排序方式: 共有114条查询结果,搜索用时 15 毫秒
101.
102.
近红外光谱检测技术在农业和食品分析中的应用 总被引:1,自引:0,他引:1
主要介绍近红外光谱检测技术在农业和食品分析中的应用。作为一种简单、快速、无损伤及无污染的检测手段,近红外光谱在鉴定原料的真伪、原料中有效成分的含量、有毒组分的识别和水果内部成分测定等方面具有独特的效果,因此在农业和食品等领域得到了广泛的应用。 相似文献
103.
图 1所示,是连杆 2端面均布 8槽的铣槽工序图。在批量生产中,这类另件的传统铣槽方法采用分度机构在 1次装夹中加工,夹具结构比较复杂,尽管可以保证每端面 4槽的位置精度和角度公差等要求,但装夹不方便,生产效率低。针对上述缺陷,笔者经研究,设计了 1套铣槽夹具,采用 2次装夹工件,用菱形销定位的方法完成铣削加工,可以满足另件的尺寸和位置精度要求,保证产品质量,提高生产效率。 1.加工工艺分析: 工件已加工过的大小头孔分别为 42.6 和 15.3, 2孔中心距为 57± 0.06mm,大小头厚度均为 14.3 mm。在加工槽时,槽的… 相似文献
104.
105.
【目的】应用近红外光谱漫反射技术在线检测脐橙内部的可溶性固形物含量(SSC)。【方法】以0.3m/s的速度、400W的光照强度获取脐橙(脐橙样品为97个,其中74个为校正集,23个样品为预测集)的漫反射光谱;对比不同光谱预处理方法(平滑、一阶微分、二阶微分等)对偏最小二乘回归(PLSR)所建预测模型性能的影响,建立PLSR、主成分回归(PCR)和多元线性回归(MLR)在线检测脐橙可溶性固形物含量的预测模型。【结果】在520~1 000nm光谱范围,卷积平滑(S-G)能有效提高光谱的信噪比,改善模型预测精度;基于PLSR所建立的预测模型较PCR和MLR更为理想,其预测相关系数(RP)为0.90,预测均方根误差(RMSEP)为0.61。【结论】利用在线近红外光谱技术检测脐橙可溶性固形物含量是可行的。 相似文献
106.
基于LED组合光源的水晶梨可溶性固形物和大小在线检测 总被引:2,自引:2,他引:0
该文探讨了近红外光谱技术结合发光二极管(LED)组合光源探头在线检测水晶梨的可溶性固形物和大小的可行性。试验中采用850、880和940 nm 3盏LED组成组合光源探头,每个水晶梨在均匀成单列的输送线上以每秒5个梨的速度运动,采用漫反射方式采集水晶梨的漫反射光谱。应用偏最小二乘(PLS)和最小二乘支持向量机(LS-SVM)方法建立了可溶性固形物和大小2个理化参数的校正模型,同时对不同光谱预处理方法(平滑、一阶微分、二阶微分)建立的模型的预测性能进行了对比分析,并通过外部验证来检验模型预测的准确性。利用平 相似文献
107.
苹果可溶性固形物近红外光谱在线检测影响因素研究 总被引:2,自引:0,他引:2
光谱仪的性能和样品运动速度是影响近红外光谱在线检测精度的重要因素.三款配置了不同光栅的短波光谱仪被用于在线检测苹果的可溶性固形物含量.分别考察不同光谱仪和五种苹果运动速度对苹果可溶性固形物在线检测精度的影响.经比较,在0.190m/s速度下,使用QE65000光谱仪建立的偏最小二乘模型预测结果最优.最优预测模型的相关系数为0.814,预测均方根误差为0.776.Brix.结果表明选择合适的样品运动速度和光谱仪可提高苹果可溶性固形物在线检测的精度. 相似文献
108.
近红外透射光谱无损检测赣南脐橙糖度的研究 总被引:1,自引:0,他引:1
探讨了近红外透射光谱无损检测赣南脐橙内部糖度指标的可行性,并建立近红外透射光谱与赣南脐橙内部糖度指标之间的关系.以80个赣南脐橙为研究对象,利用透射光谱测定法获取完整赣南脐橙的近红外光谱(200~1100nm),选取不同的光谱波段范围对水果样本的透射光谱进行有效信息的提取,并结合多元线性回归(MLR)、主成分回归(PCR)和偏最小二乘法(PLS)3种不同的数学校正方法对赣南脐橙的糖度(SC)进行定量分析.实验结果为:在550~900nm波段范围内,PLS校正模型的预测精度最好,其相关系数为0.9032,预测样本均方根误差为0.2421.实验结果表明,近红外透射光谱可以作为一种准确、可靠、无损的检测方法,用于检测赣南脐橙内部的糖度指标. 相似文献
109.
机器视觉在农产品检测与分级中的应用与展望 总被引:1,自引:0,他引:1
计算机技术的发展与计算机速度的提高和硬件成本的下降,使得机器视觉技术在农产品检测领域中的应用越来越广泛,论述了国内外机器视觉技术在农产品检测中的应用研究和发展情况,同时指出了进一步研究的方向。 相似文献
110.
鸡蛋蛋白pH可见/近红外光谱在线检测信息变量提取研究 总被引:2,自引:0,他引:2
利用可见/近红外光谱在线检测鸡蛋品质中的蛋白pH, 采用漫反射方式进行光谱采集.采用反向区间偏最小二乘法(BiPLS)和蒙特卡罗无信息变量消除法(MC-UVE)分别优化鸡蛋蛋白pH可见/近红外光谱的信息区间组合及筛选有效建模变量数.经过最优预处理方法一阶导数对光谱进行预处理校正后,BiPLS方法筛选的区间分隔最优数为25,对应信息区间为598.33~617.55 nm、636.63~655.58 nm、783.25~800.72 nm和852.24~885.82 nm.利用MC-UVE方法筛选出来的最佳建模变量数为250个,BiPLS模型的Rp为0.827和RMSEP值为0.094;MC-UVE-PLS模型的Rp为0.833和RMSEP值为0.086.结果表明利用蒙特卡罗无信息变量消除方法可以有效选择建模变量,既克服了复杂样品各信息区间对PLS建模贡献率不一样的问题,又能提高模型的稳定性和多元校正的预测精度. 相似文献