶片SPAD值可见近红外光谱无损检测

为了提供果树精准肥水管理参考数据,进行了果树叶片SPAD值近红外光谱无损检测研究。采用反射方式,采集100片赣南脐橙叶片的可见近红外光谱;利用移动窗口偏最小二乘法结合遗传算法、连续投影算法筛选光谱变量,并建立偏最小二乘回归校正模型。采用移动窗口偏最小二乘法和连续投影算法组合筛选的39个光谱变量建立的校正模型预测结果最优,模型预测相关系数为0.898,模型预测SPAD值均方根误差为2.116。试验表明,应用可见近红外反射光谱技术结合化学计量学算法进行赣南脐橙叶片SPAD值无损检测是可行的。     

西瓜成熟度无损检测系统的设计

针对如何方便、快速、准确地判断出西瓜成熟度的问题,设计了西瓜成熟度无损检测系统。该系统以ADXL50加速度计与C8051F310单片机为核心,对西瓜敲击振动的固有频率进行采集和计算,能够实现西瓜成熟度、质量、固有频率、振动波形的显示。该系统主要由频率采集电路、键盘电路和显示电路组成。实验结果表明:当西瓜受到外界敲击时,检测出来的固有频率与西瓜的含糖量成正比。系统硬件设计合理,为便携式西瓜成熟检测仪的广泛应用提供了技术支持。     

堆高对生活垃圾中15mm筛下物堆肥腐熟的影响

为了解小粒径生活垃圾的独立堆肥适宜性,并筛选最佳堆高,本文以北京市马家楼垃圾转运站筛分后的0～15 mm生活垃圾为研究对象,在南宫堆肥厂隧道发酵仓分别以2.5、2.0、1.5和1.0 m 4个堆高进行强制通风条件下密闭静态高温发酵对比试验。通过高温发酵（8 d）前后采样测定堆肥水浸提液的电导率（EC）、腐殖酸光学特性（E4/E6）、水溶性碳（WSC）质量分数、水溶性铵态氮（NH4+-N）质量分数和发芽率指数（GI）,堆肥固相碳氮比（C/N）和粪大肠菌值等腐熟度指标,并应用模糊评价法进行腐熟度评价。结果表明：0～15 mm粒径的生活垃圾可单独堆肥,且1.5和1.0 m 的2个堆体的腐熟程度最好,综合考虑后推荐在隧道发酵仓中采用1.5 m为最适宜堆高。     

基于Mask R-CNN的蘑菇成熟度检测方法

蘑菇成熟度是判断蘑菇是否可采摘的决定性依据,当前大多数蘑菇培育基地都是依靠人工经验判断蘑菇是否成熟,这不仅对人工经验要求极高,而且增加了劳动强度。针对上述问题,研究了一种基于Mask R-CNN网络的蘑菇目标检测及识别方法,对蘑菇进行单体分割从而判断其成熟度。试验结果表明,该方法能对蘑菇是否成熟做出准确判断,对推广蘑菇的智能化种植具有重要意义。      

枸杞采摘机的适采条件

针对宁夏枸杞种植面积不断扩大、枸杞采收困难以及用工紧缺等这些突出问题,枸杞工程技术中心设计开发了一种适合机械采摘枸杞的设备.该设备通过向枸杞树冠传导振动力,使枸杞红果脱落,熟果采净率可以达到75%以上,并能使青果或花的脱落处于较低水平.田间试验表明:机械平均采果效率为20kg/h,是人工的8倍左右,采果质量与手工采果基本一致.为此,对枸杞机械化采收的适采条件做了分析研究,得出其影响因素有果实的成熟度、适宜的季节、机械的功率以及树体形状等.合理规范地使用枸杞采摘机将会提高采摘效率、保证采果质量以及降低采果费用.     

基于硬度和 ssc 的库尔勒香梨成熟度评价方法研究

为了研究库尔勒香梨成熟过程中理化指标间的相关性,探寻一种适合于评价库尔勒香梨采收成熟度的方法。该研究以整个成熟期的库尔勒香梨为研究对象,研究了在整个成熟期内库尔勒香梨硬度和可溶性固形物含量等理化指标的变化规律,并对指标的均值、变化速率和方差的变化规律进行了分析和试验验证。用 Excel 软件处理数据,结果表明：在整个成熟期内,香梨的硬度逐渐减小,可溶性固形物含量逐渐增加,二者呈明显的负相关,R2＝0．991;二者的变化速率和方差均呈现先增大后减小的趋势,而峰值均在同一时间出现,且恰与香梨硬度减小曲线与可溶性固形物含量增加曲线的交点所对应的时间相同。据此提出了一种库尔勒香梨成熟度百分比评价方法,将库尔勒香梨的成熟度进行具体指标的量化,研究结果可为库尔勒香梨成熟度评价提供参考依据。     

李果实成熟度的高光谱成像判别研究

为实现对李果实成熟度的快速、准确判别,采用高光谱成像技术(450~1 000nm)采集不同成熟阶段(未熟期、半熟期、成熟期、过熟期)的李果实共计640个样本的高光谱信息进行判别研究。对不同成熟阶段的李果实样本测定表征成熟度的理化指标(可溶性固形物和硬度值)并进行单因素方差分析,结果表明:不同成熟度样本的两项指标均存在极显著差异,硬度值差异最大。采用连续投影算法(Successive projections algorithm,SPA)和主成分分析(Principal component analysis,PCA)分别提取得到不同成熟度样本光谱数据的10个特征波长(381、3 8 2、3 8 7、4 0 8、4 4 3、4 9 4、5 9 6、8 1 3、9 6 3、1 0 0 8 nm)和前5个主成分值(累积贡献率达9 7.8 3%)。基于RGB、HSV颜色模型对不同成熟度李果实样本图像进行颜色特征提取,最终得到6项颜色特征指标(R、G、B及H、S、V分量图像的平均值和标准差)。分别建立基于光谱信息、图像信息及融合信息的偏最小二乘(Partial least squares,PLS)判别模型,结果表明:基于特征波长和RGB特征信息融合值建立的PLS模型判别结果最佳,准确率达9 1.2 5%。由此可见,采用高光谱成像技术在光谱和图像信息方面对不同成熟度李果实进行判别是可行的、有效的,该研究为实现李果实成熟度在线检测提供了理论依据。     

基于机器视觉的番茄采摘器红外图谱识别研究

为了实现番茄分类自动化采摘,基于机器视觉和红外图谱技术设计了识别系统。基于可见光分析,分离番茄图像,对RGB和HSI通道强度进行分析,发现色调H可以有效区分除半熟和成熟阶段的番茄成熟度;引入红外图谱分析,采集810nm番茄图谱,发现灰度在半熟和成熟阶段区别明显。因此,建立半熟和成熟阶段区分模型,并以G、R、H、NIR强度以及4个因素标准方差为系统输入,基于色调H处理番茄图像,采用聚类算法计算番茄中心和半径。对成熟度判定与番茄半径精度进行测试,结果表明:成熟度分类准确率在94.8%以上,半径相对误差小于6%。     

生理成熟度及牛肉肌纤维特征与嫩度关系试验研究

生理成熟度(牛龄)是牛肉质量分级的重要参考指标,研究牛龄与嫩度之间的定量关系,对建立牛肉质量分级标准及牛肉自动分级系统的开发具有重要意义。选取4组不同月龄的牛肉背长肌样本,采集其眼肌区域微观图像,通过图像处理的方法提取出每个样本的肌纤维直径、周长和密度,然后再用质构仪测定出每个样本的剪切力,研究分析不同牛龄的牛肉肌纤维直径、周长和密度的变化规律及其与剪切力之间的关系。结果显示,随着牛龄的增大,牛肉肌纤维直径和周长均线性增加,而肌纤维密度则线性下降(P0.05);同时,随着肌纤维直径和周长的增加、肌纤维密度的下降,牛肉剪切力线性增大(P0.05)。牛龄对肌纤维直径、周长、密度及牛肉剪切力具有显著影响。     

基于高光谱成像的肥城桃品质可视化分析与成熟度检测

肥城桃采摘后转色快、易腐烂,导致果品等级下降。采用高光谱成像技术对其进行可溶性固形物含量(SSC)和硬度可视化分析与成熟度检测,以提高果品质量,实现优果优价。首先,采集成熟度为70%和90%的各80个肥城桃的高光谱信息、SSC和硬度,通过蒙特卡罗偏最小二乘法分析剔除异常值,利用光谱-理化值共生距离划分样本集,采用竞争性自适应权重采样算法(CARS)和连续投影算法(SPA)选取特征波长,并建立多元线性回归(MLR)模型。研究表明:CARS-MLR模型性能优于SPA-MLR模型;预测SSC的CARS-MLR模型,R_c~2和R_v~2分别为0.819 1和0.843 9,RPD为2.0;预测硬度的CARS-MLR模型,R_c~2和R_v~2分别为0.951 8和0.877 2,RPD为2.1。然后,基于CARS-MLR模型计算肥城桃每个像素点的SSC和硬度,生成可视化分布图,实现不同成熟度肥城桃SSC和硬度可视化检测。最后,利用顺序前向选择算法优选特征波长,建立人工神经网络成熟度预测模型,获得98.3%总识别准确率。     

基于YOLO算法的不同品种枣自然环境下成熟度识别

实现果园机械化智能采摘是解决农村劳动力不足、降低果实采摘成本的重要途径,对果园中果实的准确识别是其关键技术。以枣为研究对象,建立最适合多品种、实用性强的枣果实成熟度识别模型,将YOLO算法引入到枣果实在自然环境下的成熟度识别中,将枣果实分为成熟果实、未熟果实和完熟果实、半红果实、未熟果实两种标注方式,建立YOLO V3、YOLO V4、YOLO V4-Tiny和Mobilenet-YOLO V4-Lite四种识别模型。研究表明YOLO算法中YOLO V3与YOLO V4-Tiny两个模型均可适用于两种标注方式,验证集mAP约为94%,证明YOLO算法能够对枣果实进行有效的成熟度识别。