基于超声波的食品解冻技术研究

以牛肉为样品，对超声波解冻进行了研究，分析了在食品不超温情况下超声波频率、强度和加载方向对可解冻厚度的影响。以800kHz超声波进行实验，理论计算值与实验结果总体上是一致的，证实了超声波用于食品解冻的可行性。     

牛肉嫩度的高光谱法检测技术

为实现对牛肉嫩度的预测和分级,构建了试验用高光谱检测系统,在400～1000nm波长范围内获取牛肉表面的高光谱散射图像.从高光谱图像中提取牛肉的反射光谱曲线,用step-wise逐步回归法选择 430、496、510、725、760和828nm 6个波长建立了多元线性回归模型,用全交叉验证法验证模型的预测效果,模型的预测相关系数为0.96,预测标准差为0.64kg.以嫩度6.0kg为界将样本分为嫩牛肉和粗糙牛肉2类,特征波长处反射值为变量,建立了正则判别函数对牛肉嫩度分级,用全交叉验证法验证训练的效果.嫩牛肉分级准确率为83.3%,较粗糙牛肉分级准确率为90.9%,总的分级准确率为87.0%.研究表明该预测和分级技术具有一定的可行性.     

基于生物散斑技术的两部位牛肉质构特性预测模型改进

以时间序列散斑图的惯性力矩表征图像的散斑活性,采用感官评定法、质构剖面分析法(TPA)和WarnerBratzler(W-B)剪切力法分析牛里脊肉的质构特性,研究了不同测定方法的相关性,并建立了散斑活性对里脊肉质构特性的预测模型;同时,针对里脊肉和腱子肉2种部位牛肉间质构特性差异较大,不能用同一模型进行预测的问题,应用斜率/截距法(S/B)和Kennard-Stone(K-S)样本添加法对模型进行改进,选择一种较准确易行的方法,使模型在2部位间得到快速的传递。结果表明,感官评定和TPA测得的硬度和咀嚼性间具有较高的正相关性,相关系数分别达到0.98和0.90,且W-B剪切力法与TPA的硬度决定系数也达到了0.95,证明了3种测定方法的可靠性。通过散斑活性值对质构特性进行预测时,硬度、咀嚼性及W-B剪切力的预测决定系数分别达到了0.83、0.77和0.69。分别用2种方法对模型进行改进,可知采用S/B法时,改进后的里脊肉模型对腱子肉的预测均方根误差RMSE为26.65,准确因子Af和偏差因子Bf分别为1.15和1.08。而采用K-S样本添加法,加入代表性样本数为12时,模型对腱子肉的预测达到较理想水平,RMSE为13.21,Af和Bf分别为1.07和1.02。K-S样本添加法能够在预测过程中更好地降低部位间差异,提高模型对腱子肉的预测精度,且改进效果优于S/B法。     

基于高光谱技术的牛肉含水率无损检测

牛肉含水率的高低不仅直接影响牛肉品质,而且会对消费者造成经济损失。为此,通过实验探究了采用高光谱图像技术对牛肉含水率进行检测的可行性,为检测牛肉品质提供依据。采用82个牛肉后腿样本作为实验材料,按5×4×1cm的规格通过国际烘干法测量其真实含水量,并采集它们的光谱图像;获取样本的光谱信息后,通过ENVI及Mat Lab软件获取感兴趣区域。同时,利用不同的预处理方法,分别建立BP神经网络和偏最小二乘校正模型,通过比对两种模型结果,偏最小二乘校正模型能够更有效预测牛肉含水率,校正集相关系数为0.91,校正标准差为0.121,预测集的相关系数为0.89,预测标准差为0.118。研究结果证实,利用高光谱图像技术可以快速无损检测牛肉含水率。     

基于气流脉冲和结构光成像的牛肉嫩度检测方法

针对传统牛肉嫩度检测速度慢、精度低的问题,提出了基于气流脉冲结合结构光3D成像的牛肉嫩度快速无损检测方法。首先,利用脉冲气流对牛肉表面进行冲击,同时通过结构光3D成像获取待测牛肉表面凹陷区域的三维点云信息;然后,采用去噪、点云分割、贪婪投影三角化、Delaunay三角化、曲面拟合等算法进行点云处理,获得牛肉表面凹陷区域的深度、映射面积、表面积和体积等信息;基于此,分别建立基于最小二乘支持向量机回归（LS-SVR）、BP神经网络和广义回归神经网络（GRNN）的生鲜牛肉剪切力预测模型;结果表明,GRNN模型预测表现最佳,预测集相关系数为0.975,均方根误差为5.307N。采用基于K-fold交叉验证的GRNN神经网络对牛肉嫩度等级进行预测,结果显示该方法对较嫩牛肉分级效果较好,为100%,对较老牛肉分级效果稍差,为91.3%。研究表明,基于气流脉冲结合结构光3D成像进行牛肉剪切力以及嫩度快速、无损检测是可行的。     

基于数据可视化的冷鲜羊肉TPA指标数据提取优化方法

冷鲜羊肉的消费量近年呈现持续增长趋势,保障其质量安全至关重要.全质构分析法(TPA)是冷鲜羊肉质量安全检测的重要方法,但在实际检测过程中获取的部分TPA指标数据存在较大误差.通过解析冷鲜羊肉的TPA质构检测过程,提出了一种基于数据可视化的冷鲜羊肉TPA指标数据提取优化方法.首先对实际检测力度数据进行滑动平均滤波处理,在...     

人工磁场超声成像测井在水井修复

常规超声成像测井仪器是用地磁场信号作为图像的扫描触发信号的。它不能在磁屏蔽、磁干扰条件下工作，因而不能确定地质信息的方位。运用陀螺定向技术对人造磁场进行定向，转动的线圈在人造磁场中，感应出来的交变电信号作为图像扫描触发信号，就能保证仪器正常工作，测出清晰的超声图像。并能快捷、准确地查明井管故障点的位置、损坏的规模大小和方位，从而为维修方案的确定提供了可靠的依据。     

基于分形维和图像特征的牛肉大理石花纹等级判定模型

采集135个牛胴体眼肌样本,参照中国牛肉质量标准的大理石图版,由3人评定小组评定出每一个样本的大理石花纹等级,再用数码相机采集每一个样本的数字图像。用图像处理技术对每一幅图像进行降噪、分割等处理,提取出牛肉大理石花纹,并计算出牛肉大理石花纹的面积比率、总脂肪颗粒数和大小脂肪颗粒数;然后用变尺度的方法,测定出每个牛肉大理石花纹样本图像的计盒维数和信息维数;以这些参数为基础,分别建立牛肉大理石花纹等级判定的多元线性模型和多元多项式模型。实验结果表明,利用多元线性模型和多元多项式模型判定牛肉大理石花纹等级,预测正确率分别为75%和87.5%。     

基于图像运算的牛肉大理石花纹分割方法

针对牛胴体眼肌切面大理石花纹图像的自然纹理特征,首先采用区域生长法进行图像的背景分割,然后采用图像差影法操作、图像腐蚀和膨胀技术以及图像的逻辑运算实现背长肌区域的分割,再通过Otsu法自动选取阈值,以此阈值为门限值,对图像进行二值化处理,最终提取出牛肉大理石花纹。实验结果表明,该综合处理技术具有很好的适应性,可以对各种牛胴体眼肌切面图像进行大理石花纹的准确分割。     

基于粒子群聚类的牛肉含水率光谱检测技术

采用市场当日上架的生鲜牛肉外侧最长肌制作样本,在波长900~2300 nm内进行光谱检测和分析。利用基于粒子群算法(PSO)的聚类分析方法,对光谱信息进行优化以减少计算量,提高回归模型精度。该算法以经过多元散射校正(MSC)、变量标准化(SNV)等方法预处理后的光谱信息作为目标矩阵,以波长为目标进行聚类,根据聚类结果对不同波段进行重新组合,并建立偏最小二乘回归(PLSR)模型。结果表明,利用PSO聚类分析方法在900~1 400 nm波段内获得的生鲜牛肉含水率预测模型最优,Rc=0.920 5,Rv=0.919 1。该方法能够有效减少光谱的数量,提升回归模型的预测结果。     

基于高光谱成像技术的鲜食核桃仁水分检测研究

为实现对货架期内青皮核桃仁水分的快速预测,利用高光谱成像技术采集货架期核桃青皮光谱数据,测定核桃仁含水量,利用连续投影法(SPA)提取11 个特征波长,建立了偏最小二乘法(PLS)、多元线性回归(MLR)和最小二乘支持向量机(LS-SVM)模型.结果表明,LS-SVM建模效果最好,预测集的相关系数Rp= 0.800 7...     

基于DeepSORT算法的肉牛多目标跟踪方法

肉牛的运动行为反映其健康状况,在实际养殖环境下如何识别肉牛并对其进行跟踪,对感知肉牛的运动行为至关重要.基于YOLO v3改进算法(LSRCEM-YOLO),利用视频监控实现了实际养殖环境下的肉牛实时跟踪.该方法采用MobileNet v2作为目标检测骨干网络,根据肉牛分布不均、目标尺度变化较大的特点,提出通过添加长短...     

基于SNSS-YOLO v7的肉牛行为识别方法

肉牛活动过程中所表现出的行为是肉牛健康状况的综合体现,实现肉牛行为的快速准确识别,对肉牛疾病防控、自身发育评估和发情监测等具有重要作用。基于机器视觉的行为识别技术因其无损、快速的特点,已应用在畜禽养殖行为识别中,但现有的基于机器视觉的肉牛行为识别方法通常针对单只牛或单独某个行为开展研究,且存在计算量大等问题。针对上述问题,本文提出了一种基于SNSS-YOLO v7(Slim-Neck&Separated and enhancement attention module&Simplified spatial pyramid pooling-fast-YOLO v7)的肉牛行为识别方法。首先在复杂环境下采集肉牛的爬跨、躺卧、探究、站立、运动、舔砥和互斗7种常见行为图像,构建肉牛行为数据集;其次在YOLO v7颈部采用Slim-Neck结构,以减小模型计算量与参数量;然后在头部引入分离和增强注意力模块(Separated and enhancement attention module, SEAM)增强Neck层输出后的检测效果;最后使用SimSPPF(Simplified ...     

生理成熟度及牛肉肌纤维特征与嫩度关系试验研究

生理成熟度(牛龄)是牛肉质量分级的重要参考指标,研究牛龄与嫩度之间的定量关系,对建立牛肉质量分级标准及牛肉自动分级系统的开发具有重要意义。选取4组不同月龄的牛肉背长肌样本,采集其眼肌区域微观图像,通过图像处理的方法提取出每个样本的肌纤维直径、周长和密度,然后再用质构仪测定出每个样本的剪切力,研究分析不同牛龄的牛肉肌纤维直径、周长和密度的变化规律及其与剪切力之间的关系。结果显示,随着牛龄的增大,牛肉肌纤维直径和周长均线性增加,而肌纤维密度则线性下降(P0.05);同时,随着肌纤维直径和周长的增加、肌纤维密度的下降,牛肉剪切力线性增大(P0.05)。牛龄对肌纤维直径、周长、密度及牛肉剪切力具有显著影响。     

不同储存时间和取样部位牛肉颜色的高光谱图像检测

为了探讨高光谱图像技术对不同储存时间和取样部位的牛肉颜色检测的可行性,采集具有代表性的牛肉后腿、里脊和背脊共82个牛肉样品的高光谱图像,并测量其亮度、红度、黄度和饱和度等颜色参数.选取感兴趣区域获取样品代表性光谱,通过选择适宜的谱区范围和预处理方法,建立并评价了预测各颜色参数的偏最小二乘校正模型.对于亮度、红度、黄度和饱和度,校正集的相关系数分别为0.80、0.91、0.91和0.93,校正标准差分别为2.23、1.18、0.82和1.12,预测集的相关系数分别为0.92、0.88、0.87和0.89,预测标准差分别为1.66、1.45、0.80和1.27.研究结果表明,高光谱图像技术可用于快速无损检测不同储存时间下、不同部位的牛肉颜色.     

基于AquaCrop模型的冬小麦咸淡轮灌制度模拟与评价

为探寻适宜冬小麦的咸水灌溉方法,针对拔节期、抽穗期和灌浆期开展了不同咸淡轮灌方式(淡淡淡（A0）、咸淡淡（A1）、淡咸淡（A2）、淡淡咸（A3）,咸水矿化度为10 dS/m)及单次灌水量(40 mm（I1）、60 mm（I2）、80 mm（I3）、100 mm（I4）)的田间试验,利用AquaCrop模型对咸淡轮灌下土壤水盐和冬小麦生长生产进行校验,并通过情景模拟优化了咸淡轮灌方案。结果表明：AquaCrop模型可以较好地模拟咸淡轮灌下土壤水盐状况及冬小麦生物量和籽粒产量,率定时土壤含水率、土壤含盐量、冠层覆盖度、累积蒸发蒸腾量、生物量和籽粒产量的均方根误差（RMSE）分别为1.06%～2.09%、0.03～0.27 dS/m、4.2%～11.0%、14.95～52.17 mm、0.57～0.86 t/hm²和0.28 t/hm²,验证时最终生物量和籽粒产量的RMSE分别为0.51 t/hm²和0.33 t/hm²,且各指标决定系数（R²）均大于0.70,一致性指数（d）均大于...     

基于ECA-YOLO v5s网络的重度遮挡肉牛目标识别方法

肉牛目标检测和数量统计是精细化、自动化、智能化肉牛养殖要解决的关键问题,受肉牛个体颜色及纹理相近和遮挡等因素的影响,现有肉牛目标检测方法实用性较差。本研究基于YOLO v5s网络与通道信息注意力模块(ECABasicBlock),提出了一种融合通道信息的改进YOLO v5s网络(ECA-YOLO v5s),在YOLO v5s模型的骨干特征提取网络部分添加了3层通道信息注意力模块。ECA-YOLO v5s网络实现了重度遮挡环境下多目标肉牛的准确识别。对养殖场监控视频分帧得到的肉牛图像采用了一种基于结构相似性的冗余图像剔除方法以保证数据集质量。数据集制作完成后经过300次迭代训练,得到模型的精确率为89.8%,召回率为76.9%,全类平均精度均值为85.3%,检测速度为76.9 f/s,模型内存占用量为24 MB。与YOLO v5s模型相比,ECA-YOLO v5s的精确率、召回率和平均精度均值分别比YOLO v5s高1.0、0.8、2.2个百分点。为了验证不同注意力机制应用于YOLO v5s的性能差异,本研究对比了CBAM(Convolutional block attention mo...     

基于深度图像的多姿态肉牛体尺自动测量方法

养殖场中肉牛较为活跃,采集得到的图像数据中肉牛姿态多变,肉牛姿态端正帧较少,导致自动测量肉牛体尺困难。针对以上问题,本研究通过分析肉牛骨架特征和肉牛图像边缘轮廓特征,提出一种多姿态肉牛体尺自动测量方法。首先,利用深度相机Azure Kinect DK从正上方采集肉牛俯视深度视频数据,对视频数据进行分帧处理;其次,对原始深度图像进行预处理,将肉牛从复杂的背景中提取出来;再次,利用Zhang-Suen算法提取目标图像肉牛骨架,检测骨架交点和端点,分析肉牛头部特征,并确定头部去除点,去除图像中肉牛头部信息;最后,利用改进的U弦长曲率算法提取肉牛轮廓曲率曲线,根据曲率值确定体尺测点,将体尺测点转换到三维空间中,计算体尺参数。本研究通过分析大量深度图像数据,将图像中肉牛姿态分为左歪、右歪、姿态端正、低头和抬头五类。试验结果表明,本研究提出的基于骨架的多姿态肉牛头部去除方法在5种姿态下的头部去除成功率均高于92%;在23头肉牛不同姿态共46帧深度图像中,利用基于改进U弦长曲率的体尺测点提取方法,测得体直长测量的平均绝对误差为2.73 cm,体高测量的平均绝对误差为2.07 cm,腹宽测量的平均绝对误差为1.47 cm。研究结果可为精确测量多姿态下肉牛体尺提供支撑。     

基于改进YOLO v3的肉牛多目标骨架提取方法

针对肉牛行为识别过程中,多目标骨架提取精度随目标数量增多而大幅降低的问题,提出了一种改进YOLO v3算法(Not classify RFB-YOLO v3,NC-YOLO v3),在主干网络后引入 RFB(Receptive field block)扩大模型感受野,剔除分类模块提高检测效率,结合8SH(8-Stack...