蛋壳品质的近红外光谱检测分析

蛋壳品质对蛋品孵化、贮存和运输均有重要影响。为了探索近红外光谱技术快速检测蛋壳品质的方法,该文在鸡蛋蛋壳品质指标相关性分析的基础上进行了蛋壳品质的近红外光谱检测分析,研究比较了不同建模方法、不同光谱预处理方法和不同波段范围对预测结果的影响。结果表明：在5段特征波长范围内建立的经过多元散射校正的偏最小二乘回归（PLSR,partial least squares regression）模型对蛋壳强度的预测结果最好,相关系数r为0.86,校正、预测均方根误差分别为4.42、7.53 N;同时蛋壳百分比（蛋壳质量/蛋质量）的PLSR模型的相关系数r为0.92,校正、预测误差分别为0.313%、0.529%;蛋壳厚度的PLSR模型的相关系数r为0.81,校正、预测误差分别为0.0176、0.0234 mm。研究结果表明应用近红外光谱技术预测蛋壳品质是可行的,为蛋壳品质的快速无损检测提供了一种新的方法。     

鸡蛋透射光图像形态特征与其新鲜度的相关关系

该文结合鸡蛋内容物自身结构特点,研究鸡蛋图像形态特征与新鲜度的相关关系,快速无损检测新鲜度.用机器视觉装置获取鸡蛋图像,通过实验检测对应鸡蛋新鲜度(哈夫单位).采取有效图像处理,使蛋黄和气室特征显现.选取蛋黄与整蛋面积比值、气室高度与整蛋长轴长度比值作为形态特征参数,建立两特征值与新鲜度的关系模型,经检验通过两特征模型判别鸡蛋新鲜度的正确率分别为91%、93%.研究结果表明,鸡蛋图像蛋黄面积比、气室高度比随着新鲜度的降低而逐渐增大.     

鸡蛋新鲜度的光学无损检测和分级

鸡蛋按新鲜度分级,对于其贮藏、流通和加工,都具有实际需要和重要意义。本文阐明了利用鸡蛋的光学特性对其新鲜度进行无损检测的基本原理。通过鸡蛋新鲜度的追踪试验,找出了透射率与新鲜度指标(哈夫单位、蛋黄指数和挥发性盐基氮)之间的对应关系。建立了鸡蛋的新鲜度因子,并得出了相应的等级分界值,可供制定鸡蛋品质无损检测标准和设计蛋品新鲜度分级装置时参考。     

用生物电鉴别受精蛋的检测装置的研究

对鸡蛋生物电与其受精关系的研究表明孵化４８ｈ后的大部分受精蛋其直流电位的波形呈方波。根据此特性，研制了一种能用生物电无损鉴别受精蛋的检测装置     

鸡蛋新鲜度综合无损检测模型及试验

为了提高鸡蛋新鲜度无损检测的准确性,该文用反映鸡蛋内部颜色的计算机图像参数和鸡蛋敲击响应特性参数构成鸡蛋新鲜度综合无损检测模型,利用两种检测方法之间的参数进行相互补偿和修正。用机器视觉装置获取鸡蛋颜色的亮度、蛋形指数,用声音采集装置获取声音的功率谱面积、共振峰频率、X轴方向的质心,通过试验测得对应鸡蛋的新鲜度（哈夫单位）。以它们为样本数据建立多元线性回归模型,获取鸡蛋新鲜度与其图像特征参数和声音特征参数之间的最优关系。经检验,所建模型判别鸡蛋新鲜度的正确率为92%。     

基于介电特性与蛋黄指数回归模型的鸡蛋新鲜度无损检测

为了更准确、快速的实现鸡蛋新鲜度品质指标蛋黄指数的无损检测,基于介电特性建立了鸡蛋新鲜度无损检测模型,获取鸡蛋的蛋黄指数信息。试验以不同新鲜度鸡蛋为研究对象,采用平行极板法测量不同新鲜度鸡蛋在温度为20℃,相对湿度为72%~89%,频率为1~200 k Hz下的介电特性参数,分析鸡蛋介电特性的变化规律,并建立鸡蛋介电特性与蛋黄指数之间的数学模型。分析了鸡蛋介电特性随测量信号频率及新鲜度指标蛋黄指数的变化曲线,发现其介电参数随频率及蛋黄指数的增大而减小。构建了蛋黄指数与相对介电常数的拟合方程,鸡蛋样品的实际蛋黄指数与模型预测的蛋黄指数间的决定系数R2为0.9115,蛋黄指数的误差为±4.2%,试验结果表明:利用拟合方程预测检验鸡蛋蛋黄指数取得了较好的预测效果,为无损检测鸡蛋新鲜度提供了一种新的可行方法。     

不同饲养模式鸡蛋品质及营养成分比较研究

选取仙居地区450~500日龄阶梯式笼养、山林地散养、草地散养鸡蛋各20枚,比较和分析鸡蛋感官品质和营养成分。从鸡蛋重量来看,山林地散养鸡蛋显著高于笼养和草地散养鸡蛋;从蛋黄颜色、哈氏单位、蛋壳强度来看,草地散养鸡蛋显著高于笼养和山林地散养鸡蛋;从营养成分胆固醇和低密度脂蛋白胆固醇含量来看,笼养鸡蛋最高,山林地散养鸡蛋最低;从不饱和脂肪酸含量、ω3系列含量和ω6/ω3比值来看,草地散养鸡蛋和山林地散养鸡蛋均好于笼养鸡蛋,且草地散养鸡蛋最优。结果表明,草地散养鸡蛋品质优于笼养鸡蛋,尤其是消费者偏好的蛋黄颜色、哈氏单位以及对人体起保健作用的不饱和脂肪酸和ω3系列脂肪酸含量;山林地散养鸡蛋品质略逊色于草地散养鸡蛋,但其蛋品质和营养成分整体均优于笼养鸡蛋。     

禽蛋破损在线检测自动敲击发声装置设计与试验

针对禽蛋破损在线检测技术要求,设计了一种轻巧的自动敲击发声装置,该装置利用电磁吸合原理,由单片机控制线圈中电流的方向和大小变化,改变感应区的磁场方向和磁场强度,控制敲击杆的伸出、停止和返回,从而实现对蛋壳的敲击发声,密闭在敲击杆内部的麦克风采集声音信号。对自动敲击发声装置的结构和工作原理、硬件参数及软件实现进行了描述,并以鸡蛋为对象,进行了声音信号采集试验。结果表明：该装置运行稳定,反应迅速,敲击准确率达到了100%,而且敲击力度适中,敲击引起的蛋壳损伤率为0,采集的声音信号实时、清晰,为改善禽蛋无损检测装备性能提供了参考。     

基于有限元模型的欧姆加热预煮鸡蛋凝固过程解析

针对传统的鸡蛋预煮方法升温条件不可控,蛋清、蛋黄凝固状态难以控制等问题,该研究通过试验明确了蛋壳导电性能,在此基础上建立并验证了欧姆加热预煮鸡蛋过程的有限元模型,研究了欧姆加热预煮鸡蛋过程中鸡蛋内部的温度分布,分析了欧姆加热对鸡蛋凝固过程的影响,明确了电场强度和摆放方向对鸡蛋内部升温速率与温度分布的影响。结果表明：欧姆加热条件下,蛋壳可近似视为绝缘体;欧姆加热预煮鸡蛋是壳外溶液在欧姆效应下温度升高,通过热传导作用来实现的;建立了欧姆加热预煮鸡蛋的有限元模型并进行验证,温度模拟值与实测值之间的相对均方根误差均小于5%;鸡蛋长轴沿垂直电极板方向摆放,有利于改善鸡蛋内部加热均匀性;可以通过控制欧姆加热条件确定鸡蛋的凝固状态,达到控制鸡蛋蛋清、蛋黄凝固时间及状态的目的。研究结果可为开发基于欧姆加热的鸡蛋预煮装置提供参考。     

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。     

鸡蛋新鲜度的光特性无损检测

光学特性正越来越广泛应用于农产品质量分析、新鲜度和成熟度检测中。本研究目的是探讨光特性无损检测鸡蛋新鲜度的原理和实现方法。试验以200个不同新鲜度的鸡蛋为研究对象，在温度为(28±2)℃，相对湿度为55%的贮藏条件下，在200～800 nm光谱测量范围内对鸡蛋的新鲜度与贮藏时间的相关性进行了追踪光透射特性试验，同时对鸡蛋新鲜度与不同贮藏时间的相关性进行了分析。通过Origin 6.0对光谱透射数据的统计分析建立了透射率与波长，透射率与贮藏时间的相关数学模型，其相关系数分别为0.86和0.94，并找出了用于检测新鲜度的特征波长为465 nm。试验结果表明鸡蛋的透射特性应用于鸡蛋新鲜度检测具有可行性和快速性。     

果蔬产品品质无损检测技术的研究进展

该文较为全面地介绍了国内外基于果蔬产品物理特性的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以了展望,认为综合应用多种高科技技术进行果蔬产品的无损检测与分选是未来发展的趋势。     

农产品组织中光输运规律的初步研究

目前对农产品近红外无损检测中的光输运规律研究较少,该文主要从光的辐射传输方程出发,简析了基于该理论的几种相关模型及Monte Carlo(蒙特卡罗)仿真方法,讨论了各种模型适用条件和范围。应用Monte Carlo仿真方法,选择目前已知的肌肉组织光学参数进行了仿真计算,给出光源到检测距离与穿透深度的计算结果。研究表明,光传输理论和蒙特卡罗仿真方法在农产品无损检测领域将有良好的应用前景。     

基于结构光反射成像的水果果皮和果肉光学特性参数测量

光学特性参数准确测量有助于解析光学技术的检测机理,为农产品品质安全检测提供理论依据。结构光反射成像以其宽屏非接触成像、深度辨析和成像分辨率可控等优点,逐渐成为光学特性检测领域的研究热点。该研究首先通过已知光学特性的双层样本对结构光反射成像系统进行标定,然后利用该系统采集苹果、猕猴桃和芒果的结构光反射图像,结合分步方法进行图像解调和参数拟合,从而得到果皮和果肉组织的吸收系数和约化散射系数,最后比较该技术与单积分球技术测得的光学特性差异,并分析潜在影响因素。结果表明:双层标定样本首层和次层组织的光学特性测量误差分别小于19%和28%;水果果皮组织的光学特性参数普遍高于果肉组织,果皮和果肉组织的吸收系数曲线能反映色素等成分在特定波长的吸收峰;切片组织离体时间和厚度测量误差均会对单积分球技术测量水果组织光学特性产生不可忽略的影响。该研究为双层组织光学特性参数的准确测量提供新方法。     

便携式生鲜肉品质无损快速检测装置的设计

针对生鲜肉检测部门对可移动、便携式检测设备的实际需求,设计了基于ARM处理器便携式生鲜肉品质无损快速检测装置。介绍了该装置的工作原理、硬件构成、软件系统和功能测试。硬件系统由ARM控制处理单元、光源及检测单元、光谱数据采集单元、LCD触摸屏显示单元和散热单元组成,设计了Linux操作系统和生鲜肉品质参数采集处理应用程序。该系统可实现脱离计算机采集光谱信号、存储、显示及处理分析一体化的功能。该装置体积为184 mm×127 mm×114 mm,装置质量约为3.5 kg。以批量样品验证装置检测精度,试验结果表明,颜色L*、a*、b*3个参数的均方根误差分别为1.49、1.09和0.59,平均检测一个样品时间约为1 s。该装置可以快速获得样品参数,具有体积小、便携、无损伤、快速检测的特点,可用于生鲜肉品质的便携式检测。     

基于声振信号对称极坐标图像的苹果霉心病早期检测

为实现苹果早期霉心病较高精度的检测,该研究采用对称极坐标法（Symmetrized Dot Pattern,SDP）将苹果声振信号变换为雪花图,然后采用AlexNet、VGG16和ResNet50卷积神经网络以迁移学习方式深度挖掘SDP雪花图像的特征信息,将其输入到支持向量机（Support Vector Machine,SVM）分类器,对霉心程度≤7%的苹果进行检测。研究结果表明,当时间间隔系数为25和角度放大因子为50°时,健康果与早期霉心果声振信号的SDP图形状特征差异最大,在此条件下获取的SDP图经卷积神经网络AlexNet、VGG16和ResNet50提取特征并构建了不同核函数的SVM霉心果检测模型,在各类SVM模型中,ResNet50-SVM-gaus（高斯基）模型用相对较少的训练时间和参数量可取得训练集霉心果较高分类准确率,经超参数优化训练该模型对健康果和早期霉心果测试集不平衡样本（10∶1）的总体分类准确率达到96.97%,平均查准率、平均查全率、平均加权调和均值、Kappa系数和马修斯相关系数值分别为80.19%、90.36%、86.21%,82.54%和82.68%,该模型不仅对多数类的健康果保持较高分类准确率,而且对少数类的早期霉心果也具有较高判别能力。这些研究结果为声振法应用于果蔬内部病害的早期在线检测系统研发提供了技术支撑。     

漫透射法无损检测荔枝可溶性固形物

为了快速无损检测荔枝内部品质并为荔枝快速检测分级提供科学依据,研究荔枝可溶性固形物无损检测途径。该文首先针对荔枝果皮较硬而且凹凸不平的特征,比较了漫反射法和漫透射法的试验效果,接着采用多种预处理方式对漫透射光谱进行了处理,并采用连续投影算法结合相关系数法优选建模波长,最后比较了最小二乘法和神经网络法的建模效果。试验结果显示漫透射方式是较好的荔枝光谱采集方式;通过连续投影算法结合相关系数法,从全部500个波长变量中最终提取出11个优选波长,只占波长总数的2.2%;基于这11个波长的神经网络模型的预测相关系数为0.867,预测均方根误差为0.370%。结果表明基于漫透射法进行荔枝可溶性固形物无损检测是可行的。     

基于高光谱图像的茶树LAI与氮含量反演

为了对茶树进行实时、快速、无损的叶面积指数LAI和氮含量检测,该文以英红九号茶树为试验对象,利用便携式高光谱成像仪采集光谱数据、人工破坏性采摘叶片进行叶面积指数的计算以及传统化学方法测量叶片氮含量,比较不同高光谱特征变换形式与LAI和氮含量之间的相关性,并选择其中相关系数较高的高光谱特征变量作为自变量,分别采用线性、指数、对数和抛物线表达式建立LAI和氮含量的回归模型。结果显示:在多种高光谱数据变量建立的模型中,以绿峰反射率R_g为自变量的对数拟合模型最佳,其拟合样本的决定系数R~2和验证样本的均方根误差RMSE值分别为0.9和0.087 6。以植被指数变量VI_4(红边面积/黄边面积)与氮含量建立的指数模型为最佳建模效果,拟合样本的决定系数R~2和验证样本的均方根误差RMSE值分别为0.830 3和0.102 9,研究结果可为茶树叶面积指数LAI和营养成分的无损检测提供参考。     

基于可见/近红外光谱的菠萝水心病无损检测

水心病近年严重危害菠萝产业,探究一种菠萝水心病的无损检测方法对保证上市果品、指导采后处理、促进产业提升具有重要意义。该研究采用自行搭建的菠萝可见/近红外光谱无损智能检测平台,考虑实际应用成本与效果,搭载覆盖不同波段（400～1 100、900～1 700和400～1 700 nm）的检测器对菠萝样本进行采样,随后人工标定水心病发生程度。研究结果表明,3种不同光谱波段对菠萝水心程度检测的较优方法均为：采用全波段进行多项式平滑（Savitzky Golay,SG）处理,再进行标准正态变量校正（Standard Normal Variate,SNV）,最后结合概率神经网络（Probabilistic Neural Network,PNN）建模识别。其中,400～1 100 nm所建模型对菠萝水心病训练集的回判正确率为98.51%,对验证集的检测正确率为91.18%;900～1 700 nm所建模型对菠萝水心病训练集的回判正确率为100%,对验证集的检测正确率为62%;400～ 1 700 nm所建模型对菠萝水心病训练集的回判正确率为100%,对验证集的检测正确率为91.18%。主成分分析（Principal Component Analysis,PCA）和偏最小二乘回归（Partial Least Squares Regression,PLSR）分析结果均显示,采用400～ 1 700 nm能轻微提升400～1 100 nm的检测效果。综合考虑实际应用成本与效果,实际应用建议采用400～1 100 nm光谱结合SG + SNV + PNN对菠萝水心病进行识别。研究结果证明可见/近红外光谱技术可为菠萝水心病无损、快速、智能检测提供有效的解决方案,为相关领域提供参考。