基于机器视觉和机器学习技术的鸡胴体质量自动分级方法

[目的]为实现对鸡胴体质量等级的非接触在线自动判定,本文提出一种基于机器视觉和机器学习技术的鸡胴体等级在线检测方法。[方法]首先用图像采集装置获取鸡胴体图像,对图像进行预处理并提取包括投影面积、胴体长度、轮廓长度、鸡胸长度、鸡胸宽度和鸡胸面积等图像特征参数。在对所得到的数据进行无量纲处理后,再以这6个特征参数为输入、质量为输出,分别利用随机森林(random forest,RF)算法、自适应提升算法(Adaboost,AB)和梯度提升算法(gradient boosting,GB)3种机器学习方法,建立鸡胴体质量等级预测的非线性回归模型,对鸡胴体质量等级进行自动判定。[结果]在对鸡胴体质量进行预测时,梯度提升模型的判定系数最大,为0.996 0,明显优于线性模型,也优于其他2种非线性模型;在对鸡胴体质量等级进行判定时,也是梯度提升模型的判定正确率最高,为96%。[结论]可利用梯度提升模型对鸡胴体质量和等级进行精确预测和判定。     

基于计算机视觉和神经网络的牛肉颜色自动分

将采集的牛胴体眼肌切面图像人工确定其颜色等级,然后通过计算机图像处理方法,分割出肌肉区域并提取出其在RGB和HIS颜色空间的颜色特征参数.设计一个以牛肉的颜色特征参数为输入、牛肉的颜色等级为输出的BP神经网络模型,通过训练,确定模型的结构参数,用测试样本对该模型进行验证.结果显示,用该模型进行牛肉颜色等级预测的正确率可达95%,耗时仅0.25s.表明利用所设计的模型可以对牛肉的颜色等级进行快速、准确的自动判定.     

近红外光谱在转基因农产品检测中的研究进展

简述了近年来近红外光谱分析技术在农产品和食品定量分析中的应用,重点介绍了近红外光谱分析在转基因植株筛选以及转基因和非转基因农产品分类和识别等方面的研究现状,比较和分析了近红外光谱与传统的转基因农产品检测方法的特点,并展望了近红外光谱分析技术在转基因农产品检测研究中的发展前景。     

温度、水分和掺假对蜂蜜黏度的影响

[目的]为丰富和深化蜂蜜黏度研究,对掺假蜜和掺水蜜进行了流变学试验,以研究温度、水分、掺假3因素对蜂蜜黏度的影响。[方法]对54个掺假蜜和12个掺水蜜进行了8个不同温度下的流变学试验。对试验结果进行了线性拟合和指数衰减拟合、t测验和F测验统计分析,得出了真、假蜜黏度变化的经验公式。[结果]真、假蜂蜜样本黏度-温度关系都符合Arrhenius公式,蜂蜜样本的黏度-温度、黏度-水分和黏度随温度和水分变化规律均符合指数衰减规律。[结论]Arrhenius公式中的常数与原蜜样本和掺假度有关,但不随掺假度单调变化。水分活化能和温度活化能,两者可分别定量揭示水分和温度对黏度的影响。     

稻谷固定床式深层干燥试验研究

以木反和通风板构建一台面积22．3m^2的固定床干燥机，采用燃油直接燃烧加热的方式对谷物进行干燥。在不同的热风温度、稻谷初始含水率及总厚度条件下，测定了稻谷干燥的均匀性、各层稻谷的温升曲线和干燥曲线，分析了干燥参数对干燥床性能的影响。研究表明：沿层厚方向存在显著的温度梯度，干燥逐层进行。热风温度越高、总厚度越大，分层干燥现象越明显。在定风量的条件下，热风温度要对干燥的热量消耗无明显影响；总厚度增加、稻谷初含水率降低，干燥的热量消耗呈降低趋势。     

基于ANSYS的西兰花收获悬挂斗设计

随着我国城镇化速度加快,农村劳动力的减少,而西兰花收获几乎完全依赖人力,亟需推进西兰花的自动化收获。国内对于西兰花收获的相关研究很少,其自动化收割尚处于理论试验阶段。该文利用CATIA软件建模,ANSYS-Workbench进行模态分析,设计西兰花收获的悬挂斗,可实现西兰花收获的半自动化,减轻劳动强度。该方法可将收获效率提高2.6倍,节约半数劳动力。      

基于CT图像技术的三黄鸡胴体物理特征分析

选择7只50日龄、屠体质量在1.741~2.508 kg之间的三黄鸡为试验对象,测量其体尺参数、全净膛质量、主要内脏器官质量及内脏总质量,分析这些参数随屠体质量的变化关系。利用螺旋CT机采集样本的CT断层扫描图像,根据样本的横纵切面图像,分别分析确定心脏、肺脏、肌胃和肾脏等主要脏器的相对位置,并估算出内脏腔体的尺寸及净膛切口的位置和尺寸。试验结果显示,随着三黄鸡胴体屠体质量的增加,胸深和胫长逐步增大,而体斜长、胸宽和胫围则显著的线性增加(P0.01)。心脏、肺脏、肌胃和肾脏的质量也随屠体质量的增加而呈增大趋势,且具有一定的相关性。另外,根据胴体的横纵CT图像,可以清楚地确定心脏、肺脏、肌胃和肾脏的相对位置;对屠体质量分布为1.741~2.508 kg的三黄鸡样本,估算出腔体尺寸为:内脏腔体长度(15.560±0.540)cm,最大宽度(7.722±0.253)cm,最大净膛开口尺寸(4.783±0.467)cm。     

基于物联网的空气源热泵式谷物干燥机试验研究

根据稻谷烘干的工艺要求,以泰州市某家庭农场的空气源热泵粮食烘干机为例,对基于物联网的空气源热泵热风机组在不同环境温度、匹配不同烘干机工况下的性能进行试验研究,通过采集干燥机热风温度、风量、耗电量等数据,计算热泵系统制热量、性能系数（coefficient of performance,COP）、除湿能耗比(specific moisture extraction rate,SMER)以及烘干成本等数据,对热泵系统的实际性能进行分析。结果表明：空气源热泵系统的性能受环境平均温度的显著影响,随环境温度升高,热泵的制热量逐步减少,COP逐渐增加、SMER增大;但当环境温度低于9℃时,热泵出风温度达不到设定值,COP和SMER均低于均值;当环境温度高于9℃时,系统表现出良好性能。     

近红外光谱在水果内部品质检测中的研究进展

近红外光谱分析以其速度快、不破坏样品、操作简单、稳定性好、效率高等特点成为20世纪90年代以来发展最快、最引人注目的定量分析技术。综述了NIRS技术在定量分析方面的特点,分析了国内外在近红外光谱技术用于水果内部品质检测的最新研究现状,并对利用近红外光谱技术进行水果品质无损检测的研究前景进行了展望。     

基于选择性注意力神经网络的木薯叶病害检测算法

为了实现在复杂非结构环境下对木薯叶4种主要病害的高精度检测,提出一种基于选择性注意力机制的木薯叶病害神经网络检测改进算法MAISNet (Multiattention IBN Squareplus neural network)。以V2-ResNet-101为基础网络,先使用多重注意力算法优化加权系数,调整特征通道的语义表达,在特征图中初步构建显著性特征;然后在残差单元之后采用实例批归一化方法来抑制特征表达中的协变量偏移,在特征图中构建出显著性语义特征,实现高质量语义特征表达;最后在残差分支中采用Squareplus激活函数替代ReLU激活函数,保持语义特征在负数域的数值分布,减少特征拟合过程中的截断误差。对比试验结果显示,经过上述改进后构建出的MAISNet-101神经网络,对4种常见木薯叶病害检测的平均准确率达到95.39%,明显优于目前主流算法EfficientNet-B5和RepVGG-B3g4等。网络提取特征的可视化分析结果表明,高质量木薯叶病害显著性语义特征,是提高木薯叶病害检测准确率的关键。所提出的MAISNet神经网络模型可以完成实际场景下木薯叶病害高精度检测。