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。     

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.     

基于激光图像分析的桃货架品质无损检测试验

利用波长为650nm,功率为13、25mW的半导体激光分别照射货架期间早熟(霞晖)和中熟(朝晖)2个品种桃的表面,通过计算机视觉系统获取图像,并对图像进行处理,得到图像S1和S2及其像素面积,然后对各种所设参数(AS1、AS2、AS1-AS2、AS1/AS2)和桃的各种品质指标进行分析。结果表明:图像参数AS1-AS2与最大破坏力F、果面底色色度a*、果面底色色调角H°和桃果实固酸比SSC/TA之间有较好的相关性,结果验证了激光在水果品质无损检测中的可行性。     

基于计算机视觉的冷却牛肉嫩度分析方法

分别运用大理石纹和灰度空间相关矩阵两种方法对含脂肪组织和不含脂肪组织冷却牛肉的图像特征进行了分析。在含脂肪组织牛肉图像中提取了能反映牛肉大理石纹结构分布和数量信息的特征量，在不含脂肪组织牛肉图像中提取出3个反映牛肉纹理粗细的特征量，并用线性回归方法分别建立了特征量与肉嫩度等级间的数量关系。研究表明，灰度空间相关矩阵法适于不含脂肪组织牛肉的嫩度评价，大理石纹方法适于含脂肪组织牛肉的嫩度评价。     

基于激光诱导荧光高光谱技术无损检测脐橙表面敌敌畏残留

常规化学方法检测农药残留不仅对样品具有破坏性,而且费时费力。本文以激光诱导荧光结合高光谱图像技术为手段,对脐橙表面的敌敌畏农药残留进行光谱无损检测;实验方法是在脐橙表面,喷施用自来水配制的不同浓度的敌敌畏农药溶液,在实验室条件下风干后,采集激光诱导荧光高光谱图像,再用气相色谱法检测脐橙表面的农药残留量,应用偏最小二乘(Partial least squares,PLS)方法建立农药残留的预测模型,并找出最佳光谱区间,然后应用支持向量机(Support vectormachine,SVM)方法在最佳光谱区间的基础上建立农药残留的预测模型;所建模型结果其预测集样品的农药残留量实测值(0.4862~10.3791mg/kg)和预测值之间的相关系数为0.8101;实验结果说明,以激光诱导荧光结合高光谱技术为手段的无损检测技术,在检测脐橙农药残留方面是有可行性的。     

激光多普勒测振技术在农产品品质检测中的应用

准确检测农产品品质,可以为采后保存、分期销售、预测产品货架期以及产品分级提供可靠的依据.激光多普勒测振技术基于多普勒效应测量从振动物体表面散射回来的光所产生的频移,具有灵敏度高、非接触性测量、不破坏物体振动等优点,可通过测量农产品的振动特性实现对农产品品质的无损检测.论述了激光多普勒测振技术的进展、原理及其在农产品品质无损检测中的应用.     

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。     

基于高光谱成像技术的面条中马铃薯全粉含量检测

为了快速检测面条中马铃薯全粉含量,研究近红外高光谱成像技术定量检测面条中马铃薯全粉含量的可能性,自制了马铃薯全粉质量分数在0~35%内随机均匀分布的120个面条样品,在900~2500nm范围采集高光谱图像,随机选取80个样品作为校正集,分别采用原始光谱和经过6种预处理方法预处理后的光谱建立了偏最小二乘回归、主成分回归、支持向量机回归模型。结果表明经标准化预处理后用偏最小二乘回归建模效果最好,校正集决定系数（R2C）为0.8653,交叉验证集决定系数（R2CV）为0.6914。用回归系数法在经过标准化预处理后的光谱数据中提取了与全粉含量相关的特征波长,建立了马铃薯全粉含量偏最小二乘回归简化模型, 校正集决定系数（R2C）为0.8685,交叉验证集决定系数（R2CV）为0.8021,基于特征波长建立的模型效果优于全波段模型,模型效果得到了一定的提高。以剩余40个未参与校正模型建立的样品作为预测集,基于特征波长建立了标准化-偏最小二乘回归简化预测模型,预测集决定系数（R2P）为0.8546,模型具有较好的预测能力。结果表明利用近红外高光谱成像技术可检测面条中马铃薯全粉含量,可为马铃薯全粉面条的快速无损检测建立新的方法。     

基于激光诱导荧光光谱分析的黄瓜叶片叶绿素含量检测

利用反射式激光诱导叶绿素荧光光谱分析技术对黄瓜活体叶片叶绿素含量进行检测实验研究。通过对中心波长为473nm和660nm 2种激发光的4种激发强度(2.5、5.0、7.5、10.0mW)条件下荧光光谱的分析,结果显示:在强度7.5 mW、波长473 nm的光源下激发产生的荧光光谱具有很好的准确性和稳定性;在此条件下,荧光参数F_(732)/F_(685)与植物活体叶片内叶绿素含量成极显著线性关系,并以此为基础建立了数学回归模型(R~2>0.93,p<0.001),模型回归系数显著,模型可靠性极好,准确地反映了荧光参数与叶绿素含量的关系。     

轴心调校的激光检测方法

介绍了一种激光和PSD技术应用于机械回转系统的轴心调校的新方法。分析了测量原理，介绍了仪器组成，推导了计算公式，分析了影响测量精度的各种因素。实验证明该方法具有精度高、可靠性好等优点，具有广泛的应用前景。     

基于二维激光传感器无人直升机作业边界探测

无人机喷雾作业边界探测识别是无人直升机喷雾的重要内容,如果喷雾最大喷幅超过目标区域,会导致药液流失,造成环境的严重污染。为此,基于无人直升机平台,选取二维激光扫描传感器、姿态传感器等传感器搭建了一套二维激光扫描探测系统。该系统利用二维激光传感器探测无人直升机距离作物冠层和田埂的高度,计算冠层和田埂距离差值,并把高度差值作为分割阈值,实现无人直升机作业边界的提取,同时进行了田间试验验证。     

基于激光扫描的螺旋输送器焊接质量在线检测

联合收获机螺旋输送器因缺乏快速有效的在线检测手段导致其加工质量差,易出现物料堵塞、叶片开焊、叶片与外壳过度磨损等故障。为此,研究基于激光测距传感器的螺旋输送器焊接质量在线快速检测方法,设计联合收获机螺旋输送器焊接质量在线检测系统,通过结构关系和传感器布局,将主轴径向跳动量、螺旋叶片的径向跳动量以及螺距等关键参数的检测转换为对与之相应的距离信息检测,实现了多参数的连续、同步测量。试验表明,与传统人工测量方法需要根据经验选取多个测量位置、进行多次测量、单次测量耗时15~20min相比,系统可实现关键参数连续、同步测量,单次测量时间缩短至1min。主轴径向跳动量检测的最大相对偏差为3.661%,螺旋叶片径向跳动量检测的最大相对偏差为2.030%,螺距的测量标准差为2.07mm,满足检测需求。系统通过对检测数据的分析处理,实现加工误差的精准定位和3D可视化展示,并根据公差要求对螺旋输送器进行合格性检查评价,对超限变形进行报警。     

基于高光谱成像的生鲜鸡肉糜中大豆蛋白含量检测

为快速无损检测生鲜鸡肉糜中超量添加的大豆蛋白含量,采集了鸡肉糜中掺杂的3种典型大豆蛋白的高光谱图像。在鸡肉糜中分别掺入质量分数0~30%的大豆蛋白粉（SPF）、大豆浓缩蛋白（SPC）和大豆分离蛋白（SPI）,并于可见-近红外（400~1000nm）光谱范围采集样品的高光谱图像,基于波段运算提取感兴趣区域的平均光谱,建立了原始及预处理光谱的偏最小二乘回归（PLSR）定量模型,发现模型对SPC预测效果最优（R2p=0.9984）、SPF次之、SPI最差。进一步利用二维相关光谱（2DCOS）自相关峰提取特征波长,建立的多光谱模型对于3种大豆蛋白的检测限分别可达0.53%、0.58%和1.02%。将以上多光谱模型应用到原始光谱图像,实现了不同大豆蛋白及其掺假梯度的可视化表征。     

基于机器视觉的鸡胴体表面污染物在线检测技术

基于机器视觉技术设计了鸡胴体表面污染物在线检测及处理系统。通过工业相机+滤光片+计算机的方式在线采集鸡胴体表面波长500 nm和710 nm的特征图像,采用中值滤波、灰度增强进行图像预处理,然后采用Otsu法自动确定阈值并获得二值化图像,再对图像进行腐蚀、膨胀、空洞填充以及异或操作,分割得到鸡胴体表面污染物区域并以此判断鸡胴体表面是否存在污染物,然后对鸡胴体表面的污染物进行喷淋处理。试验结果显示,利用该系统进行鸡胴体表面3种污染物(盲肠粪便、血液、胆汁)检测,检测总体平均正确率为90.5%,表明该系统可实现鸡胴体表面污染物的在线检测和正确识别。     

基于深度学习与高光谱成像的蓝莓果蝇虫害无损检测

针对蓝莓果蝇虫害分类识别存在效率低、准确度差等问题,采用深度学习方法对采集的蓝莓高光谱图像进行数据处理与分析,以实现蓝莓果蝇虫害的无损检测。首先蓝莓高光谱图像采用PCA进行降维,优选数据集PC2与PC3并进行拼接得到最佳数据集PC23,对数据集中图像进行旋转90°、旋转180°、模糊、高亮、低亮、镜像和高斯噪声共7种增强操作,使各数据集容量扩增为原始容量的18倍。然后采用VGG16、InceptionV3与ResNet50深度学习模型对蓝莓果蝇虫害图像进行检测,均取得了较高的识别准确率。其中ResNet50模型效率最高,且ResNet50模型的准确率最高,达到92.92%,损失率最低,仅有3.08%,因此ResNet50模型在蓝莓果蝇虫害无损检测方面整体识别效果最佳。为了进一步提高蓝莓果蝇虫害无损检测性能,从ECA注意力模块、Focal Loss损失函数与Mish激活函数3方面对ResNet50模型进行了改进,构建了改进的im-ResNet50模型。得出im-ResNet50模型识别准确率达95.69%,损失率为1.52%。试验结果表明, im-ResNet50模型有效提升了蓝莓果蝇虫害识别能力。采用Grad-CAM分析了im-ResNet50模型可解释性,能够快速、准确地无损检测蓝莓果蝇虫害。     

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.     

基于原型网络的小样本禽蛋图像特征检测方法

机器视觉因具有检测速度快、稳定性高及成本低等优点,已发展成为禽蛋无损检测领域主流检测手段。使用该技术对禽蛋进行无损检测时,需要依赖大量禽蛋图像作为数据支撑才能取得较好的检测效果。由于养殖安全等限制,禽蛋图像数据的采集成本较高,针对该问题,提出了一种适应于小样本禽蛋图像检测的原型网络（Prototypical network）。该网络利用引入注意力机制的逆残差结构搭建的卷积神经网络将不同类别的禽蛋图像映射至嵌入空间,并利用欧氏距离度量测试禽蛋图像在嵌入空间的类别,从而完成禽蛋图像的分类。本文利用该网络分别验证了小样本条件下受精蛋与无精蛋、双黄蛋与单黄蛋及裂纹蛋与正常蛋的分类检测效果,其检测精度分别为95%、98%、88%。试验结果表明本文方法能够有效地解决禽蛋图像检测中样本不足的问题,为禽蛋图像无损检测研究提供了新的思路。     

手持式生鲜肉品质参数无损检测装置研究

开发了一种手持式生鲜肉品质无损检测装置,并对装置进行了功能测试。硬件主要包括多光谱光源阵列（中心波长为470、515、545、 575、610、760、810、910nm）及探头模块、恒流源驱动模块、多光谱数据采集与处理模块、无线传输模块以及显示终端模块等。设计了基于Android的生鲜肉检测APP应用软件,实现了对装置的无线控制功能。整个装置体积为175mm×115mm×25mm,质量约为0.45kg。利用43个猪肉样品进行试验验证,按照37∶1比例将样品分为校正集与预测集,分别利用多元线性回归、偏最小二乘方法以及多元线性结合逐步回归建模方法对数据进行处理并比较结果,结果表明利用多元线性结合逐步回归算法建立的模型结果较好,其中颜色中L*、a*、b*的预测集相关系数分别为0.9471、0.8504、0.8563,挥发性盐基氮(TVB-N)含量预测集相关系数为0.8027。最后利用不同时间段的12块肉样进行验证模型,其中每组颜色指标中L*、a*、b*的真实值与预测值的预测相关系数均大于0.83,预测集标准偏差均小于等于162,挥发性盐基氮含量的真实值与预测值的预测相关系数均为0.80左右,预测偏差及标准偏差均小于等于4.04。从2组的验证结果来看,利用该设备对生鲜肉品质参数进行检测是可行的,模型具有一定的稳定性,且该设备具有轻便、体积小、质量轻、价格低廉等特点,能够为未来生鲜肉品质的便携式无损检测仪器的进一步研发提供参考。