共查询到19条相似文献,搜索用时 46 毫秒
1.
2.
我国红枣分级技术及红枣分级机研究现状 总被引:2,自引:0,他引:2
红枣分级技术是其产业化过程中进行流通、贮藏保鲜及深加工、提高产品档次和附加值的关键技术之一。为此,分析了我国目前各种红枣分级技术以及红枣分级技术未来需要解决的问题;介绍了我国目前最典型的4种红枣分级机以及各自的结构和特点;设计了一种可调分级间隙的栅筒式红枣分级机。结果表明:机械式红枣分级机在一段时间内还有广大市场,随着红枣分级技术的发展,基于机器视觉的红枣分级机在特定使用对象方面取代现有的机械式红枣分级机是必然的趋势。 相似文献
3.
几种典型的红枣分级机 总被引:3,自引:0,他引:3
红枣产业已成为"红色产业"一支独秀,分级是红枣贮藏、保鲜、加工及流通等的一个关键技术环节。本文介绍了目前最典型的几种红枣分级机的结构、原理和特点,并对不同类型的红枣分级机进行了性能分析。结果表明:基于机器视觉的红枣分选技术是未来发展趋势。 相似文献
4.
栅条滚筒式红枣分级机改进与试验研究 总被引:3,自引:0,他引:3
为了保证红枣分级过程中不伤果,通过对传统的等螺距螺旋红枣分级机的改进与试验,确定较优的螺距及转速。采用二因素三水平的正交试验,研究了不同螺旋螺距和滚筒转速下对红枣混级率和生产效率的影响,得到内螺旋螺距变化影响较为显著。通过均匀试验得到改进后红枣分级机的主要参数为内螺旋螺距为40mm、滚筒转速为32r/min时分级质量和效率最好。 相似文献
5.
6ZF—0.5型红枣分级机的试验研究 总被引:1,自引:0,他引:1
介绍了红枣分级机的工作原理及主要参数选取,并通过试验和对其结果的分析,论证了红枣分级机的经济实用性,为同类机械设备的研制提供了研究思路和理论依据。 相似文献
6.
7.
牛肉含水率无损快速检测系统研究 总被引:3,自引:0,他引:3
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。 相似文献
8.
为了提高红枣相关产业的经济效益,增强其市场竞争力。针对红枣品种无损鉴别的社会需求,文章采用高光谱图像技术获取多个品种红枣高光谱图像,获取光谱数据并提取特征光谱波段,构建红枣品种的检测模型。实验结果表明,高光谱图像技术结合竞争自适应重加权抽样和支持向量机模型(CARS-SVM)可实现对红枣品种的无损、快速、准确鉴别,分类的准确率达到了91.2%。 相似文献
9.
10.
永春芦柑品质优良,1989年以来连续四次获全国、全省芦柑评比第一名,被中国果品流通协会授予“中华名果”称号,中国绿色食品发展中心确认为“绿色食品”;2000年被授予“福建省名牌农产品”称号。1997年农业部有关部门授予“中国芦柑之乡”称号。永春芦柑远销菲律宾、印尼、马来西亚、俄罗斯、加拿大、港 相似文献
11.
从漏磁的原理出发,通过对缺陷漏磁场进行分析,确立漏磁场与裂纹深度、宽度以及提离值的关系。在此基础上设计一个以工业控制计算机为上位机、以单片机为下位机构成的漏磁检测系统,介绍系统的操作流程。该检测系统对钢铁材料外表面缺陷和内部缺陷都具有较高的检出能力。 相似文献
12.
13.
硬度是确定猕猴桃成熟度的重要指标之一,对其贮藏周期与销售节点均具有重要指导意义。针对现阶段缺乏使用简易、成本低且精度高的猕猴桃无损硬度检测方法的问题,提出了一种基于视触觉与深度学习的猕猴桃硬度检测方法,通过分析柔性触觉传感层与猕猴桃接触时的形变,获取猕猴桃的动态触觉信息,并据此推断其硬度。以树莓派开发板为机电控制平台,制作了猕猴桃视触觉序列图像采集装置,并对装置按压猕猴桃间隔3h后接触面果肉与非接触面果肉的CIELAB颜色分量平均数进行差异显著性检验,随后采集了猕猴桃视触觉序列图像数据集600组,分别搭建了CNN网络、CNN-LSTM迁移学习网络、CNN-LSTM联合学习网络对视触觉序列图像进行分析及硬度预测。研究结果表明,接触面果肉与非接触面果肉颜色L*、a*、b*三通道分量下平均值无显著差异;深度学习模型LSTM引入长时和短时信息可以动态关联CNN提取的单帧图像特征,从而有效推断猕猴桃硬度,其中CNN-LSTM联合学习模型预测效果最优,其均方根误差(RMSE)、平均绝对误差(MAE)、决定系数R2分别为 1.611N、1.360N、0.856,优于现阶段光谱技术检测猕猴桃硬度的结果,随后将模型嵌入树莓派中制作了猕猴桃硬度自动检测装置,可实现短时间内猕猴桃硬度的较为准确检测。因此,结合视触觉传感方法与联合学习模型可以实现对单个猕猴桃硬度的准确无损测量。 相似文献
14.
15.
16.
基于近红外反射光谱分析技术,设计了玉米种子活力逐粒无损检测与分级装置,该装置主要由单粒化装置、输送管道、近红外光谱采集系统、控制系统和分级装置等组成。种子单粒化装置由一个带孔的倾斜转盘和一个固定托盘组成。输送管道与固定托盘出种口连接,其末端为光谱采集单元。种子由单粒化装置分离后,经输送管道落至光谱采集区进行光谱分析及活力判断,之后由分级装置对判别完成的种子进行分级。带孔圆盘用于将种子单粒化,其工作效率是提高种子检测及分级速率的关键。经分析得出,决定单粒化装置单粒化效率的因素分别为转盘倾斜角、转盘速度和孔高度。为提高检测速率,对单粒化装置进行了参数分析及优化试验。试验结果表明,当转盘倾斜角为31°、转速为0. 5 r/s、孔高度为2. 2 mm时,种子单粒化效率最优,单通道可达7粒/s。为建立玉米种子活力预测模型,基于该装置分别采集了100粒正常有活力玉米种子和100粒人工老化无活力玉米种子在980~1 700 nm波长范围的光谱数据,对种子原始光谱进行不同方法的预处理,并利用PLS-DA建立种子活力的定性判别模型。几种不同处理方式下的建模对比结果表明,SG-smooth预处理下的建模效果最优,其中校正集的判别准确率为98. 7%,预测集的判别准确率为96%。选取100粒种子对该装置预测模型的稳定性和准确性进行了验证试验,种子活力预测的总准确率为97%。所设计的玉米种子活力逐粒无损检测分级装置单粒化效率较高,光谱数据采集稳定,对玉米种子活力进行实时无损检测及分级具有可行性。 相似文献
17.
18.