龙井茶叶品质的电子鼻检测方法

针对茶叶品质感官审评的不足,采用电子鼻检测手段,对4个不同等级的龙井茶作等级判别。对传感器信号进行多因素方差分析得出：不同容器容积和不同采样时刻对传感器的响应信号有着显著的影响。通过主成分（PCA）、线性判别（LDA）和BP神经网络方法对各茶叶样品进行了分类判别。PCA对于等级差别较近的茶叶区分结果不太理想;而LDA相对于PCA有较好的区分效果;设计BP神经网络拓扑结构为30-12-4,通过对网络进行适当训练,总的测试回判率可达到90％。     

基于嗅觉可视化技术的猪肉新鲜度等级评判

利用嗅觉可视化技术对猪肉新鲜度等级进行评判.提取猪肉的挥发性气体与可视化传感器阵列进行反应,用图像处理技术分析反应前后传感器阵列的颜色变化,获取反映新鲜度的气味特征信息.通过主成分分析,选取前10个主成分作为所建立的BP神经网络的输入变量,构建猪肉新鲜度等级判别模型,模型的预测正确率为84.62％.研究结果表明:嗅觉可视化技术可用于猪肉新鲜度等级的快速评价.     

基于多光谱图像及组合特征分析的茶叶等级区

提出了一种采用多光谱成像的机器视觉技术对4个等级的西湖龙井茶进行区分的方法.首先采用3CCD多光谱摄像机同时获取茶叶在540、670和800nm波谱处的波长图像,然后对预处理后的图像进行图像特征提取,选取了18个形状特征和15个纹理特征.基于这2组特征分别对4个等级的茶叶进行主成分聚类分析,得到的两幅主成分空间的聚类图都不能对4个等级茶叶进行有效的区分.为了得到高效的区分模型,本研究对形状特征和纹理特征进行组合,聚类分析的结果优于原先的分析结果.随后,采用多类逐步判别分析法对形状特征、纹理特征和组合特征(形状+纹理)这3组特征分别进行特征优化,并建立了对应各组特征的等级区分模型,经过比较发现基于组合特征的区分模型的效果仍为最佳,对于预测集样本的区分正确率为85%.本研究还发现对于等级区分最重要的两个特征依次为波长800nm通道图像的相关性、波长800nm通道图像的二阶角矩.     

基于SVM核机器学习的三文鱼新鲜度检测系统

为了实现对不同冷藏温度下三文鱼新鲜度的检测与识别,设计了一种用于三文鱼气味指纹采集与新鲜度辨识的电子鼻系统。电子鼻系统由密闭检测气室、半导体气体传感器阵列、数据采集模块、模式识别模块和显示界面等组成。电子鼻模式识别方法采用核机器学习方法,以支持向量机(SVM)作为学习机。采集0、4、6℃温度下冷藏三文鱼样本的气味数据,对不同核函数及参数的核机器学习模型进行训练与测试,最终确定了适于此电子鼻系统识别三文鱼新鲜度的最佳核机器学习模型:核函数选用多项式核函数,核参数q取3,γ取15,c取0。此模型对不同温度冷藏三文鱼样本的冷藏时间具有一定的辨识能力,对于测试集,0℃允许偏差1 d预测正确率为92. 86%,4℃无偏差预测正确率为88. 89%、允许偏差1 d预测正确率100%,6℃无偏差预测正确率为75. 00%、允许偏差1 d预测正确率100%。将辨识结果与主成分分析结果(PCA)进行对比,此模型具有明显的优势。     

基于高光谱图谱融合技术的英德红茶等级快速无损判别

茶叶等级评价是检测茶叶品质的一项重要技术指标。通过提取红茶高光谱成像技术下的图像特征和光谱特征,构建一种基于图谱融合方法、适用于英德红茶等级评价的快速无损判别模型。首先制备3种不同等级的红茶样本,采用t分布-随机近邻嵌入和主成分分析对光谱数据进行降维可视化分析,然后从影响内在品质角度用连续投影法提取每种化学值的特征波长,通过多模型共识策略和竞争性自适应重加权算法-连续投影法筛选得出表征其内在品质的最佳特征波长组合,并建立基于遗传算法优化支持向量机的等级判别模型;其模型的训练集准确率为88%,预测集准确率为78.33%。为了融合外形纹理差异,先提取最佳特征波长组合对应的高光谱图像;采用图像掩膜消除背景的干扰和采用图像主成分分析消除多波长图像间的冗余信息,然后采用灰度共生矩阵和局部二值化算法提取主成分前三维主成分图像与特征光谱融合,并建立基于特征融合的遗传算法优化支持向量机等级判别模型,且基于第三主成分图像特征融合模型判别效果最佳,训练集准确率提升至98%,预测集准确率提升至96.67%。     

6CC-350D多功能名茶炒制机的安装与使用

磐安县茶机厂生产的6CC-350D多功能名茶炒制机,集茶叶杀青、理条、压扁、炒干为一体,结构新颖、操作简单、自动化程度高,适用于加工不同等级的龙井茶,是茶农及小规模经营户目前比较理想的龙井茶炒制机械.     

磐安龙井茶炒制机的管理与开发

龙井茶是我国最著名的传统名茶,磐安县由于其得天独厚的自然环境和气候条件,所产茶叶具有独特的上等品质,由此获得"中国生态龙井茶之乡"称号,茶叶生产成为该县的农业支柱产业.     

全自动龙井茶炒制机的使用与操作

TF6CCB-7801型全自动龙井茶炒制机是集茶叶杀青、理条、压扁、炒干多种功能为一体的龙井茶专用机械．适用于各种不同等级的龙井茶加工。该机所制龙井茶．扁平光滑、色泽翠绿、芽叶完整、断碎极少．多项指标优于手工制作。具体使用与操作方法如下：     

基于温度调制的电子鼻技术应用研究

提出一种静态温度调制方法优化气体传感器的选择性,进而提高电子鼻分类精度。该温度调制方法通过提供两种加热温度实现气体传感器选择性的优化,并利用该方法实现不同产地苹果的智能识别。首先,设计了一种基于温度调制的电子鼻系统,并给出了硬件设计电路。其次,提取两种加热温度下4种产地苹果的电子鼻检测数据。最后,基于主成分分析(PCA)、支持向量机(SVM)和卷积神经网络(CNN)算法对不同产地的苹果进行分类识别。结果表明,基于温度调制数据的PCA-SVM和PCA-CNN算法分类精度高于单一加热温度下的算法识别精度,采用温度调制方法可以有效提升电子鼻的性能。     

自适应融合气体-光谱双模态信息花生产地溯源方法

不同产地的花生质量差异明显,贴优质产地标签贩卖劣质花生的现象时有发生。本文基于电子鼻与高光谱系统的无损检测技术,提出双模态融合特征注意力（Bimodal fusion feature attention,DFFA）并设计DFFA-Net以实现花生质量辨识。首先,利用电子鼻与高光谱系统获取7个不同产地花生气体信息和光谱信息,花生自内而外的气体信息可以表征其整体宏观质量,不同化学键及官能团的光谱信息差异可以表征其整体微观质量;然后,提出DFFA以自适应融合气体-光谱双模态信息并关注影响分类性能的重要特征,并结合消融实验证明了双模态信息融合的必要性;最后,基于提出的DFFA模块,经网络结构优化得到DFFA-Net以实现不同产地花生质量的有效辨识。通过消融分析、多注意力机制分类性能对比,DFFA-Net获得了最佳分类性能：准确率为98.10％、精确率为98.15％、召回率为97.88％,验证了DFFA-Net在花生产地辨识中的有效性。提出的DFFA-Net结合电子鼻和高光谱系统实现了不同产地花生的质量辨识,为花生市场质量监督提供了有效的技术方法。     

基于低秩自动编码器及高光谱图像的茶叶品种鉴别

提出一种基于低秩自动编码器及高光谱图像技术的茶叶品种鉴别方法。应用高光谱成像系统采集5个品种的茶叶样本高光谱图像数据,利用ENVI软件确定高光谱图像的感兴趣区域(ROI),并提取茶叶样本在ROI的平均光谱作为该样本的原始光谱数据。由于高光谱信息量大、冗余性强且存在噪声,运用自动编码器和低秩矩阵恢复结合的低秩自动编码器(LR-SAE)对原始光谱数据进行降维,在自动编码器降维基础上加入去噪处理,提取鲁棒判别特征。在此基础上应用支持向量机(SVM)和Softmax分类算法对降维后的茶叶样本高光谱数据分类。通过5折交叉试验验证,LR-SAE-SVM模型的预测集准确率达到99.37%,SAE-SVM模型的预测集准确率为98.82%;LR-SAE-Softmax模型的预测集准确率达99.04%,SAE-Softmax模型的预测集准确率为97.99%。研究结果表明,相较于未进行去噪处理的传统自动编码器,LR-SAE降维之后的分类建模效果有所提升,将其应用于茶叶品种鉴别是可行、高效的。     

茶树植保机械及减量施药技术研究进展

农药防治是茶树病虫害综合防治的重要组成部分,其在病虫害突发或爆发时具有快速高效的防治优势。茶树叶片表面具有亲水性,常量施药会造成茶叶农残超标、生态环境破坏等问题,实现茶树减量施药是减少茶叶农残的有效手段。系统综述了茶树生物特性、茶树病虫害预测诊断及防治方法、茶树植保机械及施药技术,强调提高茶树低容量喷雾的农药有效利用率是实现茶树减量施药的关键。针对目前茶园地面工况复杂及农药利用率低的问题,本文从低容量仿形喷雾机、茶树病虫害喷雾决策及智能终端等六个方面提出茶树病虫害施药技术及装备的研究建议,指出低量化、精准化及智能化是未来茶树植保喷雾机械及施药技术的发展方向。     

基于改进YOLOv3网络模型的茶草位置检测算法

精准高效的茶草识别是智能茶园植保机械进行除草工作的关键。针对目前茶园除草智能化程度较低等问题,提出改进YOLOv3网络模型的茶草检测算法。首先,分季节和时间段,在多个茶叶品种的种植园中以自适应的距离和角度采集茶草混合图像并建立试验数据集。接着,使用K均值聚类算法重新设计先验锚框尺度。然后,以YOLOv3网络模型为基础,选取17×17的网格划分图像区域;采用残差网络（ResNet）作为主干网;加入过程提取层,增强草株检测性能。最后在原损失函数中引入广义交并比损失。通过消融试验和不同目标检测算法对比试验验证此改进算法对茶树与杂草的检测效果。试验结果表明,改进 YOLOv3网络模型对杂草的检测精确率和召回率分别为85.34%和91.38%,对茶树的检测精确率和召回率最高达到82.56%和90.12%;与原YOLOv3网络模型相比,检测精确率提高8.05%,并且每秒传输帧数达到52.83 Hz,是Faster R-CNN网络模型的16倍。这些数据说明所提算法在茶园复杂环境下,不仅对于茶树和杂草具有更好的识别效果,而且满足实时检测的要求,可以为智能茶园植保机械提供技术支持。     

冬枣分选装置研究现状

枣发源于山东省滨州市沾化区下洼镇，是枣树的一个栽培品种，果皮赭红光亮，皮薄肉脆、甘甜清香且营养丰富，可食率达95%。冬枣的鲜果质量等级以果实色泽、着色面积和果实大小的不同为衡量标准。目前市场销售的冬枣存在品种繁多和大小不一等问题，对冬枣进行分级分选是非常必要的。针对目前冬枣人工分级效率低、工人劳动强度大和分级效果不准确等现状，对冬枣分级分选装置进行了介绍。      

计算机视觉技术在茶叶等级检测中的应用研究

茶叶富含多种具有营养价值和保健功能的化学物质,是世界上三大饮料之一。我国的茶叶种植面积和产量都位居世界第一,但近年来茶叶产业的效益徘徊不前,原因在于茶叶分级技术落后,影响了产品在国际市场的竞争力。计算机视觉是一种较为新型的技术,在茶叶品质检测中得到广泛应用,其检测范围集中在茶叶色泽和外部形态上,取得了较好的分级效果。为此,通过计算机视觉技术获取茶叶形状和茶水颜色特征,利用神经网络对检测数据进行分析后判别茶叶的等级。结果表明:计算机视觉能有效地判别各等级的茶叶,检测的总体准确率达到88.8%,可以应用于茶叶的实时等级检测。     

茶树叶片表面喷雾液滴斜撞击行为研究

在喷雾场景中,茶树叶片具有不同倾斜方向,且会受到不同方向喷雾液滴的撞击。为掌握液滴斜撞击茶树叶片时的撞击行为及影响机理,提出了利用椭圆铺展面积来衡量斜撞击时液滴的铺展变化,并推导出包含叶片倾角和撞击角的斜撞击液滴铺展及反弹数学预测模型。为验证理论准确性,利用两台高速摄像机对喷雾液滴撞击茶树叶片的撞击过程及结果进行测试和分析。研究结果表明,撞击角、初始直径、撞击速度对粘附液滴的铺展面积影响由大到小为撞击速度、初始直径、撞击角,其中初始直径及撞击速度对液滴铺展面积有显著性影响,且是极强正相关。对于细、中液滴,撞击角对铺展面积无显著性影响;对于粗大液滴,撞击角有显著性影响,建议采用90°撞击角。茶树叶片表面具有亲水性,水滴撞击叶片表面时无反弹行为,此结果与反弹预测模型结果吻合。对液滴飞溅的影响程度由大到小为初始直径、撞击速度、撞击角。初始直径及撞击速度对液滴飞溅有显著性影响,液滴初始直径和撞击速度越大,越容易发生飞溅,撞击角对液滴飞溅无显著性影响。因茶树叶片表面比较光滑,无长绒毛,表面粗糙度较小,飞溅临界值Kcrit采用108. 4较合适。     

基于约束Delaunay三角网的茶鲜叶几何参数识别

为自动识别不同方位茶鲜叶的几何参数,在鲜叶轮廓点均匀化、稀疏化的基础上,引入约束Delaunay三角网,对叶片区域进行三角剖分,然后根据端点三角形、跨接三角形及交汇三角形的特点,计算叶片中轴线及主干中轴线,据此确定茶鲜叶的方位并对叶片进行排序,与此同时,还计算了每张叶片的长度、宽度、面积以及叶柄间距,提出反映大宗茶原料粗老度的几何特征指标,探讨了质量等级细分的方法。通过对150幅图像中174根茶鲜叶的识别结果表明,识别正确率达94.2%,平均每根鲜叶的处理时间为74.7 ms。     

基于土壤生态环境的耕地资源保护综合评价

在兰州市开展了耕地土壤环境质量调查,依据耕地地力等级评价、耕地肥力分级标准、土地富硒标准、绿色食品产地土壤环境质量标准,评价土壤生态环境质量。应用GIS获得耕地地力变化规律,为今后的土地利用发展提供参考。