共查询到17条相似文献,搜索用时 46 毫秒
1.
利用热红外成像远程动态控制系统,实时检测非洲菊单支花和花束的舌状花瓣、管状花瓣、茎秆在真空预冷过程中的温度分布和变化,并对冷藏后瓶插期间切花的鲜质量变化率、气孔导度和蒸腾速率进行分析。实验发现,在相同降压速率、冷却时间条件下,单支花和花束不同部位的降温速率和瓶插指标均有明显差异(P<0.05),单支花的预冷终温平均比花束低11.2℃,瓶插寿命比花束长 相似文献
2.
真空预冷是通过抽真空、降低冷却介质的压力和相对湿度,促使叶菜表面游离水分快速汽化而迅速降低蔬菜温度的一种预冷方法,菜心、芥兰等叶菜较适合采用这种预冷方式。在预冷过程中需要对预冷室内蔬菜各部分的温度和室内压力进行测定,找出在真空预冷状态下叶菜温度下降和压力、时间的关系,以及叶菜各部位的温度差异,为指导保鲜生产提供依据。 为进行深入的试验研究,测试系统必须满足以下要求: 相似文献
3.
4.
5.
6.
为了探究和量化利用红外热成像系统进行核桃冠层温度测量过程中所产生的不确定性,利用A310f型红外热像仪在核桃园区对样本树冠层进行为期20 d的高频连续观测,对样本树进行了不同方向(东、西、南、北)和不同高度角(10°、30°、45°、60°、80°)的冠层温度测量。首先,对5个重要参数的敏感性进行分析,发现冠层温度受叶片辐射率(εleaf)影响最大,受环境反射温度(Trefl)影响次之,受空气温度(Ta)和空气相对湿度(RH)影响较小,对距离(D)变化不敏感。其次,对3棵样本树与4个方向的冠层温度进行双因素方差分析,结果表明,各方向之间达到了显著性水平(P 0. 05),进一步通过多重比较确定了南、北两个方向存在显著性差异(P 0. 05),其他各方向之间差异不显著。对不同高度角的分析表明,5个高度角之间不存在显著的温度差异。然后,通过温度廓线法直接观察到冠层外部温度高于内部温度,同时,温度频数直方图反映出像素点呈现双峰分布特征,冠层像素点的峰值温度为25. 1℃。最后,对冠层内外温度进行方差分析,结果表明,两者之间存在极显著性差异(P 0. 01)。 相似文献
7.
8.
9.
基于红外热成像树上板栗机器识别研究 总被引:1,自引:0,他引:1
针对普通视觉系统无法分类识别的特点,将红外热成像技术引入到树上板栗的机器识别检测当中,建立了果园树上板栗红外热成像系统。记录了白天树上板栗果实与冠层温度变化情况,发现下午2:00~4:00之间,二者温度差异最为显著,最大温差可达3℃。研究了正常板栗果、坏死果以及空心果的红外辐射差异,发现坏死果表面温度最高,正常果次之,空心果温度最低。最后对获取的热图像进行温度校正、阈值分割、特征提取、目标标识。结果表明,树上板栗的有效识别率在85%以上。 相似文献
10.
小型蓄冷式带柄鲜枸杞真空预冷装置设计与试验 总被引:2,自引:0,他引:2
目前,真空预冷装置体积大、能耗高,且捕水器捕水量不能适应水蒸气蒸发量等,针对上述问题,设计了一台基于盐水蓄冷的小型枸杞真空预冷装置。根据技术要求建立了枸杞真空预冷数学模型,对枸杞表面传质边界层进行了理论分析,对真空泵、真空预冷冷负荷、盐水蓄冷系统以及计算机检测系统的关键部件参数进行了设计计算,并试制出一台小型蓄冷式带柄鲜枸杞真空预冷装置。试验结果表明:该真空预冷装置能够在879s内将8.714kg带柄鲜枸杞的中心温度降至保鲜温度4.0℃,在补水率4.50%情况下鲜枸杞失水率为5.29%;该装置捕水器设计捕水率为75.00%,实际捕水率为79.32%;试验期间盐水箱中盐水温度从-20.1℃升高至-9.8℃,盐水所蓄冷量保证了真空预冷过程的顺利完成,通过调节盐水泵、改变盐水循环速度实现了捕水器捕水量与水蒸气蒸发量的平衡,满足设计要求。 相似文献
11.
12.
13.
14.
小麦叶锈病对我国小麦生产危害巨大,实现小麦叶锈病的监测和快速分级是进行科学生产管理的基础。针对常规图像检测技术的不足,提出一种基于红外热成像技术的快速检测和分级方法。首先,采集整株小麦样本的红外热成像图像,分别计算健康植株、潜伏期植株和显症植株的平均叶温,探明真菌入侵过程中的温度变化规律;然后,将经过直方图均衡化和中值滤波预处理的红外热成像中低于显症植株温度阈值的区域提取出来;通过温度区域划分、低温区域提取和阈值分割,计算病斑面积在整体植株热成像总面积中的百分比;最后,对病情指数进行相关分析,获得相关系数为0. 975 5,预测均方根误差为9. 79%,总识别正确率为90%。结果表明,基于红外热成像边缘检测算法的小麦叶锈病分级方法是可行的。 相似文献
15.
16.
奶山羊乳房区域的准确提取是奶山羊非侵入式体温检测的关键,但受乳房区域遮挡及热红外图像分辨率不高等因素影响,其检测精度尚待进一步提升。基于热红外成像技术,提出了一种基于改进YOLO v5s的奶山羊乳房关键部位检测方法。通过将原模型Backbone网络的部分卷积模块替换为ShuffleNetV2结构,以达到降低网络部署和训练过程中的参数量、实现轻量化网络设计的目的。通过在Neck网络检测头(Head)前端引入CBAM注意力机制,以达到在降低网络复杂程度的同时保证奶山羊乳房区域检测精度的目的。本研究采集了包含完整信息、残缺信息和边缘模糊的孕期奶山羊乳房红外图像4611幅,并在部位标注后进行模型训练。经测试,模型精确率为93.7%,召回率为86.1%,平均精度均值为92.4%,参数量为8×105,浮点运算量为1.9×109。与YOLO v5n、YOLO v5s、YOLO v7-tiny、YOLO v7、YOLO v8n和YOLO v8s目标检测网络相比,网络的精确率分别提高1.9、1.2、1.6、4.3、3.5、2.7个百分点,召回率提高3.4、5.0、0.1、2.6、0.9、1.5个百分点,参数量降低1.1×106、6.2×106、5.2×106、3.6×107、2.4×106和1.0×107,浮点运算量降低2.6×109、1.4×1010、1.1×1010、1.0×1011、6.8×109和2.7×1010。试验结果表明,本研究所提出的网络可以实现奶山羊乳房关键部位的精确检测,且在不损失检测精度的基础上显著降低网络的参数量,有利于网络在不同环境下的部署和使用,可为奶山羊非接触式体温监测系统设计提供借鉴。 相似文献