肉类新鲜度无损检测装置和方法

主要介绍无损检测装置的原理及应用,包括电子鼻检测、光谱检测、机器视觉检测、低场核磁共振检测、多源感知信息融合检测、高光谱成像检测,分析了无损检测装置未来的发展趋势。多源感知信息融合装置在未来肉类新鲜度无损检测当中有着良好的应用前景。     

国内畜产品新鲜度的无损检测研究进展

对畜产品新鲜度进行快速无损检测以及评价具有重要的现实意义。为此,综述了当前常用的无损检测技术在国内畜产品新鲜度检测的应用研究现状,包括机器视觉、近红外光谱、电子鼻以及多源信息融合技术等,并分析了其存在问题,提出了新鲜度检测的未来研究发展方向,以期对国内相关研究人员的研究工作提供参考。     

基于CHG-LDA的鱼类新鲜度无损检测方法

Quick and accurate assessment of fish freshness is of great significance for intelligent quality monitoring and ensuring the safety of consumers. In the current fish freshness evaluation method based on visual images, the study of fish gills needs to remove the gill cover, which is invasive to the fish body, and the analysis of other parts has a low evaluation accuracy. To solve the above problems, a fish freshness classification method based on color histogram & grey-level co-occurrence matrix-linear discriminant analysis (CHG-LDA) was proposed. Firstly, preprocessing operations such as labeling, image zooming and color space conversion were performed on the collected fish images. Secondly, the extracted color histogram features and grey-level co-occurrence matrix (GLCM) features were fused to constitute the features, and the feature dimension was reduced by LDA. Finally, K-nearest neighbor (KNN) algorithm was used to classify fish freshness. The CHG-LDA method proposed solved the problem of poor classification performance caused by the low quality of the extracted fish image features. The experiment was carried out on a real crucian data set, and the index values of precision, recall, F1-score and accuracy were all 1. Compared with color histogram features, color moment, GLCM features, etc., this method improved the performance of each evaluation index on KNN, RF, ANN, and LightGBM classifiers. Among them, the evaluation time of KNN was the best, which was 0.01s. Experimental results showed that this method can achieve accurate and non-destructive evaluation of fish freshness, and it was feasible for actual production monitoring.     

基于BP神经网络的鲜鸡蛋货架期预测模型

为研究不同温度范围内鸡蛋的品质变化及货架期,通过实验室模拟,检测了鲜鸡蛋在5、25、35℃条件下的哈夫单位值、蛋黄系数等理化指标,分别构建了同等实验条件下的鲜鸡蛋货架期动力学预测模型和BP神经网络预测模型,并选取5、25、35℃温度下共6组数据进行模型验证。结果表明,基于BP神经网络的鲜鸡蛋货架期模型预测精度达到95.93%,动力学模型预测精度为90.79%,BP神经网络能更精确地预测鲜鸡蛋在5~35℃贮藏温度范围内的货架期。     

基于计算机视觉技术的双黄鸡蛋检测系统研究

随着生活水平的提高,人们对禽蛋的品质日益关注。双黄蛋由于营养丰富而备受消费者青睐,其商业价值远超普通的单黄蛋。为此,建立了一个基于计算机视觉技术的双黄鸡蛋检测系统。该系统通过提取鸡蛋的蛋形尺寸、蛋黄特征和蛋黄指数等特征,实现利用建立的关系模型完成双黄鸡蛋的识别检测,正确识别率可以达到95%以上。     

基于D—S证据理论的鸡蛋新鲜度多传感器融合识别

为提高无损检测在判断鸡蛋新鲜度方面的稳定性和模型适应性,通过D-S证据理论和BP神经网络将电子鼻和机器视觉两种传感器在特征层进行融合,构建了鸡蛋新鲜度的融合模型.探讨了一种可以弥补D-S证据在信息融合过程中不足的改进方法.验证试验结果表明:通过融合优化,不确定性的基本概率赋值下降到0.01以内,解决了单一检测方法检测模...     

鸡蛋新鲜度光特性分级系统的研究

通过鸡蛋在无损状态下光特性透射率的追踪试验及其新鲜度指标(哈夫单位)的同步试验,建立了鸡蛋在光透射率敏感波长下的光特性透射率与新鲜度指标(哈夫单位)的相关数学模型,并得到了鸡蛋按光透射率特性的分级。在此基础上,编制了鸡蛋的新鲜度光特性透射率分级程序。此程序分级准确率达到95%以上,可为鸡蛋无损状态下新鲜度光特性分级装置的研究提供理论依据。     

基于小波变换和BP神经网络的蛋壳破损检测

提出了一种基于多层小波变换和纹理分析的蛋壳破损检测方法.该方法对获取的鸡蛋透射图像G分量在不同水平上进行小波分解,计算和分析各水平高频细节子图像的纹理特征参数,实验确定最有效的8个特征参数作为BP网络输入,建立结构为8202的BP神经网络蛋壳破损分类模型.实验表明,该方法对无破损蛋、线状破损蛋、网状破损蛋和点状破损蛋的判别正确率分别为95%、90%、95%、80%,平均识别率为90%.     

基于多光谱成像技术的猪肉新鲜度无损快速检测装置

基于多光谱成像技术设计了猪肉新鲜度的关联复合品质参数无损伤快速检测装置,包括硬件与软件设计.硬件系统由单片机控制单元、光源单元、图像采集单元、数据处理单元和LCM液晶显示单元组成,软件系统在ICCAVR开发环境下设计,采用C语言编程,包含图像采集模块、滤光片切换模块、LCM显示模块、与PC机通信模块等.经过软件与硬件系统调试、实验,该装置检测速度为每10s检测一个样品,具备无损伤、快速检测的功能.     

基于神经网络多参数融合的鱼肉新鲜度检测方法

新鲜度是衡量水产品品质的最重要的指标,传统基于理化实验的鱼肉新鲜度检测技术依赖于专业的实验室环境与熟练的操作人员,检测过程繁琐、周期长,无法适应终端市场与基层检验检疫机构对快速、便携的检测装置的需求.利用生物阻抗谱提取鱼肉的电学特征信息,使用神经网络对各特征参数进行融合.最终形成鱼肉新鲜指数(FFI),相对于单一的电特...     

柑橘成熟度多重分形无损检测

为无损检测柑橘成熟度,将柑橘主要色调分布范围30°～ 120°进行了等分,形成3幅色调图,分析每幅色调图标度不变域及多重分形谱,以多重分形谱高度和宽度表征柑橘果皮色泽特征,并以此作为BP神经网络的输入,可溶性总固形物含量为输出,建立柑橘成熟度模型,映射柑橘成熟度.试验的平均正确识别率为82％,表明通过柑橘果皮色调的多重分形谱能无损检测柑橘成熟度.     

基于残差BP神经网络的6自由度机器人视觉标定

基于视觉伺服控制的机器人手眼标定和逆运动学求解一直是视觉伺服领域的核心问题.随着应用场景的逐渐复杂,传统手眼标定方法已无法满足需求;随着网络深度的增加,单一BP神经网络逆运动学求解算法的误差趋于饱和甚至变大,无法进一步提升网络性能.针对以上问题,本文将手眼标定和逆运动学求解融合为拟合目标图像坐标到机器人各关节角之间的映...     

基于BP神经网络的汽车发动机故障诊断方法研究

介绍了BP神经网络学习算法,建立了汽车发动机振动测试系统,在对发动机振动数据进行分析处理的基础上,获取了学习样本的输入向量与目标向量,应用BP网络学习算法对新构的网络进行训练,建立了一种发动机机械故障诊断的新方法,实例分析结果表明,这种新方法是可行的。     

基于计算机视觉和神经网络的芒果检测与等级分类

为了提高芒果检测与分类的准确率和效率,综合运用计算机视觉技术和BP神经网络技术,实现对芒果损伤的检测与分类。首先,通过计算机视觉系统获取芒果图像,利用图像处理去除噪声、图像分割和图像增强等多种基本图像处理的方法,对芒果损伤图像进行处理;其次,对芒果图像进行了特征分析,提取9个特征参数,将这9个特征参数作为输入,建立BP神经网络模型,对芒果进行分类。试验结果表明,模型对芒果识别的准确率达85.5%。     

BP神经网络的春小麦作物水模型的初步研究

用内蒙古河套灌区春小麦非充分灌溉试验资料 ,建立了 BP神经网络的春小麦作物水模型。经模拟分析认为该模型能正确表达春小麦的产量与水分的关系并有某些独特的优点。与当地拟合效果较好的Minhas模型的比较表明 ,二个模型所表达的春小麦各生育阶段对水分的敏感性一致 ,产量预测结果接近。初步说明 BP神经网络方法是一种可用于作物水模型新的模拟方法     

基于BP神经网络的排种器充种性能预测

在分析丸粒化玉米种子精密排种器工作原理的基础上,运用Matlab神经网络工具箱建立了排种合格指数A的BP神经网络预测模型,选取排种轴转速n、型孔直径D和排种盘的锥角Ф作为试验因素进行排种性能试验,得到81组合格指数的试验结果。选取其中的60组进行样本训练,并对剩下的21组结果对训练好的网络进行预测,n,D,Ф为输入层,A为输出层,网络结构为3-11-1的3层网络。预测结果表明,预测值与试验值误差较小,为排种器的优化设计及参数的选择提供了依据。     

基于BP神经网络的土壤养分综合评价模型

以土壤养分指标体系作为神经网络的输入,以土壤养分等级评分作为输出,基于BP神经网络,建立了具有5个隐含层节点、3层网络的土壤养分综合评价模型;以土壤养分指标的各级评价标准作为模型的训练样本和检验样本,利用Matlab软件对BP神经网络进行训练和检验,并对安塞县土壤养分进行综合评价.结果表明BP神经网络对检验样本的模拟输出和期望输出是一致的;对安塞县土壤养分综合评价结果与模糊模式识别、主成分分析结果也是完全一致的.     

鲜枣品种和可溶性固形物含量近红外光谱检

采用近红外光谱分析技术无损鉴别鲜枣品种和测定其可溶性固形物含量.对3个不同品种的鲜枣进行光谱分析,各获取30个样本数据.采用平滑法和多元散射校正方法对样本数据进行预处理,再用主成分分析法对光谱数据进行聚类分析并获得各主成分数据.将样本随机分成75个建模样本和15个预测样本,将建模样本的主成分数据作为BP神经网络的输入变量,鲜枣品种和可溶性固形物含量作为输出变量,建立3层人工神经网络鉴别模型,并用该模型对15个预测样本进行预测.结果表明,在阈值设定为±0.17的情况下该模型对预测集样本品种鉴别准确率达到100%,可溶性固形物含量预测值与实测值相对偏差小于10%.     

基于BP神经网络的土壤氮素运移模型

随着淡水资源的日益紧缺,再生水灌溉已成为人们日益瞩目的研究方向,而再生水灌溉条件下土壤氮素运移规律与模拟成为这个研究的关键环节之一.以往对土壤氮素运移的模拟主要聚焦在数值模拟上,鉴于数值模拟在应用上的复杂性,为了寻找一种简便实用的模拟方法,尝试引入人工神经网络技术对土壤氮素运移进行模拟,经模拟计算得出,拓扑结构为10:12:7的BP网络模型可以较精确地模拟再生水灌溉条件下的土壤氮素运移,此研究为土壤氮素运移的研究开辟了新方向.