基于MATLAB的苹果图像处理研究

利用图像处理技术对水果进行分级具有无损水果、速度快等优点,在苹果分级中采用MATLAB 7.0开发环境下的分级系统对苹果图像信息进行处理,结果表明,该方法可达到实际应用的要求。     

基于DPLS和LS—SVM的梨品种近红外光谱识别

为了实现不同品种梨的快速光谱鉴别,采用主成分分析法(PCA)对光谱数据进行聚类分析,得到3种不同品种梨的特征差异,主成分分析表明,以所有建模样本主成分PC1和PC2做出的得分图,对不同种类梨具有很好的聚类作用。利用主成分分析得到的载荷图可以得到对于梨品种敏感的特征波段,用特征波段图谱作为输入建立偏最小二乘判别(DPLS)模型和最小二乘支持向量机(LS-SVM)模型。3个品种梨各70个共210个分别建立偏最小二乘判别(DPLS)模型和最小二乘支持向量机(LS-SVM)模型。对未知的24个样本进行预测,LS-SVM模型品种识别准确率达到100%,DPLS模型的校正及验证结果与实际分类变量的相关系数均大于0.980,交叉验证均方根误差(RMSECV)和预测均方根误差(RMSEP)都小于0.100,品种识别率为100%。表明提出的方法具有很好的分类和鉴别作用,提供了梨的品种快速鉴别分析方法。     

柑桔质量安全可追溯信息系统实现方法

以柑桔质量安全可追溯信息系统实现方法为研究内容,以江西特色水果赣南脐橙为研究对象,应用RFID技术、二维码技术和asp.net组件技术等关键技术,融合数据库技术和无线网络技术等多学科技术,解决每个参与对象信息的可追溯性、完整性以及柑桔种植、生产、流通、交易等信息交换所涉及的关键技术,实现赣南脐橙质量安全信息可追溯.     

近红外漫反射检测梨可溶性固形物SSC和硬度的研究

采用近红外漫反射光谱检测梨可溶性固形物(SSC)和硬度.采集梨的近红外漫反射光谱,光谱经梨的吸光度原始光谱、一阶微分和二阶微分预处理,分别采用多元线性回归、主成分回归和偏最小二乘法,建立了梨可溶性固形物(SSC)和硬度的定量预测数学模型.结果表明采用一阶微分结合偏最小二乘法的预测效果最好,可溶性固形物(SSC)和硬度定量数学校正模型的相关系数分别为0.9285和0.8478,均方根误差分别为0.4364°Birx和1.227.近红外漫反射光谱作为一种无损的检测方法用于评价梨可溶性同形物(SSC)和硬度是可行的.     

南丰蜜桔可溶性固形物近红外特征波段选择

探讨了在350～1 800 nm波段范围内不同光谱预处理方法对提高模型预测能力和稳定性的作用,但其效果不如间隔偏最小二乘法显著.通过间隔偏最小二乘特征波段选择方法,确定了南丰蜜桔可溶性固形物特征波段为:642～787 nm、861～1 006 nm、1 080～1 152 nm和1 226～1 371 nm.采用30个未参与建模的南丰蜜桔样品,预测特征波段建模模型,预测模型的相关系数为0.95,预测均方根误差为0.55°Birx.结果表明:近红外光谱技术结合间隔偏最小二乘特征波段选择方法,可以提高南丰蜜桔可溶性固形物无损检测数学模型预测能力和稳健性.     

基于MATLAB平台的农产品分级图像处理系统

农产品分级图像分析研究是实现农产品质量机器视觉检验的基础。介绍了基于MATLAB平台的农产品图像处理软件运行界面,并对其系统菜单功能模块进行了演示：结果显示,基于MATLAB平台的农产品分级图像处理软件可达到实际应用的要求。     

苹果自动分级中计算机视觉信息处理技术的研究

在VC 开发环境下系统对苹果自动分级中计算机视觉信息进行处理,提出了一种苹果分级的R通道方法,对苹果视觉信息进行区域标记。实验结果显示,该方法可满足实际应用的要求。     

农产品质量安全可追溯系统的研究进展

可追溯系统是实现农产品质量安全管理和监控追溯的有效手段,具有准确性和实时性。通过对可追溯系统应用现状的回顾,总结了构建可追溯系统的关键技术,阐述了软件平台构建技术及可追溯系统的组成要素,提出了实际履行农产品和食品安全可追溯系统中所存在的问题。以期对发展外向型农业,实现农产品质量安全的可追溯提供参考价值。     

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。     

近红外漫反射无损检测梨果糖度及pH值的研究

【目的】应用近红外漫反射光谱技术无损检测梨果的糖度和pH值。【方法】采集完整梨果的近红外漫反射光谱(350~1 800 nm),光谱经移动窗口平滑处理、一阶微分和多元散射校正预处理后,再分别采用多元线性回归、主成分回归和偏最小二乘法,建立梨果糖度和pH值的定量预测数学模型。【结果】采用一阶微分结合偏最小二乘法所建模型的预测效果较好,糖度和pH值定量预测数学模型的相关系数分别为0.928 5和0.858 4,均方根误差分别为0.436 4和0.120 5。【结论】近红外漫反射光谱作为一种无损的检测方法,可用于评价梨果的糖度和pH值。