手持式黄油桃可溶性固形物可见近红外光谱检测设备研制

桃在鲜果市场中占有重要份额。可溶性固形物含量（soluble solid content,SSC）是衡量桃品质的重要参数,是挑选优质桃以及预测最佳采摘时期的重要决策依据。该研究开发了一款基于可见近红外光谱技术的手持式黄油桃SSC无损检测设备。该设备的硬件系统主要由微型光谱仪、卤素灯、OLED显示屏、微控制器以及自主设计的驱动电路组成。为了评估所开发设备的检测性能,采用北京平谷区种植的黄油桃作为样品进行验证。首先,获取校正集样品在680～940 nm范围内的可见近红外光谱,经5点平均平滑和最大值归一化对光谱预处理建立黄油桃SSC偏最小二乘回归模型并用于预测集样本的SSC分析,预测相关系数和均方根误差分别为0.947和0.728%,单果检测时间不超过2 s。为了提高模型精度和稳定性,将校正集和预测集合并后作为新的校正集进行建模,并将重新构建的模型对独立验证集进行预测,SSC预测值与实测值的相关系数为0.906,均方根误差为0.732%。采用分段直接校正算法将主机模型传递到从机。经过模型传递后,从机对独立验证集SSC的预测值与实测值的相关系数和均方根误差分别为 0.865和0.919%。该手持式SSC检测设备可将SSC预测数据以蓝牙方式传输到手机客户端,借助手机定位功能,在地图上实现黄油桃SSC空间可视化分布。研究结果表明,该手持式SSC无损检测设备可以实现黄油桃SSC的准确测量,借助模型传递算法。实现了模型在不同设备间的有效传递,避免了重复建模,可为该设备批量生产节约大量成本,具有广阔的应用前景。     

基于近红外光谱的板栗水分检测方法

含水率是影响板栗贮藏、加工的关键指标之一,该文应用近红外光谱技术对板栗含水率进行快速无损检测。试验对240个板栗样本的带壳光谱和栗仁板栗光谱采用SPXY算法进行样本集划分,利用偏最小二乘法建立含水率定量检测模型,并对微分、多元散射校正、变量标准化等多种预处理方法对建模结果的影响进行比较。结果表明：栗仁和带壳板栗的光谱经一阶微分预处理后所建模型性能最佳,其中栗仁的水分检测模型校正集和验证集的相关系数分别为0.9359和0.8473,校正均方根误差为1.44%,验证均方根误差为1.83%;带壳板栗光谱所建模型校正集和验证集的相关系数分别为0.8270和0.7655,校正均方根误差为2.27%,验证均方根误差为2.35%。受栗壳的影响,带壳板栗光谱模型对含水率的预测精度低于栗仁光谱模型的预测精度。研究表明,近红外光谱分析技术可用于板栗含水率的快速无损检测。     

牛肉质构特性的近红外光谱无损检测

为了建立基于近红外光谱技术的牛肉质构特性快速检测方法,该试验采集了202个新鲜牛肉样品在800～2500 nm波长范围内的漫反射光谱,测定了牛肉的硬度、弹性、咀嚼性和黏附性,经小波消噪后,分别采用平滑、一阶微分、二阶微分等6种方法预处理,建立了牛肉质构特性的偏最小二乘回归模型,并用最优模型进行预测。结果表明：经小波消噪后采用二阶微分预处理方法建立的牛肉硬度、弹性、咀嚼性的检测模型效果最好,其校正集相关系数 r 均在0.9以上,校正集均方根误差（root means square error of calibration,RMSEC）分别为6.247 N、0.760 mm、14.954 mJ,预测集相关系数均在0.664以上,预测集均方根误差（root means square error of prediction,RMSEP）分别为8.887 N、0.951 mm、22.117 mJ,相对预测误差（ratio of prediction to deviation,RPD）值分别为2.43、1.88、2.32,预测精度较高,能够有效地预测牛肉的硬度、咀嚼性,可以检测精度要求不高的牛肉弹性;试验所建立的牛肉黏附性检测模型的预测性能不是很理想,虽然其校正集和预测集相关系数较高（分别为0.720、0.694）,RMSEC 和 RESEP 均较小（分别为0.302、0.243 N·mm）,但其 RPD 值小于1.5,模型预测精度较差,不可以用于预测未知样品的黏附性,此方法还需进一步研究。研究结果为牛肉质构特性的快速无损评价提供了理论依据。     

利用近红外光谱技术检测掺假豆浆

为了对豆乳内在营养指标及掺假豆乳进行快速检测,试验运用近红外光谱技术,利用偏最小二乘法进行回归分析,分别建立83个真伪豆浆样品的蛋白质和总固形物含量定标模型,并对模型的预测性能进行分析。结果表明:选取主成分数为12和14,蛋白质和总固形物含量的近红外光谱预测值与化学实测值之间的相关系数R分别为0.9756和0.9489,校正均方根误差分别为0.186和0.175,预测集样品的预测值和实测值之间的残差值均较小、接近零,残差之和分别为-0.074和-1.191,说明建立的定标模型可以准确预测豆浆中蛋白质和总固形物含量,且预测性能较好;通过对预测集样品的预测值与豆浆行业标准规定值相比较,确定预测集样品中掺假豆浆的正确判别率为100%,说明建立的蛋白质和总固形物含量定标模型可以应用于掺假豆浆的判别检测,且判别结果准确率高。本试验表明利用近红外光谱技术可实现对豆浆主要品质指标的快速无损检测,也可准确进行真伪豆浆的快速判别,本检测方法可为豆乳行业健康持续发展提供一定的技术支撑。     

临夏市玉米田土壤墒情监测浅析

选择临夏市不同土壤类型的玉米田,建立10个土壤墒情监测固定点,定期对各监测点0～20 cm、20～40 cm土层土壤墒情进行测定。结果表明,土壤墒情的变化规律与自然降水量、地区气温变化、作物的生长期及生长规律密切相关。土壤墒情总体上随降水量的增多而增加,土壤体积含水量的变化与本区域的降水规律相吻合。不同时期各监测点20～40 cm土层土壤体积含水量高于0～20 cm土层。     

近红外光谱式联合收割机谷物蛋白质含量检测系统设计

为了实现谷物联合收割机收获时实时在线检测谷物的蛋白质含量并记录采样地理位置信息,研发了一种基于近红外光谱原理的谷物蛋白质含量在线检测系统,系统主要由近红外光谱传感器模块、螺旋采样输送机构、控制模块、GPS/北斗定位模块、工控显现一体机等组成。谷物联合收割机近红外光谱式蛋白质含量在线检测系统工作时,当联合收割机出粮搅笼排出的谷物经过螺旋采样输送机构,采样机构的步进电机根据检测速率要求由控制器控制并间断进行谷物输送,控制器同时控制近红外光谱传感器在步进电机停止转动时进行光谱采样,谷物的近红外光谱和GPS/北斗定位模块位置信号等数据由RS485总线传输至上位机。编制了近红外传感器和采样机构等的控制与数据处理分析软件,经谷物蛋白质含量预测模型处理后,将谷物蛋白质、采样位置信息等实时显示在终端上并保存。为了验证谷物蛋白质含量预测模型及在线检测系统的性能,开展了室内标定和田间系统动态测试试验,小麦蛋白质含量预测模型的决定系数R2为0.865,绝对误差范围为-0.96%～1.22%,相对误差范围在-7.30%～9.53%,预测标准差值为0.638%;水稻蛋白质含量预测模型的决定系数R2为0.853,绝对误差范围为-0.60%～1.00%,相对误差范围为-8.47%～9.71%,预测标准差值为0.516%。系统田间测试试验表明,小麦蛋白质含量的最大相对误差为-6.69%,水稻蛋白质含量的最大相对误差为-8.02%,采样分析时间间隔对系统测试精度的影响不显著,系统稳定性和检测精度达到田间谷物蛋白质在线检测需要,为精准农业作业提供了科学依据。     

适宜西瓜检测部位提高近红外光谱糖度预测模型精度

为了提高中国厚皮类瓜果的品质质量和出口能力,增强中国水果品质检测装备制造业的技术实力和技术水平。该文以西瓜为对象,对其糖度进行了试验研究。由于西瓜各部位存在差异,因而不同部位采集近红外光谱会对糖度预测模型精度产生影响。采用自主搭建的西瓜内部品质检测系统对不同批次西瓜瓜梗、瓜脐和赤道3个部位采集漫透射光谱信息,分别采用偏最小二乘回归法(partial least squares regression,PLSR)和最小二乘支持向量机法(least squares support vector machines,LS-SVM)2种方法对西瓜糖度建立预测模型,考察西瓜不同检测部位对西瓜糖度预测模型精度的影响。2种预测模型均显示,赤道部位采集光谱所建立的预测模型检测精度较差,而采用瓜脐部位获取光谱信息建立预测模型略好于瓜梗部位,最佳预测相关系数rpre达到0.823,预测均方根误差(root mean square error of prediction,RMSEP)为0.652%。该研究结果表明,不同部位采集光谱信息对最终的检测模型精度有影响,瓜脐部位为该文西瓜内部品质检测装置的较优采集部位。     

秋覆膜对辽西半干旱区土壤墒情的影响

秋覆膜对辽西半干旱区土壤墒情的影响研究,通过秋覆膜及裸地两种试验处理,于春播前观测其土壤含水量的变化,探讨了在辽宁西部旱作区秋季覆膜保墒的可行性。试验于秋季覆膜处理前的2006-11-10测定覆膜区与对照区不同土层土壤含水量,在秋季覆膜处理前,各土层土壤平均体积含水量均超过23%,于2007-05-05同时测定秋覆膜及裸地两种试验地的不同土层土壤含水量,结果表明,秋季覆膜与对照处理土壤含水量差异在0～10cm、10～20cm、20～30cm土层达到了极显著水平,秋季覆膜比对照分别高55.0%、53.8%和61.3%,这一水分条件能够满足玉米等大田作物种子发芽的需要,可以解决春季由于干旱而不能适时播种的难题。同时也避免了该地区冬春季的风蚀问题。     

基于傅里叶变换近红外光谱的籽棉含水率无损检测

为了实现对籽棉含水率的快速、无损检测,该研究采用傅里叶变换近红外光谱技术建立籽棉含水率定量检测模型。首先探究了籽棉样本密度对于光谱曲线的影响,该研究发现样本密度大小对光谱曲线影响显著,密度越小光谱信号越强,当样品密度不低于0.088 6 g/cm³时,光谱曲线变化趋于平稳。通过采集籽棉样本在3 900～11 000 cm^-1波数范围的吸光度光谱数据,并应用了9种预处理方法对原始光谱数据进行处理。发现一阶导数结合消除趋势(first derivative-detrending,FD-DT)预处理方法在偏最小二乘回归(partial least squares regression,PLSR)模型建立时表现最佳。使用了竞争自适应重复加权法(competitive adaptive reweighted sampling,CARS)、信息增益法(information gain,IG)、连续投影法(successive projections algorithm,SPA)和相关系数(correlation coefficient,CC)等算法,来获...     

近红外光谱检测苹果可溶性固形物

该文目的是通过静态和在线两种方式的对比试验,研究苹果可溶性固形物近红外光谱静态和在线检测的差异。分别在静态（600～950 nm）和在线（600.02～950.92 nm）2种检测方式下,采用间隔偏最小二乘法,寻找苹果可溶性固形物的特征波段,建立了苹果可溶性固形物近红外光谱检测用数学模型,并进行对比分析。试验结果为：与静态检测模型相比,在线检测模型性能稍弱,模型预测相关系数为0.78,预测均方根误差为1.04oBirx。试验结果表明：近红外光谱在线检测苹果可溶性固形物的精度不理想。     

基于近红外光谱土壤水分检测模型的适应性

由于土壤水分的近红外光谱定量分析模型精度依赖于样品状态,故土壤水分定量分析模型的适应性极其重要。以湖北地区的3种土壤为研究对象,利用偏最小二乘法交叉验证建立了处理后样品下的土壤水分分析模型,模型预测值与标准值的决定系数R2为0.9946,交叉验证预测均方差为0.801%,模型预测决定系数R2为0.9919,预测均方差为0.912%;利用主成分分析了未处理土壤样品与处理土壤样品得分图的差异,结果表明定量分析模型对未处理样品的预测精度降低;采用斜率/截距的方法修正了12个未处理样品的模型预测值,预测平均绝对值误差从0.78%降低到0.38%,结果表明斜率/截距校正法能较好的提高近红外光谱土壤水分定量分析模型的适应性。     

近红外光谱和机器视觉信息融合的土壤含水率检测

为了精确、快速和稳定测定土壤含水率以及扩大所建模型的适应性,该文提出了机器视觉与近红外光谱技术融合的土壤含水率分析方法。通过试验建立了湖北地区主要土壤基于近红外光谱的土壤含水率分析模型、基于土壤表层图像特征参数的含水率分析模型和机器视觉与近红外光谱信息融合的土壤含水率分析模型。结果表明,基于近红外光谱含水率分析模型虽然具有较高的精度,但该模型预测非建模样品黄绵土误差均大于4%;以图像特征参数H,S和V所建BP人工神经网络非线性预测模型最优,模型的决定系数R2为0.9849,但当土壤水分饱和（达到20%以上）时存在分析误差;而所建立的土壤的近红外光谱与机器视觉BP神经网络信息融合模型可预测非建模样品黄绵土与水分饱和达20%以上土壤,决定系数R2可达到0.9961,融合模型分析精度均高于单独使用近红外光谱或机器视觉分析模型。     

基于近红外法的棉花回潮率测量系统研制与试验

该研究针对棉花回潮率的测量问题,进行了烘箱法、电阻法、红外法3种棉花回潮率检测方法的试验,基于理论及实际测试试验证明了基于红外法非接触测量棉花回潮率的可行性,并在现有红外水分仪的基础上开发了棉花回潮率非接触测量系统上位机软件.首先进行了6％、8％、10％、12％、14％、16％这6个不同回潮率水平棉花样本的制备.然后分...     

便携式番茄多品质参数可见/近红外检测装置研发

该文针对番茄独特的囊室结构及整体成熟度不均等问题,基于可见/近红外全透射光谱,研发了便携式番茄内外品质快速无损实时检测装置.该装置的硬件系统主要包括光源模块、信号采集模块、信号处理模块、电源模块、散热模块和打印模块,基于该硬件系统,采集了番茄630~1100 nm范围内可见/近红外透射光谱,选取650~1100 nm范围的光谱进行SG卷积平滑(savitzky-Golay smooth,SG-smooth)、标准正态变量变换(standard normal variable transformation,SNV)和多元散射校正(muliplication scattering correction,MSC)等预处理,建立了番茄颜色、硬度、总酸、总糖含量的偏最小二乘预测模型.基于QT开发框架编写了番茄多品质无损检测实时分析控制软件,植入番茄多品质参数预测模型,实现了番茄多品质参数检测一键式操作.为了测试该装置的检测精度和稳定性,选取与建模无关的20个同品种样品对每个样品的内外品质重复检测8次,结果表明:番茄颜色预测值与实测值相关系数为0.9528,均方根误差为2.7038,硬度预测值与实测值相关系数为0.9405,均方根误差为0.4486 kg/cm2,总酸含量的预测值与实测值相关系数为0.9537,均方根误差为0.3263%,总糖含量预测值与实测值相关系数为0.9610,均方根误差为0.1974%.番茄样品颜色、硬度、总酸和总糖重复检测最大相对误差分别为2.9%、1.9%、2.0%和1.6%.该便携式检测装置基于可见近红外全透射光谱,实现了番茄颜色、硬度、总酸、总糖含量的同时快速无损实时检测,预测精度及稳定性较好,可以满足实时评价番茄品质的市场需求.     

近红外反射土壤含水率测量仪设计

水资源是制约中国农业生产最重要的因素之一,土壤含水率的检测对农业生产实践具有至关重要的指导意义。该文根据土壤水分对不同光谱的吸收和反射特性,以发光二极管作为测量仪器光源,中心波长为1 940 nm的光为测量光,1 800 nm为参考光设计了专用的测量电路和相应的软件程序来测量土壤含水率。系统光源发出的光照射到土壤表面,经反射后光电转换器,再送至放大电路、模数转换器、显示和存储。试验表明:土壤含水率与相对吸收深度之间存在正比例关系,线性回归的确定系数为0.86。为了证明测量仪器的测量进度,将实际土壤含水率与仪器的测量结果进行比较修正,结果表明:烘干法与本仪器测量的土壤含水率的结果的均方根误差均为3.9%。因此,本次设计的测量仪器可满足对土壤含水率的测量要求,研究结果在指导农业生产,水资源合理利用,精细灌溉的实时监测中具有良好的应用前景。     

吉林市土壤墒情监测系统开发及利用

为了及时掌握吉林市土壤墒情信息,为旱情预报预警提供基础数据,开发了吉林省吉林市土壤墒情监测系统。该系统由1个旱情分中心、建立在辖区内5个重点抗旱县的信息站以及分布在各县的13个土壤墒情监测站组成。土壤墒情监测站每天定时采集土壤墒情信息,通过GSM短消息上传到信息站;信息站对数据进行初步的整理后上报旱情分中心;旱情分中心根据各信息站上报的土壤墒情信息对区域旱情作出预报或预警,并根据需要给出抗旱决策。历时两年多的连续运行表明,系统在可靠性和实用性上基本达到了要求。     

便携式土壤湿度检测装置用于精准灌溉决策系统

采用最先进的技术进行精准灌溉是现代农业发展的必然趋势,但在准确预测被监测区域的土壤湿度时,面临一个两难的处境:少量土壤湿度固定检测点不能良好地反映作物区域土壤墒情信息,而大量布置传感器检测点又使得投资成本较大。因此该文设计了一种便携式土壤检测装置,同时基于该装置构建了一个精准灌溉决策系统,并把该系统应用于田间的精准灌溉决策。该系统由便携式土壤湿度检测装置和上位机决策软件2部分组成,其中便携式土壤湿度检测装置由FDR原理土壤水分传感器MS-10、低功耗单片机C8051F410、蓝牙无线传输模块、数据显示模块以及部分外围电路组成,可以独立实现时间记录、数据存储和实时显示。经过试验标定,装置的允许最大误差为2.2%,设计精度为95%;上位机决策软件分为数据接收模块、分布式二进制一致性算法模块和系统操作界面3个子模块,分别采用Visual Basic、Matlab和Matlab GUI设计而成,实现对便携式装置所采集数据的无线传输、归一化处理和数据融合处理,能够根据不同区域划分和不同作物灌水下限进行相应的运算,从而得到估计精度较高、区域大小可调的多尺度精准灌溉决策信息。最后通过30 m×30 m草坪的土壤湿度为检测参数的田间验证,该系统的平均决策准确率大于90%,且可以根据需要增减检测点个数。因此既可以独立应用,也可以作为固定检测方式的有效补充,实现作物区域土壤湿度信息的精确采集,有效提高水资源利用率。     

经典BRUTSAERT模型应用于土壤水分检测的适用性探讨

BRUTSAERT理论模型是非饱和土壤介质中弹性波传播的理论模型,主要用于描述声波纵波声速与农业土壤饱和度之间的关系。为探究BRUTSAERT理论模型应用在土壤水分检测中的可行性,本文系统介绍了BRUTSAERT理论模型,分析了其在土壤含水量检测中的适用条件,并在经典BRUTSAERT模型中引入了适当的简化和假设,推导出在不同物理条件下各农业土壤的纵波声速值与土壤水分关系曲线,以及进行土壤声速测量的合适声频。结果表明,当声波发射器和拾音器之间的距离为0.2 m时,且声波频率范围固定在380～708 Hz之间,在任何土壤类型中BRUTSAERT理论模型都是有效的。然而,经典BRUTSAERT模型在推导过程中还存在的一些问题：1）对BRUTSAERT理论模型中关于复合流体体积模量模型的书写错误分析;2）经典BRUTSAERT模型中使用土壤固定泊松比对预测结果带来的影响探讨。该研究可为BRUTSAERT理论模型在土壤水分检测领域的应用研究提供参考。