苹果硬度的傅里叶变换近红外光谱无损检测

利用傅里叶变换近红外光谱技术探讨快速无损检测苹果硬度方法的可行性.通过解析苹果样品的近红外光谱图,用一阶导数、多元散射校正和矢量归一等方法进行预处理,再用偏最小二乘法建立模型.结果表明,多元散射校正能够有效消除光谱基线平移和偏移现象, 提高原光谱的信噪比,选取有效信息波长范围为1408～2355nm.偏最小二乘法结合多元散射校正所建模型的预测效果最好,模型的决定系数R2为0.9852,内部交叉验证均方根差RMSECV和预测标准偏差RMSEP分别为0.0398kg/cm2和0.0166kg/cm2.进一步通过剔除异常值优化模型,并验证检验组的25个样品,模型的R2为0.9908,RMSEP为0.0147kg/cm2.结果表明:建立的模型可靠,预测效果好,能满足苹果硬度快速检测的要求.     

基于近红外光谱信息的土壤电导率预测模型研究

利用土壤含水率与近红外光谱土壤反射率和土壤电导率三者之间的关系,以土壤含水率为中间变量,间接表达土壤光谱反射率和土壤电导率之间的关系。土壤含水率与土壤光谱反射率存在指数关系,土壤含水率与土壤电导率存在线性关系,消除中间变量（土壤含水率）,得到土壤光谱反射率和土壤电导率之间的关系。以土壤水分敏感波段1450nm作为研究对象,研究土壤电导率的预测模型,分别建立指数预测模型和对数预测模型,并分别对两种模型进行验证。本文实验建模集样本72个,验证集样本48个,土壤电导率对数预测模型R2达0.80,土壤电导率指数预测模型R2达0.85,预测效果均可满足农田电导率估算,但对数模型在土壤电导率较低区间预测效果不理想,因此土壤电导率指数预测模型预测效果优于对数模型的预测效果。研究结果表明,土壤光谱反射率预测土壤电导率的方案可行,并为光谱信息预测土壤电导率提供了新思路。     

近红外土壤含水率传感器设计与试验

设计了一种适用于快速测量土壤含水率的近红外传感器。发光二极管(LED)作为传感器的光源,中心波长为1 940 nm的光为测量光,1 800 nm为参考光,土壤含水率对这2个波长的光有不同的吸收特性。光源发出的光照射到土壤表面,经反射后进入光电转换器,将光信号转换为电信号,送至两级放大电路、模数转换器(A/D)、显示和存储设备,输出的反射光强与土壤含水率存在一定的关系。仪器性能试验表明:光源传感器到土壤表面的距离对采集信号的强度有一定影响,根据传感器的结构,可以选择一定的距离使反射信号的强度和稳定性最好。两波长光的反射光强随着土壤粒径的增大而减小;土壤含水率与相对吸收深度之间具有很好的线性相关性,回归分析的决定系数为0.863。     

北京典型耕作土壤养分的近红外光谱分析研究

以北京郊区试验田采集的72个土壤样品为实验材料,应用傅里叶变换近红外光谱技术,分析了土样的全氮、全钾、有机质和pH值养分含量。采用偏最小二乘法(PLS)对光谱数据与土壤养分实测值进行回归分析,建立预测模型,以模型决定系数(R2)、校正标准差(RMSECV)、预测标准差(RMSEP)和相对分析误差(RPD)作为模型精度的评价指标。分析结果:土壤的全氮模型R2为95.44%,RMSECV为0.014 1,RMSEP为0.016 8,RPD为4.68;有机质模型R2为89.63%,RMSECV为0.37,RMSEP为0.47,RPD为3.11;全钾模型R2为85.62%,RM-SECV为0.173,RMSEP为0.204,RPD为2.64;pH值模型R2为87.33%,RMSECV为0.031,RMSEP为0.053,RPD为2.81。     

近红外传感器测量不同种类土壤含水率的适应性研究

采用我国不同土壤类型地区的5种土壤样品,利用自行设计的近红外传感器测量不同土壤含水率对应的反射光强。选取中心波长1 940 nm的近红外光为测量光,1 800 nm为参考光,将两波长的反射光强值换算为相对吸收深度。实测结果表明,随着土壤含水率的增加,相对吸收深度增加,两者间呈线性相关关系。选取独立样品对线性标定模型进行验证,除红土外,其他4种样品的均方根误差均小于6%。通过标定,所设计的传感器能够较好地测定不同土壤的含水率。     

基于近红外的小麦植株含水率检测方法

针对小麦植株含水率快速检测需求,提出了一种基于近红外的小麦植株含水率检测方法。利用不同波长近红外感光元件组成的探测器研发了小麦植株含水率无损快速检测装置,利用该检测装置对采集的多组样品进行了测量,通过均值滤波与参考实时校正方法得到了小麦植株的近红外反射强度。基于测量数据,分别采用多元线性回归、多元逐步回归、偏最小二乘以及最小二乘支持向量机建立了含水率检测模型。结果表明,基于最小二乘支持向量机建立的模型效果最优,校正集决定系数R2达到0.9742。利用建立的检测模型对另一批样品进行含水率检测试验,结果表明：小麦植株含水率真实值与预测值的决定系数R2为0.9337,预测集均方根误差均小于等于3.00%。研究结果为小麦植株含水率无损快速检测提供了一种有效的方法与装置,能够满足联合收获机在作业现场对小麦植株含水率快速调整作业参数的需求。     

土壤组成与性质对近红外光谱检测土壤含水量的影响

以湖北地区的红壤、黄棕壤和潮土为供试土壤,研究了外源添加黏土矿物(高岭石、水云母、针铁矿、蒙脱石、蛭石)含量、有机质含量和模拟土壤颗粒大小、土壤水稳性团聚体大小对近红外光谱检测土壤含水量的影响,并分别建立了相关模式方程.结果表明,土壤的光谱特性是土壤中多因子作用的综合结果,土壤组成与性质明显地影响着近红外光谱检测土壤水分时土壤光谱反射率的变化.在土壤中添加这些黏土矿物和有机质,其光谱反射率下降;在沙土、粉沙土范围内,土壤颗粒直径由大变小,其光谱反射率增大,但至<0.002 mm黏粒时,其反射率减小;土壤水稳性团聚体由大变小,其光谱反射率增大.     

基于光谱指数的绿洲农田土壤含水率无人机高光谱检测

土壤含水率(Soil moisture content,SMC)是发展精细灌溉农业的重要参数,因此对其进行精确估测十分必要。选取新疆阜康绿洲小块农田为研究对象,基于无人机(Unmanned aerial vehicle,UAV)平台搭载的高光谱传感器获取的影像数据,基于Savitzky-Golay(SG)平滑后的一阶微分(First derivative,FD)、吸光度(Absorbance,Abs),连续统去除(Continuum removal,CR)3种不同预处理方法,共获取了SG、SG-FD、CR、Abs及Abs-FD共计5种预处理后的高光谱影像,探索不同预处理下的差值指数(Difference index,DI)、比值指数(Ratio index,RI)、归一化指数(Normalization index,NDI)及垂直植被指数(Perpendicular vegetation index,PVI)与SMC的关系,并在遴选出最优指数及预处理方案的基础上构建干旱区绿洲农田SMC高光谱定量估算模型。结果表明:预处理在不同程度上提高了光谱指数与SMC的相关性,其中基于Abs-SG预处理的PVI_((R644,R651))表现最优,相关系数为0.788,据此构建的三次拟合函数表现最优。基于不同预处理方案下多变量SMC估算模型效果在消噪的基础上,更为深度地挖掘了光谱信息,减少了单一光谱指数造成的误差,提升了模型的定量估测效果。Abs模型预测精度亦最为突出,其建模集R_c~2和RMSE为0.80、2.42%,验证集R_p~2与RMSE为0.91、1.71%,RPD为2.41。本研究构建的SMC估算模型减少了单一变量模型的误差;在规避过拟合现象的同时,提升了模型的定量估测效果,为土壤水分状况天地空一体化遥感监测提供了崭新的视角和方案。     

基于傅里叶红外光谱重组技术的食用油检测改进研究

以食用油、无色矿物精油(OMS)、六羰基铬为试验材料,利用二维相关振动光谱技术对FTIR光谱重组(SR)检测中OMS特征吸收峰取代光谱标记物进行评价研究。结果表明在单一菜籽油体系中,有9个相关吸收峰可用于TVF预测定量分析。考虑不同因素影响,相关吸收峰减至4个。最优相关吸收峰测定OMS体积分数相关性好于标记物特征吸收峰,受混合样品极性变化影响较少。在食用油和OMS混合物中既可用光谱标记物也可用OMS溶剂本身相关吸收峰来扣除混合样品光谱中OMS部分。     

基于遗传算法近红外光谱检测土壤养分的研究

利用可见/短波近红外光谱(Vis/SW-NIRS)分析测量土壤速效氮(N)和速效钾(K)。探讨遗传算法在分析测量土壤养分上的应用,根据优化结果采用最小二乘支持向量机(LS-SVM)方法建立校正模型。结果表明,LS-SVM模型优于PLS模型;GA-LS-SVM模型预测速效氮的精度较高。基于遗传算法可见/短波近红外光谱利用LS-SVM建模,可以作为一种土壤理化性质的测定方法。     

基于深度图像的蔬果形状特征提取

针对蔬果二维投影图像含形状信息量少而影响蔬果分级精度的问题,提出一种基于深度图像的蔬果形状特征描述方法,以番茄形状特征提取为例,对该方法进行了探讨.首先利用彩色图像信息将番茄从背景中分割出;其次通过三维机器视觉测量设备获取番茄的点云数据,并对待检测番茄的点云数据深度进行归一化处理;然后通过关联被分割出的番茄区域信息与深度信息得到了番茄的深度图,并对该深度图进行极坐标采样.通过在笛卡尔直角坐标下对采样结果进行傅里叶变换,获得了基于深度图像的通用傅里叶形状描述子,该描述子不仅能有效地描述番茄在深度和横向上的形状特征,同时还具有平移、旋转和缩放的不变性.将基于深度图的通用傅里叶描述子和基于一般二维投影图像的通用傅里叶描述子先后用于番茄的分级实验中,结果表明前者平均分级精度达到92％,精度高于后者.     

基于水平尺度扩展的土壤水分介电传感技术

设计了一种水平放置管式结构的介电水分传感器测量系统,通过水平往复移动扫描,测量一定深度下水平剖面的土壤水分。水分传感器的测量原理为频域(FD)外缘场阻抗法,该系统实现了土壤水平剖面含水率的线扫描测量,其最大扫描长度为380 cm。为了检验该测量系统的技术性能与可应用性,结合农田滴灌试验给出了2个点源激励下土壤入渗的应用测试案例。试验结果显示了不同质地土壤的入渗差异并记录了点源激励下土壤入渗过程的时间、空间三维数据。     

便携式土壤全氮测定仪性能研究

为研究土壤全氮含量,自主开发了基于近红外光谱技术的便携式土壤全氮测定仪.以中国农业大学上庄实验站采集的60个土壤样本作为实验材料,分别对土壤全氮测定仪的稳定性、准确性和预测模型精度进行了测试.使用模型的测定系数(RC)、验证系数(RV)、校正均方根误差(RMSEC)、预测均方根误差(RMSEP)和相对分析误差(RPD)作为模型精度的评价指标.实验结果显示,本测定仪在波长940、1 050、1 100、1 200、1 300、1 450和1 550 nm处的吸光度重复性误差分别为1.57％、1.80％、1.59％、0.94％、0.61％、0.64％和3.13％,平均误差1.80％;测定仪吸光度和傅里叶光谱分析仪吸光度相关系数分别达到0.971、0.948、0.928、0.873、0.920、0.901和0.913,平均值为0.922;使用测定仪平均吸光度数据,通过BP神经网络建立的土壤全氮预测模型Rc、RV、RMSEC、RMSEP和RPD分别达到0.81、0.80、0.029、0.019和3.44.使用该预测模型建立的土壤全氮分布图和实际土壤全氮分布图具有高度的一致性.实验结果表明,便携式土壤全氮测定仪工作稳定,使用平均吸光度数据建立的土壤全氮预测模型具有较好的预测能力和较强的鲁棒性,可以在土壤全氮含量实时检测中应用.     

基于机器视觉的自然环境中猕猴桃识别与特征提取

研究了综合应用果实颜色和形状特征识别自然环境中猕猴桃果实及特征提取的方法.通过对比不同颜色空间,选用R-G色差分量;再采用基于误分割像素的分割评价方法来确定颜色特征nR-G中最佳分割系数n,最终选取0.9R-G颜色特征.利用0tsu法对其进行阈值分割,形态学运算去除掉残余噪声,实现了目标果实区域和背景区域的分割.然后利用Canny算子提取边界,最后对边界图像进行椭圆形Hough变换,逐个识别出目标果实,并提取出果实的形心坐标、长轴端点坐标和长短轴长度等特征信息.对49幅包含110个果实图像进行识别试验,试验结果表明:相互分离果实的识别率为96.9％,邻接果实识别率为92.0％,被枝叶部分遮挡果实识别率为86.6％,重叠的果实识别率为81.6％.     

基于EMD的土壤有机质含量近红外光谱检测

以检测土壤有机质含量为例,探讨经验模态分解在土壤近红外光谱检测中的应用,提出了应用的原理和步骤。用处理后的光谱计算了土壤中的有机质含量,并与九点平滑和小波变换方法的处理结果进行了对比分析。结果表明：与传统的九点平滑处理结果相比,SNR从3 dB左右提高到10 dB左右,原始信号与消噪信号之间的标准差由2.972降到0.901;预测集的决定系数r2由0.9410提高到0.9803, 预测均方根误差RMSEP由0.6702降为0.3011。证明了经验模态分解方法在光谱处理过程中的可靠性,提高了土壤有机质含量近红外光谱的定量分析精度。     

基于小波包分解的频带局部能量特征提取方法

提出了一种基于小波包分解的频带局部能量特征提取方法。在小波包分解的理论基础上 ,引入了频带局部能量的概念 ,用以表征信号在某个频带的某个时间段的能量大小 ,反映了信号频率的时变性。并以仿真信号为例 ,说明基于小波包分解的频带局部能量特征提取方法的有效性。     

基于形态非抽样小波分解的滚动轴承故障特征提取

针对滚动轴承故障特征信息往往被强背景噪声淹没的问题,提出采用基于多尺度差值形态滤波的形态非抽样小波分解方法提取故障特征.形态非抽样小波分解具有形态学的形态滤波特性与小波分解的多分辨率特性,通过非抽样方式对信号进行分解,克服了传统形态小波分解信息丢失的问题.结合差值形态滤波能够提取信号冲击成分的特点,构造了一种基于多尺度差值形态滤波的形态非抽样小波分解方法,并将其应用于滚动轴承故障特征的提取.仿真与实例证明,该方法可有效提取信号中的故障特征,比传统小波包分解效果更好.形态非抽样小波分解算法只包含加减和极大、极小运算,具有计算简单、快速等优点,适用于滚动轴承的在线监测与故障诊断.     

土壤成分与特性参数光谱快速检测方法及传感技术

近红外光谱技术在分析土壤成分含量以及理化特性参数方面获得了良好的预测精度.人工神经网络、遗传算法、小波变换和支持向量机等现代数据处理算法的应用,最大限度消除了光谱外界干扰、提取了光谱有效信息,使得土壤特性参数预测分析模型更准确、稳定.在进行土壤参数原位实时光谱检测时,如何消除土壤含水率、土壤粒度等的影响,还需要技术突破.开发便携式或车载式农田土壤光谱实时分析仪,是促进精细农业实践的重要措施,已开发的车载式土壤在线光谱仪可以实现多个土壤参数的分析,并达到了相当高的精度.进一步开发多功能土壤在线检测系统,利用土壤介电特性或机械特性与光谱特性测量结果相互补偿与校正以消除误差并提高测量精度,是未来的发展方向之一.光声光谱、激光诱导击穿光谱和太赫兹光谱技术等现代光谱分析方法在土壤成分与特性参数分析方面表现出很强的能力,开展基础研究,揭示这些光谱技术在不同土壤类型、不同土壤成分条件下的吸收特征参数,是未来的研究方向.     

酶种类对生物解离大豆蛋白酶解物功能性和苦味的影响

在生物解离提取大豆油脂过程中会伴随产生丰富的水解液,水解液主要成分为大豆蛋白酶解物。以不同种类蛋白酶(碱性蛋白酶、中性蛋白酶、木瓜蛋白酶、菠萝蛋白酶、风味蛋白酶、复合蛋白酶和胰蛋白酶)对挤压膨化大豆粉进行酶解,将得到的不同蛋白酶解物作为研究对象,采用水解度、SDS-PAGE凝胶电泳、氨基酸组成分析、傅里叶红外光谱对大豆蛋白酶解物结构进行表征,利用乳化活性和乳化稳定性、溶解性及感官评价等表征大豆蛋白酶解物功能性和苦味。结果显示:采用碱性蛋白酶进行生物解离时,提油率最高,为91.23%;碱性蛋白酶解物溶解性为91.12%,但是酶解产物的苦味值大大增加,乳化性也不理想。采用风味蛋白酶处理时,尽管提油率不是最高,为87.73%,但是酶解产物苦味值为1.5,溶解性为87.12%,乳化活性和乳化稳定性效果最优。