图像处理在汽蚀分析中的应用

应用图像处理技术对流场内汽蚀现象进行分析，结果表明：应用图像处理技术可以精确地对流场内汽蚀现象进行清晰化处理及特征提取。因此，图像处理技术是精确分析汽蚀的一种有效工具。     

往复式切割器惯性力的平衡和减振

本文对由偏置曲柄连杆机构传动的切割器的惯性力及其平衡问题,从理论上进行了分析,在试验台架上测定了各种平衡重所获得的减振效果,并对结果进行了讨论。     

农业物料流化床的非牛顿流动特性初探

本文介绍了用自制旋转式粘度计来测定农业物料流化床流动特性的试验结果,并对不同流化条件下的几种农业物料流化床的流动曲线进行了分析和归类。     

鱼糜在管中流动流变特性研究

非牛顿流体鱼糜属假塑性流体，在管道中输送时流变特性参数与无压情况下的流变特性参数相差很大，其能量损失除与管理状况有关外还与鱼糜表观粘度和挤压应力有关。     

计算机图像技术在牛肉品质检测中的应用(综述)

概述了计算机图像技术在牛肉嫩度、牛肉胴体等级、活体牛肉品质检测中的应用.颜色、大理石纹特征、纹理特征等图像外观特征是计算机可见光图像技术无损检测牛肉内在品质--嫩度的主要方法.计算机可见光图像技术用于检测牛肉胴体等级,通常采用统计彩色图像中R、G、B或L、a、b分量灰度值来确定颜色级别,用统计像素点的方法来确定眼肌肉中脂肪分布和面积,用灰度共生矩阵和行程长度等纹理特征来计算大理石纹分值.超声波图像技术可以用于对活体牛肉品质进行评估,此方法有较好的可重复性和准确性.最后提出了当前需进一步研究的问题.     

农产品无损检测技术课程教学探索

为了提高农产品无损检测技术课程的教学效果,对农产品无损检测技术课程的教学内容、教学方法和实践教学进行了探索。旨在使学生通过有限学时的学习,理解农产品无损检测理论的精髓,掌握农产品无损检测的关键技术,以及了解农产品无损检测技术的国际前沿动态。     

果蔬品质手持式近红外光谱检测系统设计与试验

为满足果蔬加工过程快速检测和质量控制的实际需求,研发近红外光谱技术的低成本、实用化、小型化的果蔬品质手持式检测系统。在分析当前近红外光谱实用化过程的瓶颈问题的基础上,提出果蔬品质的手持式检测系统设计方案,阐述了硬件系统选择和软件系统构建,介绍了检测系统的工作原理;选用近红外微机电系统的数字微镜器件作为分光元件,以单点探测器获取检测信息,从而实现光谱检测系统的微型化设计和系统成本的显著降低。以检测番茄为例,利用设计的手持式检测系统,获取番茄900~1 700 nm范围的近红外光谱,利用先选择特征波段再优选波长的建模策略,分别建立了番茄中番茄红素和可溶性固形物含量的定量检测模型;可溶性固形物含量模型的预测相关系数和预测均方根误差分别为0.899和0.133%;番茄红素模型的预测相关系数和预测均方根误差分别为0.886和2.508 mg/kg。研究表明该系统能够满足果蔬品质的快速无损检测要求,可为实用化、小型化的手持式光谱检测仪设计和开发提供参考。     

基于支持向量机的缺陷红枣机器视觉识别

在枣的干制过程中形成的油头枣、浆头枣、霉烂枣是最常见的缺陷枣,它们整体或局部颜色偏暗、偏黑,有必要通过机器视觉技术将其识别出来.在HIS颜色空间中,提取H的均值和均方差作为红枣的颜色特征值,利用支持向量机识别缺陷红枣.实验结果表明,识别准确率可以达到96.2%,优于人工神经网络的89.4%.     

鸡肉中假单胞菌的近红外光谱快速识别

假单胞菌是鸡肉腐败最主要的致腐菌,为了快速识别鸡肉中的假单胞菌,首先从腐败鸡肉中分离并筛选出致腐菌,进一步利用聚合酶链反应技术对目标菌株进行生物学鉴别(分别为盖氏假单胞菌、嗜冷假单胞菌、莓实假单胞菌和荧光假单胞菌);配置鉴定的4种假单胞菌和等体积混合的4种假单胞菌菌液,采集菌液近红外透射光谱信息;然后运用标准正态变量变换对光谱进行预处理,利用联合区间偏最小二乘法筛选出特征波段;最后有比较地运用K最近邻法、最小二乘支持向量机和反向传播人工神经网络建立5种假单胞菌菌液的近红外光谱分类识别模型。其中反向传播人工神经网络模型预测效果最佳,其训练集和预测集的识别率分别为99.17%和95.00%。研究结果表明,近红外光谱结合反向传播人工神经网络可以快速识别鸡肉中的假单胞菌。     

支持向量机在电子鼻区分不同品种苹果中的应用

为了提高电子鼻检测苹果气味的精度和鲁棒性,利用6点平滑法对气体传感器的数据进行去噪处理,并用支持向量机建立识别模型。应用结果表明,经过去噪处理后,曲线变得光滑,但仍能保持原来的形状,这说明去噪处理既滤除了传感器数据中的噪声同时又保留了传感器的主要信息。提取每个传感器的最大值作为特征参数。分别运用主成分分析和两个支持向量机模型区分富士、花牛、姬娜3种不同品种苹果的气味,主成分分析结果表明3种苹果分布区域存在重叠;两个支持向量机模型可以很好的区分这3种苹果,其中对姬娜和富士的识别正确率达到90％以上,而对花牛苹果的识别正确率达到100％。