精准施肥决策模型与数据库系统

以华北地区小麦及玉米为研究对象,以北京市昌平区崔村镇大辛峰村种植区为例,研究了精准施肥决策系统中施肥参数,并建立了相应的数学模型.将算法模型与数据库相结合,采用线性回归的方法,计算施肥时土壤对氮、磷、钾的需求量,利用二维插值的方法,建立了实验区中已知肥力样点与区域内未知肥力样点的相关关系,从而建立了土壤肥力查询数据库.通过以上方式,结合土壤的养分含量、作物种类及目标产量等相关参数来确定实验区域的施肥量.结果表明,该系统可实现施肥量的精确控制.     

冬小麦叶绿素含量高光谱检测技术

以大田冬小麦叶绿素含量为研究对象,首先利用高光谱成像系统以线扫描方式获取其反射光谱图像,选择感兴趣区域（ROI）并计算出光谱平均反射率值;然后分别针对其原始光谱和一阶差分光谱,通过相关分析和逐步回归分析,得到能反映叶绿素含量变化的7个最佳优化波长;进而基于该优化波长采用多元线性回归（MLR）方法组建模型,通过假设检验剔除对模型贡献不显著的3个波长变量。选用剩余的4个波长即710.85、767.42、650和520nm作为自变量重新建立模型,基于校正集和预测集模型的决定系数R2分别为0.8434和0.7093。研究结果表明,利用高光谱技术检测大田冬小麦叶绿素含量的方法是可行的。     

基于近红外光谱的猪肉水分在线检测与分级

基于近红外光谱法,优化光纤探头检测距离并通过检测距离调节系统和多点同时检测,设计了猪肉水分在线检测分级系统。首先,为确定光纤探头与生鲜猪肉样品表面间的最佳检测距离,在13个不同检测距离下(5~29 mm)采集了54个样品的光谱,采用多元散射校正方法对原始光谱进行预处理,分别建立了第1波段(349~1 435 nm)、第2波段(1 037~1 761 nm)和双波段结合3种情况的含水率偏最小二乘回归模型,分析了不同检测距离和不同波段的模型,确认19 mm为在线检测分级装备的最佳检测距离。然后,通过检测距离实时调节系统动态固定最佳检测距离,设计了双波段多点同时检测系统,采集45个猪肉样品在静态条件和在线条件下的光谱,通过比较分析,两种情况下预测结果相近,从而证实了所设计的在线系统能够预测猪肉水分,并且双波段融合建模效果优于单波段,预测结果为:校正集相关系数和校正均方根误差分别为0.906和0.598,验证集相关系数和预测均方根误差分别为0.836和0.402。最后,利用独立的21个猪肉样品验证猪肉预测分级模型精度及稳定性,结果判断正确率为90.48%,表明可见近红外光谱法结合多点检测能有效地在线检测猪肉水分并分级。     

表面增强拉曼光谱快速检测生鲜肉中的瘦肉精

为了快速检测生鲜肉中的瘦肉精,该研究利用表面增强拉曼光谱技术,以沙丁胺醇为检测目标物,建立了一种快速检测肌肉组织和肝脏中瘦肉精含量的方法。在碱性环境下利用乙酸乙酯对样品中沙丁胺醇进行提取,采用Savitzky-Golay 5点平滑法和自适应迭代重加权惩罚最小二乘法消除光谱噪声以及荧光背景对分析建模的影响。为检测方法的重复性,对50个相同沙丁胺醇质量分数(1 mg/kg)的肌肉组织样品进行信号采集,对沙丁胺醇特征峰强度进行分析,621、814、1 253、1 489、1 609 cm~(-1) 5个特征峰强度的相对标准偏差(RSD)为6.54%、6.07%、8.65%、7.44%、6.81%,说明该方法具有较好的重复性。建立沙丁胺醇标准溶液的预测模型,沙丁胺醇浓度与其特征峰强度相关性较好,决定系数R~2为0.968。对肌肉组织和肝脏中沙丁胺醇含量进行检测,检测范围分别为0.01~5和0.02~5 mg/kg,检出限分别为0.01和0.02 mg/kg,其含量与预测实测值决定系数为0.912和0.921。研究表明,该方法可以实现肌肉组织和肝脏中沙丁胺醇含量的定量预测。     

基于机器视觉的马铃薯黑心病检测机构设计与试验

马铃薯黑心病是一种难以用肉眼分辨的内部病害。在生产加工中,为了准确检出黑心病个体,该研究基于光在马铃薯块茎组织中的透射特性设计了一种马铃薯黑心病检测机构。机构主要包括马铃薯块茎承托槽、光源单元以及光源位置调节轨道等部分,光源单元包括2个LED面光源,形成多点透射的结构,光源波长为705 nm。文中取50个正常样品和29个黑心样品采集图像分析,经过预处理,分别提取马铃薯目标图像和马铃薯高灰度区域的灰度平均值,以二者的相对比值作为黑心病的判别参数。通过与单点透射模式所采集的正常样品图像的相对比值比较,由该机构所采集的正常图像的相对比值普遍偏小,表明所获得图像的灰度均匀性更好,同时得到光源较佳夹角为45°。在该机构下获得的正常样品和黑心样品的灰度平均值相对比值的分类阈值为0.220,得到2种样品的判断正确率分别为98%和96.6%,且黑心样品的相对比值更大,表明使用该机构可以检测黑心马铃薯样品。该研究为马铃薯黑心病检测机构的设计提供了参考。     

生猪肉产量预测的非接触实时在线机器视觉系统

为了准确估测生猪肉产量,该文提出了一种自动提取生猪活体特征的方法,建立了生猪肉产量预测算法。首先,基于自主研发的生猪肉产量预测的机器视觉系统装置实时采集54头活体大白猪的俯视图和侧视图,然后根据图像处理技术对所得的图像进行分析,提取生猪的体长、胸宽、臀宽、体高等体尺参数值;同时通过称量装置获得每头猪的活体质量。其次,将54头生猪样品按2∶1的比例分为校正集和验证集,基于体长、胸宽、臀宽、体高和体质量5个特征参数分别利用多元线性回归法(multiple linear regression,MLR)和偏最小二乘回归法(partial least-squares regression,PLSR)建立不同的肉产量预测模型,通过比较各预测模型的估测精度、相关系数等,确定最佳预测模型。分析结果表明,5个参数中体质量对肉产量预测的权重最大;偏最小二乘回归方法的预测结果较好,最佳预测模型的预测相关系数为0.95,预测误差为3.09 kg。试验结果证实,在检测系统中使用基于生猪的体尺参数和体质量建立的偏最小二乘回归预测模型可快速准确预测生猪肉产量,适于实际生产应用。     

玉米种子活力逐粒无损检测与分级装置研究

基于近红外反射光谱分析技术,设计了玉米种子活力逐粒无损检测与分级装置,该装置主要由单粒化装置、输送管道、近红外光谱采集系统、控制系统和分级装置等组成。种子单粒化装置由一个带孔的倾斜转盘和一个固定托盘组成。输送管道与固定托盘出种口连接,其末端为光谱采集单元。种子由单粒化装置分离后,经输送管道落至光谱采集区进行光谱分析及活力判断,之后由分级装置对判别完成的种子进行分级。带孔圆盘用于将种子单粒化,其工作效率是提高种子检测及分级速率的关键。经分析得出,决定单粒化装置单粒化效率的因素分别为转盘倾斜角、转盘速度和孔高度。为提高检测速率,对单粒化装置进行了参数分析及优化试验。试验结果表明,当转盘倾斜角为31°、转速为0. 5 r/s、孔高度为2. 2 mm时,种子单粒化效率最优,单通道可达7粒/s。为建立玉米种子活力预测模型,基于该装置分别采集了100粒正常有活力玉米种子和100粒人工老化无活力玉米种子在980～1 700 nm波长范围的光谱数据,对种子原始光谱进行不同方法的预处理,并利用PLS-DA建立种子活力的定性判别模型。几种不同处理方式下的建模对比结果表明,SG-smooth预处理下的建模效果最优,其中校正集的判别准确率为98. 7%,预测集的判别准确率为96%。选取100粒种子对该装置预测模型的稳定性和准确性进行了验证试验,种子活力预测的总准确率为97%。所设计的玉米种子活力逐粒无损检测分级装置单粒化效率较高,光谱数据采集稳定,对玉米种子活力进行实时无损检测及分级具有可行性。     

肉品无损检测光学传感器设计与试验

畜肉品质光谱检测过程中,不同样品之间的厚度差异导致肉品表面到光纤探头的检测距离存在差异,对预测结果影响较大。针对这一问题,设计了一种用于肉品无损检测的光学传感器,并间隔玻璃从下至上对畜肉品质进行检测,消除了样品厚度对检测距离的影响,并分析了光谱曲线随检测距离变化的变化规律。为探究所设计方案的可行性,搭建了试验平台,包括光谱仪、距离调节机构、光源、石英玻璃、光学传感器和计算机,其中石英玻璃可透过220~2500nm波长范围的光而无吸收,光学传感器可以帮助采集更多的肉品漫反射光。选择了18个猪肉样品贮藏在4℃环境中,并在不同的冷藏时间取出进行光谱采集（400～1100nm）,采用不同的检测距离（8～22mm,间隔2mm）,最后测量样品的挥发性盐基氮（TVB N）含量。在获得样品光谱数据后,分别用1阶导数、多元散射校正（MSC）、标准正态变换（SNV）和1阶导数+SNV等方法进行预处理,并建立猪肉的TVB N含量的偏最小二乘回归（PLSR）预测模型。结果表明：当检测距离为16mm,采用1阶导数+ SNV预处理时,建立的TVB N含量预测模型效果最好,校正集相关系数和均方根误差分别为0.98和0.92mg/(100g),预测集相关系数和预测均方根误差分别为0.97和1.56mg/(100g)。因此,利用所设计光学传感器对猪肉新鲜度进行检测是可行的。     

类球形水果表皮颜色变化校正方法研究

针对类球形水果表面较大的曲率变化会引起表面亮度不均,从而导致水果颜色分级评价中存在误差大、准确率低等问题,提出了二维B样条水果表面亮度不均校正算法。利用该算法分别对原始RGB图像各单通道图像进行亮度校正,然后将校正后的RGB图像转换成HIS颜色空间图像,提取色调H和亮度I分量,通过对比校正前后H和I分量图像像素灰度标准差评价校正效果。对160幅橙图像处理结果表明,校正后的图像在色调和亮度上比原始图像更加均匀,色调H分量和亮度I分量的平均标准差分别仅为原始图像标准差的21.57%和33.94%,色调和亮度均匀性得到了明显的改善。     

基于粒子群聚类的牛肉含水率光谱检测技术

采用市场当日上架的生鲜牛肉外侧最长肌制作样本,在波长900~2300 nm内进行光谱检测和分析。利用基于粒子群算法(PSO)的聚类分析方法,对光谱信息进行优化以减少计算量,提高回归模型精度。该算法以经过多元散射校正(MSC)、变量标准化(SNV)等方法预处理后的光谱信息作为目标矩阵,以波长为目标进行聚类,根据聚类结果对不同波段进行重新组合,并建立偏最小二乘回归(PLSR)模型。结果表明,利用PSO聚类分析方法在900~1 400 nm波段内获得的生鲜牛肉含水率预测模型最优,Rc=0.920 5,Rv=0.919 1。该方法能够有效减少光谱的数量,提升回归模型的预测结果。