基于应力波的意杨原木、单板及LVL弹性模量相关性研究

评估原木制成的单板、单板层积材（LVL）制品的品质,为原木进行适时最佳分等提供方法,以提高其利用价值。采用应力波无损检测法测定意杨原木、及其单板和LVL制品的动态弹性模量（MOE）值,并研究三者之间的相关性,同时,对LVL进行抗弯力学性能试验,检测其静态MOE值,与其动态MOE进行对比验证。结果表明:用应力波无损检测方法测定意杨原木的动态MOE值与其单板和LVL的动态MOE值之间均有较高的相关性（相关系数R＞0.80）,且LVL动、静态MOE之间呈显著相关（R＞0.90）。     

木材动态弹性模量测量中节子对于应力波传播的影响

为了探讨振动法测量木材动态弹性模量时应力波波速的差异性,以油松、马尾松和杉木的锯材为试验材料,通过横向振动测量与纵向敲击法测量,研究其节子对木材应力波传播速度和弹性模量的影响。结果表明:随着节子质量的增大,引起纵向振动频率减小,应力波波速减小;在节子总质量不变的情形下,节子数量越多,应力波波速也越小;节子尺寸大小与应力波波速成反比,节子质量越大,应力波波速越小。木材节子影响了应力波波速及弹性模量,也影响了木材自身的品质。     

基于太赫兹光谱分析的猪肉K值无损检测方法

K值是评价猪肉新鲜度的重要指标,能够反映猪肉内核苷酸的分解情况,从而评定肉的变质程度。一般采用高效液相色谱法测定K值,此方法过程耗时,需破坏被测样品,不能满足生产和流通环节的快速检测需求。本文利用太赫兹(THz)光谱分析技术无损检测猪肉K值,探索快速检测K值的可行性。在0.2~2 THz范围内,采用衰减全反射模式提取80份不同新鲜度的猪肉THz光谱数据,同时用高效液相色谱法测定每份样品的K值。THz光谱原始数据经过一阶微分和Savitzky-Golay平滑滤波后,分别用主成分回归(PCR)、偏最小二乘回归(PLSR)和反向传播神经网络回归(BP-ANN)建立了THz光谱预测猪肉K值的数学模型。研究表明:非线性BP-ANN模型预测精度最高,相关系数为0.75,均方根误差为14.36%;采用THz光谱数据BP-ANN模型能够检测猪肉的新鲜度K值。与HPLC方法相比,该方法具有快速、无损、简单的特点。     

基于光谱成像的猪肉新鲜度空间分布预测评价方法

新鲜度指标在像素位置缺乏微观参考值,因此将基于均值光谱的化学计量学模型应用到像素光谱时,无法对指标空间分布预测质量进行直接评价.提出了基于准度和精度的评价方法,以兴趣区域内各像素位置微观预测值的统计均值相对于理化检测值的决定系数和均方根误差作为准度评价指标;根据新鲜度指标的理论允许范围,以TVB-N微观预测值小于零的像...     

激光及X射线肉图像同步采集系统设计及实验

提出了一种不规则肉碎骨图像检测方法,设计了一种基于激光三角法以及软X射线技术的肉碎骨图像采集的在线检测系统。该系统由X射线图像采集部分、激光图像采集部分、机械传输部分、PLC控制系统部分和图像处理系统组成。采用小型单元式PLC作为控制核心,检测肉位置和触发激光及X射线采集图像,肉图像采集软件在Visual C#2008环境下结合环境下结合HALCON函数库实现,系统调试运行正常,可实时同步采集肉动态激光图像及X射线图像。利用肉激光图像和X射线图像进行图像融合实验。结果表明,小波算法速度快,融合后的图像失真少,更加接近于原X射线图像,更有利于肉图像碎骨信息的提取。     

我国高等学校调整及林业院校综合化的思考

该文简要介绍了我国第一次林业院校调整的基本情况，从林业学科的发展、高等教育大众化、现代科学技术的发展、高素质人才的培养等角度分析了林业院校综合化的必然性，提出了林业院校综合化的具体措施。     

基于高光谱成像的青梅酸度检测方法

针对传统理化分析的青梅酸度检测方法破坏性大、耗时长、无法实现在线检测的不足,对基于高光谱成像技术的青梅酸度快速无损检测方法进行研究。采集了487个青梅样本在550~1 000 nm波段内的高光谱图像,经过光谱相对反射率校正和6种不同滤波后,分别利用连续投影算法(SPA)、遗传算法(GA)以及连续投影结合遗传算法(SPA+GA)3种光谱降维方法,提取了反映青梅内部酸度信息的特征波长,并建立波长与青梅p H值的偏最小二乘(PLS)预测模型,研究不同滤波和不同降维方法下的预测精度。研究结果表明:同一预测模型,Savitzky-Golay(S-G)平滑滤波预测精度最高;相比SPA或GA单一算法降维,经5点S-G平滑滤波后SPA+GA光谱降维的方法,可显著降低模型复杂度,提高模型预测精度,预测集的均方根误差为0.070 6,相关系数为0.792 5。     

基于低场核磁成像的银杏胚检测及分类

银杏胚的有无及发育状况直接影响播种后的发芽率,而这些无法人工检测。该研究基于低场核磁共振成像（Low-field Magnetic Resonance Imaging,LF-MRI）技术,结合深度学习,探索研究银杏种子内部缺陷检测方法。设计了一种基于改进的VGG-16迁移学习图像分类方法,在利用VGG-16卷积层对数据集进行迁移学习时,对模型的学习率、模型结构和归一化3个方面进行改进,比较研究调整初始学习率与更新周期、将全连接层替换为全局卷积层或全局平均池化层并扩展8种微调模型、添加3种归一化层对模型性能的影响。结果表明,全局平均池化层调用方便,能够替代全连接层融合深度特征,提升模型性能;分类输出层置于全局平均池化层后的分类效果较好;组归一化能提升模型性能,并使验证曲线收敛更稳定;学习率对迁移学习模型性能影响极大,使用分段常数衰减策略针对具体应用可有效提高模型性能。相比较VGG-16,该研究构建的基于VGG-Net的银杏种子MR图像识别模型（Ginkgo seed low-field MR images recognition model based on VGG-Net, GV）大小降低89%,参数量降低89%,训练时间减少64%,训练集与验证集损失分别降低64%与45%、准确率分别提高2.4与2.5个百分点,对正常、孔洞、有胚和无胚4个类别的银杏种子平均分类准确率达到97.40%。研究结果为无损监测银杏种子萌发过程、合理预测种子播种后的发芽率提供了思路。     

基于高光谱成像的肉品检测去条带噪声方法

推扫式高光谱成像系统通常因电荷耦合器件（Charge Coupled Device,CCD）各像元响应不一致而产生条带噪声,该研究以猪肉为研究对象,设计一种基于多块标准反射率板进行逐波段逐像素相对辐射定标的去除条带噪声方法。该方法基于最小二乘法,利用不同反射率标准板的反射率值与CCD输出值,采用多项式拟合出接近于各个波段逐像元真实响应函数的拟合响应函数;选取每一波段图像中的任一像元作为参考,将其余像元与参考像元的拟合响应函数做差,作为其余像元的补偿函数,再采用样本的输出值加补偿值以校正样本。分别采用逐波段逐像素相对辐射定标法和传统矩匹配法对猪肉高光谱图像进行处理,并以四阶标准反射率板各反射区均值与参考值的绝对误差评估反射率校正结果。结果表明,逐波段逐像素相对辐射定法在有效去除条带噪声的同时,不会产生新的噪声,同时能够保持原始图像的灰度分布,校正后图像条带系数最大值比原始图像减少63.5%;相比矩匹配法,反射率误差大幅下降,其中条带系数最大波段（200波段）4个反射区的绝对误差为0.003～0.089,随机抽取波段（300波段）4个反射区的绝对误差为0.009～0.083。该研究为消除条带噪声提供了一种可靠方法,同时为提高后续基于推扫式光谱成像的指标空间可视化精度奠定了良好的基础。     

叶片含水率推扫式高光谱成像去条纹标定法优化

由推扫式高光谱成像系统所采集的图像中会出现特有的条纹噪声,这些噪声会穿过化学计量学模型,最终出现在反映被测指标空间分布情况的可视化预测图中,干扰其空间特征的呈现及解读.以银杏叶含水率为例,基于偏最小二乘回归(PLSR)预测模型,将经去条纹标定法处理后的图像分别与原始图像及经传统均值滤波增强后的图像进行比较,研究去条纹标...