猪肉品质无损检测研究进展

猪肉是我国消费量最大的肉品,其品质关系国民生活质量、营养水平及饮食安全,受到质量管理者和肉制品工业的重视.无损检测技术是猪肉品质检测和监控体系的关键技术.论文介绍了国外近10年来猪肉品质无损检测技术的研究情况,包括以肉品声学特性为基础的超声波检测,以光学特性为基础的图像和光谱检测技术,以及电子鼻、核磁共振等技术.研究表明利用上述技术可实现对活猪、猪肉胴体、猪肉脂肪组织等检测对象的一个或多个品质指标进行快速准确的检测.同时指出开展实时检测、屠宰与生产加工过程中复杂环境下的在线检测、活体品质与生长状态的检测,以及融合多种无损检测技术实施不同阶段、不同角度全面检测是猪肉品质检测的发展趋势.     

玉米联合收获机电子监视系统的设计研究

玉米收获机在田间作业时,发生机械传动故障,特别是某些部位堵塞以后,不能及时排除故障而影响作业效率。针对这一问题,研制了4KY-3型玉米联合收获机械电子监视系统,监视发动机轴的转速,对各工作轴转速下降报警,使驾驶员及时发现故障,并排除故障。该转速监视系统具有结构简单,工作可靠,成本低的优点。     

Design of nondestructive examination system for bridge cables surface defect

Aiming at the drawbacks of the current detecting methods, a nondestructive examination system design for bridge cables based on high speed digital signal processors chip DM642 is presented, and the hardware platform of the system is built. This examination system mainly consists of four parts: the image defaults acquisition part, DM642 hardware platform, creeping part and defaults locating equipment. The designed system is tested on the hardware platform based on digital image processing algorithm. The experimental results show that the detecting system has the advantages of high stability and reliability, real time, mass storage, and nondestructive examination, etc. This system uses high technology and has significant meaning on detecting the current bridge cables health, furthermore, this method can be used in other examination fields.     

水果成熟度无损检测技术研究进展

无损检测技术是近年来兴起的有别于有损检测手段的新兴高科技技术,得到了众多国内外研究人员的广泛关注,并且已经广泛应用于农业和工业,在水果成熟度检测方面,有较大的发展空间,现通过文献调查及统计分析的方法综述了目前对水果成熟度的几种无损检测技术方法的技术原理、研究现状及发展趋势,并对各种检测技术的应用前景进行了展望与预测。     

可见/近红外光谱技术无损检测果实坚实度的研究

该研究的目的是建立可见/近红外光谱与梨果实坚实度之间的数学模型,评价可见/近红外光谱技术无损测量梨果实坚实度的应用价值.在可见/近红外光谱区域(350～1800nm),试验对比分析了不同测量部位、不同光谱预处理方法和不同校正建模算法的梨果实坚实度校正模型.结果表明:赤道部位吸光度一阶微分光谱的偏最小二乘回归所建梨果实坚实度校正模型的预测性能较优,其校正和预测相关系数分别为0.8779和0.8087,校正和预测均方误差分别为1.0804N和1.4455N.研究表明:可见/近红外光谱技术无损检测梨果实坚实度是可行的.     

基于传感器阵列多特征优化融合的鱼粉品质检测

为了提高鱼粉品质检测装置的鉴别能力,利用研制的鱼粉品质检测装置,提取鱼粉样本的响应特征信息（10×6个）构成原始特征矩阵,以多层感知器神经网络的鉴别正确率为评价指标,对其传感器阵列进行多特征数据融合优化。首先,通过不同的归一化处理,得到了最佳的归一化处理方法;其次,通过因子载荷分析结果计算获得1 770个特征距离值,按从小到大的顺序对1 770个距离进行排序,并依据特征值距离原点的欧式距离,剔除欧氏距离较小的19个特征值,获得最高的鉴别正确率;最后,对经过载荷分析优化后的原始特征值进行相关性分析,按相关系数绝对值累加和大小进行排序,当剔除掉相关系数绝对值累加和大于37.2时的8个特征值时,此时鉴别正确率为98.3%,特征子集也更紧凑。研究结果表明：特征优化前后的传感器信号的表征特征发生了明显的变化,33个特征值被用来表征鱼粉样本的传感器特征信号。同时,采用马氏距离解释了MLP神经网络鉴别结果的可信性,进一步说明了特征优化方法的合理性。     

基于高光谱图像及深度特征的大米蛋白质含量预测模型

为了充分挖掘高光谱图像的光谱信息和图像信息,实现大米中蛋白质含量的无损检测,该文提出一种堆叠自动编码器(stackedauto-encoder,SAE)提取高光谱图像深度特征的方法,在高温(45℃)高湿(95%相对湿度)条件下对市售大米进行放置处理,以6组不同放置时间(0,24,48,72,96和120h)共420个大米样本(每组70个)为对象,利用可见光/近红外高光谱成像仪采集高光谱图像(400～1 000 nm,共478个波段),采用阈值分割法获取样本高光谱图像掩膜,分别提取掩膜后高光谱图像感兴趣区域(region of interest,ROI)的平均光谱信息和图像信息。应用多项式平滑(savitzky-golay,SG)对获取的光谱曲线进行预处理,利用SAE提取光谱深度特征,采用支持向量机回归(support vector regression,SVR)建立预测模型,结果表明训练集决定系数RC2、训练集均方根误差RMSEC、预测集决定系数RP2和预测集均方根误差RMSEP分别为0.976 2、0.068 6 g/(100 g)、0.939 2和0.115 3 g/(100 g)。将图像尺寸统一为28像素?28像素的灰度图并扁平化处理,利用SAE提取图像深度特征,结果表明RC2、RMSEC、RP2和RMSEP分别为0.915 4、0.051 0 g/(100 g)、0.821 0和0.111 8 g/(100 g)。进一步融合光谱信息和图像信息,结果表明RC2、RMSEC、RP2和RMSEP分别为0.971 0、0.077 2 g/(100 g)、0.964 4和0.085 1 g/(100 g),相较于光谱信息,RP2提升幅度2.68%;相较于图像信息,RP2提升幅度17.47%。研究表明,充分挖掘大米样本高光谱图像中的光谱信息和图像信息并进行融合,利用SAE提取光谱-图像融合深度特征,可有效提高模型的预测精度,为大米蛋白质含量无损检测提供了理论依据,具有良好的应用前景。     

基于高光谱成像的猕猴桃表面疤痕无损识别

为实现猕猴桃表面疤痕的快速无损识别,以贵长猕猴桃为研究对象,采用高光谱图像采集系统(400~1 000 nm)采集完好无损猕猴桃和表面有疤痕猕猴桃的高光谱图像。对采集到的高光谱图像进行了最小噪声分离变换,结合阈值分割及数学形态学处理方法提出了猕猴桃表面疤痕的识别方法。结果表明:采用最小噪声分离变换可有效地消除高光谱图像中的噪声;完好无损和表面有疤痕的猕猴桃样本在700~810 nm以及810~1 000 nm的光谱反射率值具有明显的差异,选取785.98 nm处的光谱反射率值为0.30~0.56以及982.59 nm处的光谱反射率值为0.54~0.73作为区分猕猴桃正常区域和表面疤痕区域的阈值条件,进一步利用阈值分割方法对60个完好无损的和60个表面有疤痕的猕猴桃进行识别,正确识别率分别为98.3%和95.0%,说明高光谱成像技术可用于猕猴桃表面疤痕的快速无损识别。     

复合绝缘子伞裙老化状态检测的单边核磁共振传感器

对复合绝缘子伞裙老化状态的评估,关系到电力系统的安全稳定运行。为了实现在工程现场对复合绝缘子伞裙的无损检测,提出了一种便携式单边核磁共振传感器的设计方案。对静态磁场的均匀度和射频线圈进行了优化,以获得较高的信噪比。以110 kV等级下不同运行年份的绝缘子为样品进行测量,使用CPMG序列对样品进行激励;采用单指数拟合和反拉普拉斯变换对核磁共振横向弛豫回波信号进行处理。结果表明,随着复合绝缘子运行时间的增加,其等效横向弛豫时间减小。因此,这种便携式单边核磁共振传感器有望用于复合绝缘子伞裙老化程度的定量分析。     

便携式猪肉营养组分无损实时检测装置研究

为了实现猪肉营养组分(脂肪和蛋白质)的快速、无损、实时检测,基于近红外反射光谱设计了便携式猪肉营养组分无损检测装置。硬件部分包括光谱采集单元、光源单元和控制单元,并开发了相应的检测软件,实现样品光谱信息的有效获取和实时分析。为了建立稳定可靠的预测模型,考察了波段选择、样本分组方式和筛选变量方法对模型的影响。分别基于可见/短波近红外(Vis/SWNIR)、长波近红外(LWNIR)及Vis/SWNIR-LWNIR,利用随机选择法(RS)、Kennard-Stone法(KS)和基于联合X-Y距离的样本划分法(SPXY)对样本进行划分,建立了脂肪和蛋白质质量分数的偏最小二乘预测模型。结果发现,基于Vis/SWNIR-LWNIR波段,利用SPXY算法进行样本分组,取得了最佳的预测模型。在此基础上,比较分析竞争性自适应加权算法、随机蛙跳算法和蒙特卡罗无信息变量消除-连续投影算法3种算法筛选变量建立的模型效果。基于竞争性自适应加权算法筛选变量的模型结果最佳,对脂肪和蛋白质建立的模型验证集相关系数分别为0.950 5和0.951 0。结果表明:基于近红外反射光谱设计的便携式猪肉组分检测装置可以对脂肪和蛋白质含量进行快速、无损、实时检测。