食品电物性在无损检测中的应用研究进展

现代农业和食品加工的快速发展,使农产品的品质检测技术显得非常重要。无损检测技术已成为食品科学的一个重要研究热点,利用电物性对农产品品质检测、分级筛选等方面已显示出特殊的优越性。该文从农产品的含水量、可溶性固形物含量、新鲜程度等指标的检测及食品干燥、油炸、发酵、冷冻等过程的在线检测方面,阐述了利用电物性的食品无损检测技术的研究现状,也提出了今后进一步研究的方向和目标。     

基于时间对比分析法的散斑种子活力检测

生物散斑是激光照射在生物体表面产生的散斑现象。生物散斑的变化与生物体内的某些性质相关,因而作为一种新型检测技术被广泛研究。生物散斑具有非接触、无创伤、高精度、高灵敏度、抗干扰能力强和操作简单等优点,在农林业上得到了广泛应用。运用激光散斑技术测量麻皮豌豆种子活力,通过时间对比分析法(LSTCA)处理部分散斑图像,得到不同的散斑值曲线,将结果与栓皮栎种子实际发芽结果对比,结果表明:利用散斑值曲线无损快速区分栓皮栎种子的活力可以实现。     

农产品品质无损检测概述

农产品品质无损检测是保证农产品质量和安全的一种新兴的高科技技术,本文介绍了常用的无损检测方法,综述了无损检测技术在不同农产品的品质检测中的应用,提出了未来的研究方向。     

农产品声学特性及其在品质无损检测中的应用

综述了国外对农产品声学特性研究的进展，阐明了农产品声学特性的测定原理，介绍了农产品声学特性在农产品品质无损检测中的典型应用实例，为发展我国农产品品质无损检测技术提供一定的参考。     

空间频域成像在农产品品质检测中的应用现状与展望

空间频域成像,作为一种新兴的光学成像技术,具备宽场非接触、成像深度辨析和有效信号增强等特点,能够提供与组织物理结构、化学成分相关的信息,被广泛应用于农产品组织光学特性表征和品质无损检测等领域。该文首先概述了空间频域成像技术的起源和发展,继而阐明了该技术的工作原理,包括光在生物组织中的传输理论与正向问题、测量与数据处理、逆向反演,然后描述了该技术的多种实施方式,如常规空间频域成像、多光谱空间频域成像、高光谱空间频域成像以及高频空间频域成像,并总结其在苹果、梨、桃等农产品组织光学特性表征和品质检测方面的应用现状,最后讨论了该技术面临的挑战,如测量双层/多层农产品组织光学特性时误差较大、测量深度局限于毫米级、缺乏标准化的光学参考样本、检测耗时较长等,为该技术在未来的研究提供参考。     

基于生物散斑图像和惯性矩谱分析的牛肉掺腐检测

牛肉掺假严重危害消费者的健康与经济利益,因此对牛肉掺假进行无损检测具有重要意义。该文基于生物散斑技术对牛肉掺假进行定量检测。试验将新鲜牛肉和非新鲜牛肉按不同比例(0、1%、3%、5%~60%(5%梯度)和100%)混合制备掺假样本,并采集样本的生物散斑图像。针对单列惯性矩(inertia moment,IM)表征样本生物活性存在稳定性差的问题,首次提出惯性矩谱(IM谱)分析的方法并用于建立基于支持向量回归机(support vector regression machine,SVR)的牛肉掺假检测模型。结果表明基于IM谱建立的SVR模型能较为准确预测牛肉中掺假物含量,校正集和测试集的决定系数分别为0.85和0.81,均方根误差分别为0.12和0.11。该研究证明了利用生物散斑技术和惯性矩谱分析方法对新鲜牛肉中掺杂腐败牛肉进行定量检测是可行的。     

猕猴桃品质光谱无损检测技术研究进展

光谱无损检测技术正越来越广泛地应用在水果内部品质检测中。该文从猕猴桃光谱特性差异及光谱无损检测技术影响因素对比分析等方面出发,对目前光谱分析技术在猕猴桃品质检测中应用的研究现状进行综述。分析了猕猴桃与其它水果光谱吸收特性和散射特性的差异以及不同温度、硬度、成熟度、部位及生长期管理措施对猕猴桃光谱特性的差异。对猕猴桃样品采集、光谱检测及数据处理等方面的不同方法进行了对比分析。指出采用500～2500 nm的可见光及近红外光谱对不同产地、不同生长环境和管理条件、不同储藏期、不同成熟度猕猴桃的果肉颜色、硬度、干物质含量、可溶性固形物含量、含糖量以及水果密度等内部品质进行检测是可行的。数据处理和定标模型建立方面的研究正在从传统多元回归和数值优化方法到包括人工神经网络技术、遗传算法、小波分析和自组织理论等先进数据分析技术的非线性模式识别方向发展。今后研究重点应进一步提高定标模型预测可靠性、通用性和实用性,建议今后对不同猕猴桃品种及不同仪器之间定标模型的通用性、猕猴桃在运动条件下的光谱检测技术等方面进行研究。     

微弱发光技术在农产品检测中的应用研究进展

微弱发光分析技术灵敏度高、操作简单，作为一门新兴的技术已受到普遍关注。该文综述了近年来国内外微弱发光分析技术在农产品检测中的应用研究现状、微弱发光的检测原理和检测系统，指出了该方法在农产品检测的应用中需要解决的问题，并在此基础上指出探索生物微弱发光的机制，寻找更优良的发光试剂及新的发光体系，多功能光子检测系统的开发及光子信号分析模型的建立是今后主要的研究方向。     

农产品品质无损检测技术研究进展

基于农产品的物理特性的无损检测技术是近几十年来国内外研究的一个热门课题,随着现代技术的发展,这些研究已经取得了较大的进展,为农产品的品质检测系统开发了一系列的无损检测技术.本文较为全面地介绍了国内外基于农产品物理特性无损检测技术的研究现状及方法,如电学特性检测技术、光学特性检测技术、声波振动特性检测技术、核磁共振(NMR)技术、电子鼻技术、撞击技术以及一些其他技术与方法,并对未来的发展方向予了展望,综合应用多种高科技技术进行农产品的无损检测与分拣是未来发展的趋势.     

中国科协青年科学家论坛第110次活动——农产品质量与安全无损检测和溯源技术

会场气氛活跃,青年学者们展示了农产品无损检测和溯源技术的研究成果。分析了存在的问题和发展方向,主要包括近红外光谱、RFID、声学、太赫兹、机器视觉、高光谱成像、电子鼻、生物传感器等技术在水果、蔬菜、食品、饲料、粮食、纤维、动物制品的内部品质、外观、质地、生物信息、生长环境检测中的应用。NickSigrirhis教授、YudrenChen教授等著名专家有关本研究领域国际前沿动态的报告,给青年学者以极大的启示。与会学者普遍认为,虽然中国农产品产量在世界名列前茅,但是由于检测技术与装备的落后,缺乏对每个环节的监控,质量管理部门对药残、毒素、微生物等的污染状况,缺乏应有的监测资料,标准体系也不健全,导致农产品品质优劣不均、安全隐患十分突出、重大和突发事件多。没有农产品质量与安全的检测技术和溯源信息管理系统及相应的数据库作为基础,就无法真正确保农产品的质量与安全。因此,与会学者建议★加强农产品质量与安全检测和溯源技术的基础研究,积极开展机器视觉、近红外光谱、RFID、声学、太赫兹、电子鼻、生物传感器等技术的应用基础研究和应用研究,尽快突破本领域的关键技术问题,并希望国家自然科学基金委员会和国家的各类科技计划给予足够的关注和支持。★加快农产品质量与安全检测和溯源的相关标准体系建设,制订和完善相应的检测标准。★积极探索并尽快建设农产品质量安全溯源机制与追溯平台,建立农产品质量与安全及造成相关危害的监测、溯源和预警机制,提高对农产品质量与安全的溯源能力和对重大突发事件的处理能力,推进中国农产品质量与安全管理工作逐步与国际接轨。★建立农产品质量与安全检测和溯源技术的学术组织,探索本领域青年学者之间的合作机制,建立农产品无损检测专业网站,集全国本领域青年学者的力量,共同推进本领域的基础与应用研究。与会学者还认为,确保农产品的质量与安全是一项公益事业,影响着中国建设和谐社会的步伐,而且其研究、检测和管理需要大量人力物力的投入,在短期内难以产生较大的直接经济效益,建议政府采取特殊的产业政策,扶植相关产业的发展。中国科协青年科学家论坛第110次活动的闭幕之日正值《农产品质量安全法》实施的第一天,论坛为本领域前沿的一批青年科学家提供了展示、探讨、争鸣的平台,必将有利于促进中国农产品质量与安全无损检测与溯源技术的快速发展。     

分布式移动农业病虫害图像采集与诊断系统设计与试验

为了便捷地采集和实时诊断农业病虫害图像,设计了一个分布式移动农业病虫害图像采集与诊断系统。该系统由多个便携式图像采集终端和一个图像处理服务器组成;其中,图像采集终端包括嵌入式相机、可伸缩的手持杆和装载控制App的手机;图像处理服务器包括农业病虫害诊断、信息记录和反馈模块等。手持杆可将安装在其前端的嵌入式相机送到人手或视觉难以企及的病虫害区域,手机可实时预览前端相机的拍摄画面和实现控制相机完成农业病虫害图像采集等功能;系统通过HTTP协议实现多个采集终端与图像处理服务器的数据交互,协同进行分布式计算,可以减少网络移动资费和服务器的负载。利用该系统对水稻纹枯病图像采集与诊断测试结果表明,该系统的图像采集终端可以便捷地采集到水稻纹枯病图像,手机端视频预览画面延时低,对相机控制命令无误,图像采集终端与服务器通信稳定,服务器端对水稻纹枯病图像处理和诊断实时,基于图像的水稻纹枯病为害等级诊断准确率为83.5%。如果服务器端加载不同的农业病虫害图像处理和诊断算法,该系统可广泛应用于各种农业病虫害图像的采集与诊断。     

玉米行间导航线实时提取

针对高地隙植保机底盘玉米田间植保作业压苗严重的现象,该研究提出了基于车轮正前方可行走动态感兴趣区域(Region of Interest,ROI)的玉米行导航线实时提取算法。首先将获取的玉米苗带图像进行像素归一化,采用过绿算法和最大类间方差法分割玉米与背景,并通过形态学处理对图像进行增强和去噪;然后对视频第1帧图像应用垂直投影法确定静态ROI区域,并在静态ROI区域内利用特征点聚类算法拟合作物行识别线,基于已识别的玉米行识别线更新和优化动态ROI区域,实现动态ROI区域的动态迁移;最后在动态ROI区域内采用最小二乘法获取高地隙植保机底盘玉米行间导航线。试验表明,该算法具有较好的抗干扰性能,能够很好地适应较为复杂的田间环境,导航线提取准确率为96%,处理一帧分辨率为1 920像素×1 080像素图像平均耗时97.56 ms,该研究提出的算法能够为高地隙植保机车轮沿玉米垄间行走提供可靠、实时的导航路径。     

水果外观质量在线检测系统的软件实现

鉴于模拟信号摄像头采集技术在有严格时间要求的在线检测方面存在种种弊端,就数字摄像头采集技术进行了初步探讨,以获取满足高速度要求的动态图像。对所获图像进行分割处理,运用多线程技术进行动态交换,解决了序列图像处理结果的动态显示以及数据库文件的实时存储,为水果在线分级的后续自动化控制做了铺垫。     

基于机器视觉的猪胴体背膘厚度在线检测技术

为了能在线精准测量猪胴体背膘厚度,解决人工测量过程中效率低、人为因素影响大及结缔组织易被误测量为背膘的问题。该文基于机器视觉及图像处理技术提出一种图像采集并自动测量背膘厚度的算法。在双边滤波、大律法、形态学变换的基础上,通过轮廓面积分割提取出背膘区域及其边缘轮廓,利用拟合线对轮廓边框进行拟合,判断是否包含结缔组织。若包含则针对原始图像目标测量区域像素点特征进行具体分析,去除结缔组织。然后通过直线映射,确定背膘厚度检测线,测量猪胴体背膘厚度。测试结果表明:检测方法能适应在线检测速度需求,检测正确率为93.5%,平均检测时间为0.3 s。研究结果为生猪屠宰生产线上准确、快速测量背膘厚度提供参考。     

基于计算机视觉的水产动物视觉特征测量研究综述

作为水产养殖集成信息化管理的主要信息源,水产动物视觉属性信息的测量不仅是判定水产动物生长状况,调控水质环境的主要信息依据,也是对水产动物进行喂养、用药、捕获、选别和分级等操作的前提基础。近年来,计算机视觉技术作为一项快速、客观、无损的检测方法,已被逐渐用于水产动物视觉属性的测量中,许多研究学者开展了大量的研究工作。该文更新和总结了国内外近20多年来有代表性的相关研究和解决方案,在描述计算机视觉检测系统的概念和组成结构的基础上,围绕尺寸测量、形状分析、颜色识别和质量估计等方面详细分析了计算机视觉技术在水产动物(以鱼类为主)视觉属性测量方面的国内外研究现状,着重阐述总结了研究人员在水产动物视觉检测的图像采集、轮廓提取、特征标定与计算等方面的具体改进措施,并对基于计算机视觉测量的水产动物疾病诊断,识别分类等综合应用现状也进行了分析探讨,以评估计算机视觉技术在水产动物视觉质量检测领域的总体应用情况和现存的主要问题,同时给出了今后的研究趋势与发展方向。     

基于达芬奇技术的收割机视觉导航图像处理算法试验系统

为缩短收割机视觉导航系统研发周期、降低确定图像处理算法的试验成本,该文阐述了达芬奇技术软件框架,分析了H.264视频编解码算法工作原理,研制了基于达芬奇技术的收割机视觉导航图像处理算法试验系统。该系统以双核数字视频处理器DM6446为核心,在达芬奇平台上实现了田间试验视频图像编码采集和室内视频图像解码与处理的功能模块。经试验验证,编码后的视频压缩率可达47～103倍,解码后视频帧率30帧/s,系统实时性高、工作稳定可靠,同时可进行多种图像处理算法试验。该试验系统对于收割机视觉导航图像处理算法研究提供了有效的分析手段。     

改进YOLOv3网络提高甘蔗茎节实时动态识别效率

为推广甘蔗预切种良种、良法种植技术,结合甘蔗预切种智能横向切种机的开发,实现甘蔗切种装置对蔗种特征的连续、动态智能识别。该文通过甘蔗切种机黑箱部分内置的摄像机连续、动态采集整根甘蔗表面数据,采用改进的YOLOv3网络,建立智能识别卷积神经网络模型,通过拍摄装置内部的摄像头对输入识别系统的整根甘蔗的茎节图像特征进行实时定位与识别,并比对识别信息,及时更新茎节数据,识别、标记出茎节位置,再经过数据处理得到实时的茎节信息,输送到多刀数控切割台进行实时切割。经过训练及试验测试,结果表明:经过训练及试验测试,模型对茎节的识别的准确率为96.89%,召回率为90.64%,识别平均精度为90.38%,平均识别时间为28.7 ms,与原始网络相比平均精确度提升2.26个百分点,准确率降低0.61个百分点,召回率提高2.33个百分点,识别时间缩短22.8 ms,实现了甘蔗蔗种的连续、实时动态识别,为甘蔗预切种智能横向切种机的开发提供数据基础。     

面向视频呼叫中心的农业知识视频分割方法

为了推广农业知识,使农民能够通过智能手机有效地获取视频片段,该文面向视频呼叫中心设计了一种农业知识视频分割方法,可将科研机构录制的农业知识视频分割成小的完整的知识单元,并借助视频呼叫中心送达到农民手中。该文研究基于HSV(hue,saturation,value)颜色空间的视频镜头切分方法,通过对比镜头之间的颜色直方图,实现视频镜头切分;结合农业知识讲座类视频"音频为主,视频为辅"的特点,研究视频中音频镜头的切分方法,并在音频镜头的辅助下完成对于视频镜头的聚类,从而提取出视频语义单元,实现对于视频的分割,试验结果表明,该方法的查准率为88.9%,查全率为96.0%。该方法解决了现有镜头聚类方法不适用于农业知识讲座类视频的问题。     

基于3G和Wi-Fi的高分辨率视觉传感器传输控制方案

智能视觉传感器技术因其低成本和图像高效采集优势成为当今无线视觉传感器网络（wireless vision sensor network,WVSN）的研究热点。该文在之前基于ARM平台S3C6410设计的低成本高分辨率农业视觉传感器（agricultural high resolution vision sensor,HRAVS）设计基础上,进行了网络和远程控制扩展,设计了一种基于WCDMA和Wi-Fi的高分辨率视觉传感器远程传输控制方案（vision sensor remote transmission control schema for the HRAVS,VSRTC）。使新型HRAVS节点可以利用有线、Wi-Fi、3G和4G等支持WVSN和农业物联网的应用。该文详细设计了VSRTC的应用体系结构、传输控制协议、应用软件。利用扩展的网络化视觉感知传感器,在华南农业农业大学试验农场部署了10个图像采集节点构成的WVSN,并开展了25d的运行测试,测试了新型节点的稳定性、图像采集与编码的性能,采集图像的平均耗时,以及在不同分辨率下的视频帧速率等。结果表明,该节点能够有效地支持命令响应式、周期响应式、视频流3种采集模式;在重传方案支持下所有节点指令丢失率在1%以内;在非联网状态下节点本地工作模式下,节点在1.3、2.0和3.2 Mpixel下采集图像的最短节点平均耗时分别约为6.2、8.2和11.1 s,最大视频帧速率分别为58.7、34.6、16.4帧/s;在全网络环境中,节点在1.3、2.0和3.2 Mpixel下采集图像的最短节点平均耗时分别约为17.6、26.9和49.6 s,最大视频帧速率分别为20.2、16.1、9.3帧/s。该方案对实时性要求不太高的农业领域来说,基本能满足其高分辨率图像和视频传输的需要。     

基于多纹理特征融合的麦田收割边界检测

自主导航是智能化农机完成收割作业的重要保障。该研究针对多云天气下光照易变化导致单一特征难以应对麦田环境的问题,提出基于多纹理特征融合的麦田收割边界检测方法。通过构建由图像熵特征和方向梯度特征组成的二维特征向量对麦田收割区域与未收割区域进行分类。其中,根据图像熵特征提取的特点,提出基于滑动窗口的直方图统计方法加速图像熵特征提取速度,较传统熵特征提取方法,本文方法耗时减少49.52%。在提取二维特征基础上,根据特征直方图分布特点,结合最大熵阈值分割算法对麦田图像进行初步分类,然后通过去除小连通区域对误分类区域进行剔除,进而运用Canny算子提取边缘轮廓点,得到分布于收割边界附近的待拟合点。最后,通过Ransac算法对拟合直线进行区域限制,得到较为准确的收割边界。试验结果表明,相比传统基于Adaboost集成学习算法提取收割边界,本文算法处理240像素×1 280像素的图像平均耗时为0.88 s,提速约73.89%;在不同光照条件下,收割边界平均检测率为89.45%,提高47.28个百分点,其中弱光照下检测率为90.41%,提高46.19个百分点,局部强光照下检测率为88.26%,提高46.00个百分点,强光照下检测率为89.68%,提高49.64个百分点。研究结果可为田间农机导航线识别提供参考。