电子鼻检测鲢鱼新鲜度的试验参数优

以虚拟仪器和仿生嗅觉技术为基础,用储藏在4℃的鲢鱼为样品,用自行研制的四气体传感阵列的电子鼻测量系统研究了采样方式、采样时间和样品质量对新鲜度测量的影响,采用PCA(主成分)对试验结果进行分析.试验结果表明,改进的自由扩散法可以代替传统顶空生成法的采样方式,简化了测量系统;确定最佳测量条件为样品质量60g、自由扩散法采样和连续采集5min.     

牛肉新鲜度的电子鼻检测技

为了简单、快捷、准确地检测牛肉新鲜度,建立了电子鼻检测系统.根据牛肉产生的气味和传感器实验,合理地选用了气敏传感器阵列.为提高电子鼻传感器灵敏度,对购置的传感器进行了改进.利用生物嗅觉的研究成果,开发出仿生嗅觉鼻道结构.为了提高电子鼻系统小样本训练的识别率,提出了用支持向量机(SVM)算法识别牛肉新鲜度的方法.应用电子鼻系统对储藏7 d不同新鲜度的牛肉进行了识别实验,识别率达到99.25%.结果表明电子鼻检测牛肉新鲜度是可行的.     

融合电子鼻和视觉技术的鸡肉新鲜度检测装置研究

为实现鸡肉新鲜度的快速准确检测,设计了一种基于电子鼻和视觉数据融合的一体化检测装置。装置由控制系统、视觉系统和电子鼻系统3部分组成,可同时通过电子鼻传感器阵列检测鸡肉散发的气体浓度并由摄像机采集鸡肉视觉图像,控制板传输数据至Jetson Nano上位机进行特征提取、融合与分析。由该装置获取不同新鲜度鸡肉样本的气味和图像数据,采用主成分分析方法进行降维处理,再基于支持向量机建立鸡肉新鲜度分级模型,准确率可达98.7%。该装置具有准确率高、便携和稳定性强等特点,可为肉品新鲜度检测提供技术支持。     

基于神经网络的猪肉新鲜度检测分级系统

首先,应用CCD光电检测技术对可表征猪肉新鲜度的多个特征量进行检测;然后,利用数字图像处理技术对检测到的特征量进行处理;最后,利用神经网络技术研究非相干微量参数的多数据融合检测方法,从而实现对猪肉新鲜度检测分级辨识。     

基于区块链的三文鱼冷链多链协同监管模型研究

在冷链行业集群式发展的背景下,为解决在三文鱼冷链多链协同过程中由于监管数据持续性与碎片化所带来的跨链签名数据传输且真实性验证效率缓慢的问题,设计了基于区块链的三文鱼冷链多链协同监管模型,该模型包括基于聚合签名算法的数据验证与冷链模式监管的方法,该方法在提升跨链监管数据真实性验证效率的同时保证了三文鱼冷链监管的细粒度与完整性。最后,基于以太坊平台实现了三文鱼冷链多链协同监管模型的原型系统。经系统性能测试,在监管性能方面,多链架构监管性能相较于单链架构平均提高17.98%,且随着区块链交易增多,多链架构监管性能优势将更加明显;在真实性验证效率方面,根据验证时间曲线的趋势线斜率分析,传统验证算法的斜率为57.448,而聚合签名算法的斜率为0.553。这表明随着签名数量的增加,聚合签名算法在验证效率方面具有明显的优势;在通信消耗方面,传统签名算法所需要的签名通信量在理论极限值下最多可达到4875B,而聚合签名算法所需的签名通信量即使在未压缩的情况下也一直保持在96B。测试结果表明,在三文鱼冷链场景中,聚合签名与验证的方法在数据批量传输批量验证的条件下具有良好的效率优势,为可信冷链监管、集群式冷链发展提供借鉴与参考。     

猪肉新鲜度的智能检测方法

分析了猪肉新鲜度检测识别机理,构建了一套基于电子信息、光电检测、图像处理技术以及神经网络模式识别技术的智能检测辨识系统。对猪肉样本的测试与分析验证了该方法可快速准确地识别猪肉新鲜度。     

基于细菌菌斑变化的猪肉新鲜度检测方法研究

研究了猪肉变质过程中的生物化学机理,制作了猪肉腐败过程中各个时段细菌含量的样本.同时,提出了利用图像处理技术,提取各个时段生化细菌样本中的菌斑面积作为猪肉腐败程度标尺的测量方法,并利用神经网络建立细菌菌斑面积变化率同总挥发性盐基氮(TVB-N)之间的关系,为猪肉新鲜度检测提供一种新的辨识方法.     

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BP神经网络的鸡蛋新鲜度无损检测方法

用计算机视觉装置和Matlab软件获取鸡蛋颜色参数（H、I、S）,通过试验获得鸡蛋的新鲜度指标（哈夫值）,用其作为样本数据建立BP神经网络模型,得到鸡蛋新鲜度与其图像颜色参数之间的最优关系。系统先自动判别鸡蛋壳色再分类检测鸡蛋新鲜度,经检验,建立的BP神经网络具有较好的泛化功能和鲁棒性,对褐壳蛋和白壳蛋新鲜度的正确识别率分别为87．258％、89．029％。     

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.     

基于无人机图像以及不同机器学习和深度学习模型的小麦倒伏率检测

小麦在生长过程中发生倒伏会严重影响其产量,因此实时且准确地对小麦倒伏状况监测有很重要的意义.传统的方法采用手工方式生成数据集,不仅效率低、易出错,而且生成的数据集不准确.针对这一问题,本研究提出了一种基于图像处理的自动数据集生成方法.首先利用无人机在15、46和91 m三个高度采集图像数据;采集完数据后,根据无倒伏、倒...     

基于机器学习的农用飞行器路径规划系统设计

基于作业空间模型及更新和飞行器机动性能约束,搭建了农用飞行器路径规划环境模型,并采用改进人工势能的机器学习算法,结合农用飞行器路径规划环境模型和障碍物检测模块,实现了农用飞行器路径规划的最优化。MatLab仿真结果表明:农用飞行器路径规划系统能够识别障碍物的位置和边界信息,并能快速制定出最优的飞行路径,指引农用飞行器顺利到达目标点。     

基于改进残差网络的黑毛猪肉新鲜度识别方法

为了提高黑毛猪肉新鲜度的识别准确率,提出基于改进残差网络和迁移学习的黑毛猪肉新鲜度识别方法。首先,根据猪肉的微生物菌体浓度、大肠菌菌体浓度和pH值,结合国家标准,将猪肉新鲜度分为7个类别;然后,将ResNet-50模型用PfidSet数据集训练,使其具有抽取图像特征的能力,利用模型迁移和模型微调对ResNet-50模型进行改进,即用一个3层的自适应网络取代ResNet-50模型的全连接层和分类层,再使用在PfidSet上训练的网络参数初始化改进的ResNet-50模型权重,运用LReLu-Softplus作为自适应网络的激活函数;最后,将改进ResNet-50模型在猪肉样品的图像数据集上学习得到的知识,迁移到黑毛猪肉新鲜度识别任务。选取7类共计23 427幅黑毛猪肉图像组成样本集,从样本集中随机选择80%的样本用作训练集、其余20%用作测试集进行测试,试验结果表明,迁移学习能够明显提高模型的收敛速度和识别性能,数据扩充有助于增加数据的多样性,避免出现过拟合现象,在迁移学习和数据扩充方式下的总体识别准确率达到94. 5%,是一种高效的猪肉新鲜度识别方法。     

基于MSCPSO混合核SVM参数优化的生菜品质检测

核函数形式的选择与核函数参数值的大小是影响支持向量机的2个关键因素,传统的支持向量机分类精度低、时效性差,为了获得高精度、高时效性的支持向量机,从影响支持向量机的核函数与核函数参数值2个关键因素着手,提出了基于变尺度混沌粒子群优化（MSCPSO）混合核SVM参数的分类器。将此分类模型用于预测生菜叶片的生育期,以及预测3个生育期的生菜叶片氮素水平,预测精度分别达到91.51%、85.38%、82.59%和81.26%。与传统的粒子群优化混合核SVM的分类器和变尺度混沌粒子群优化RBF_SVM分类器相比,提出的分类器模型分类精度高、时效性好。     

基于机器视觉的水下河蟹识别方法

为了探测河蟹在池塘中的数量及分布情况,为自动投饵船提供可靠的数据反馈,提出了基于机器视觉的水下河蟹识别方法。该方法通过在投饵船下方安装摄像头进行河蟹图像实时采集,针对水下光线衰减大、视野模糊等特点,采用优化的Retinex算法提高图像对比度,增强图像细节,修改基于深度卷积神经网络YOLO V3的输入输出,并采用自建的数据集对其进行训练,实现了对水下河蟹的高精度识别。实验所训练的YOLO V3模型在测试集上的平均精度均值达86. 42%,对水下河蟹识别的准确率为96. 65%,召回率为91. 30%。实验对比了多种目标检测算法,仅有YOLO V3在识别准确率和识别速率上均达到较高水平。在同一硬件平台上YOLO V3的识别速率为10. 67 f/s,优于其他算法,具有较高的实时性和应用价值。     

基于机器学习的小麦收获机掉头轨迹识别

识别小麦收获机运行轨迹是分析农业机械活动、提高作业效率的重要手段。本文针对小麦收获机田内作业场景,提出一种基于机器学习的收获机掉头轨迹识别算法。首先通过两步K-means聚类与三步修正识别出X形掉头轨迹点、作业异常轨迹点与作业轨迹点;为进一步从作业轨迹中分类出U形掉头轨迹点,构建了基于支持向量机模型(Support vector machine, SVM)的U形掉头轨迹识别算法,并对初步识别结果进行三步修正;最终识别出小麦收获机的田内X形掉头、作业异常、U形掉头与作业轨迹点,识别结果的F1值为94%,时间间隔为1～5 s的数据的F1值在90%以上,实现田内轨迹的细致划分。基于去除掉头轨迹与异常轨迹后获得的有效作业轨迹,可通过距离算法计算获得农田面积,结果相比使用原始轨迹的计算误差可降低12.76%。该研究可为基于海量农机轨迹的作业精细化管理提供参考。     

基于机器视觉的柚子尺寸检测系统的研究

介绍了一种基于机器视觉技术的柚子外形尺寸检测系统。利用 CMOS 摄像头采集柚子正立图像;通过灰度转化、去噪、二值化等预处理获取检测目标图像。通过扫描法确定目标图像的上、下、左、右4个边界点,计算柚子的纵径与横径初测值;借鉴已有的机器视觉球状物体检测误差理论进行修正,获得最终检测结果。试验结果表明,该系统检测精度高且速度快。     

基于机器视觉的葡萄品质无损检测方法研究进展

我国葡萄产量逐年上升,田间葡萄品质检测有益于提高葡萄收获后流入市场的经济效益。传统田间葡萄品质检测主要依靠人工进行破坏性检测,存在经验差异导致的误差。随着深度学习、图像检测技术的发展,基于机器视觉的田间葡萄品质检测克服了传统人工检测的局限性,以快速精准、实时无损检测的优势得到了大量应用。葡萄品种不同,衡量其内、外在品质评级的指标也不同。本文根据葡萄品种与品质评价指标,从品种的机器视觉检测方法、品质的机器视觉检测方法展开,对国内外基于机器视觉技术的田间葡萄品质无损检测相关研究进行系统性分析与总结。总结了不同机器视觉检测方法对葡萄品质指标检测的优缺点,并对田间葡萄品质无损检测研究面临的问题进行了讨论,指出了今后的发展趋势与研究方向。